面向无人机网络的新型轻量级统一时空Transformer方法用于入侵检测

无人机的日益普及整合已在商业、工业和民用领域引入了显著的网络安全挑战，尤其是由于无人机网络高度易受到各种网络攻击。现有的入侵检测机制往往缺乏适应性、效率和通用性，难以满足无人机所处的动态且资源受限的环境。本文提出TSLT-Net，一种新型轻量级统一时空Transformer-based入侵检测系统，专为无人机网络设计。通过利用自注意力机制，TSLT-Net有效建模网络流量中的时序模式和空间依赖关系，实现对多样化入侵类型的精准检测。该框架包括简化的预处理管道，支持单一架构中的多类攻击分类和二元异常检测。对ISOT无人机异常检测数据集上进行的大量实验表明，TSLT-Net在多类检测中达到99.99%的准确率，在二元异常检测中达到100%准确率，同时仅占用0.04 MB的最小内存 footprint，仅有9722个可训练参数。这些结果表明TSLT-Net是一种有效且可扩展的实时无人机网络安全解决方案，特别适合在关键无人机系统的边缘设备上部署。