基于深度学习的 LEO 卫星系统空中欺骗攻击检测
密码学与安全
2025-05-23 v2
摘要
检测针对低轨道(LEO)卫星系统的欺骗攻击是评估接收信息真实性并保证多个应用领域中可靠服务交付的关键。当前用于欺骗检测的解决方案要么依赖额外的通信系统、接收器和天线，要么需要移动部署。工作在物理(PHY)层的检测系统也需要在整座星座卫星上进行耗时且耗能的训练过程，且依赖可用欺骗数据的存在，而这些数据往往难以获取。此外，现有工作都未探讨通过不同高度的无人机发起的空中欺骗攻击的可行性。本文提出了一种新的 LEO 卫星星座系统的欺骗检测技术，应用自编码器对接收的 PHY 信号进行异常检测。我们通过大规模实验测量活动进行验证，该活动涉及部署实际的欺骗器(软件定义无线电)并安装在无人机上，在不同高度和各种运动模式下注入非法的 IRIDIUM 消息。我们的结果表明，所提出的技术能够可靠地检测由不同高度发起的 LEO 欺骗攻击，而现有的领先方法则完全失败。我们还将收集的数据以开源形式发布，促进卫星安全领域的进一步研究。
引用
@article{arxiv.2412.16008,
title = {Detection of Aerial Spoofing Attacks to LEO Satellite Systems via Deep Learning},
author = {Jos Wigchert and Savio Sciancalepore and Gabriele Oligeri},
journal= {arXiv preprint arXiv:2412.16008},
year = {2025}
}
备注
Accepted for Publication by Elsevier Computer Networks