利用集成学习提升低空经济的安全性

低空经济（LAE）具有巨大的潜力，旨在增强社会福祉并推动经济增长。然而，该新兴领域面临着安全威胁，尤其是恶意飞机入侵攻击。为解决上述问题，可使用入侵检测系统（IDS）来防御LAE中的恶意飞机入侵。然而，由于LAE中的异构数据、动态环境以及资源受限的设备，当前的IDS在检测准确率、适应性和资源利用率方面面临挑战。在此情况下，由于集成学习能够结合多个模型的优势，它可以实现更稳健、更具多样性的异常检测，从而进一步提高IDS的准确率，提高LAE安全性和效率。与单模型方法不同，集成学习可以利用其组成模型的集体知识，有效防御恶意飞机入侵攻击。本文具体研究了针对安全LAE的集成学习，涵盖研究重点、解决方案及案例研究。我们首先确立了采用集成学习的理论依据，然后综述了研究领域和潜在解决方案，展示了将集成学习应用于安全LAE的必要性和优势。随后，我们提出了一种面向安全LAE的基于集成学习的恶意飞机跟踪框架，设计的案例研究评估了其可行性和有效性。最后，我们概述了进一步推动集成学习驱动的安全LAE的前景研究方向。