无人机自主着陆中木马漏洞的实验研究

本研究调查了城市空中交通飞行器自主导航与着陆系统的脆弱性。具体而言，它聚焦于针对深度学习模型（如卷积神经网络）的木马攻击。木马攻击通过将隐蔽触发器嵌入模型的训练数据中发挥作用。这些触发器在特定条件下会导致特定故障，而模型在其他情况下则继续正常运行。我们使用DroNet框架评估了城市自主空中飞行器的脆弱性。我们的实验显示，准确率从干净数据上的96.4%显著下降到受木马攻击触发数据上的73.3%。为进行这项研究，我们收集了一个自定义数据集并训练模型以模拟真实世界条件。我们还开发了一个旨在识别受木马感染模型的评估框架。这项工作展示了木马攻击带来的潜在安全风险，并为未来增强城市空中交通系统韧性的研究奠定了基础。