QUADFormer：基于学习的四旋翼无人机网络攻击检测
机器人学
2024-06-17 v2
摘要
安全关键型智能信息物理系统，例如四旋翼无人机，易受不同类型的网络攻击，而缺乏及时准确的攻击检测可能导致严重后果。当无人机在大型室外机动飞行中时，其系统构成包含非高斯噪声的高度非线性动力学。因此，常用的传统基于统计的和新兴的基于学习的攻击检测方法无法产生令人满意的结果。针对上述挑战，我们提出了 QUADFormer，一种新颖的基于 Transformer 架构的四旋翼无人机攻击检测框架。该框架包括一个残差生成器，用于生成对异常敏感的残差序列。随后，该序列被输入到一个具有相关性差异的 Transformer 结构中，以专门学习其统计特征，用于分类和攻击检测。最后，我们设计了一个警报模块，以确保无人机在受攻击条件下安全执行任务。我们进行了广泛的仿真和真实世界实验，结果表明，与许多最先进方法相比，我们的方法实现了更优的检测性能。
引用
@article{arxiv.2406.00707,
title = {QUADFormer: Learning-based Detection of Cyber Attacks in Quadrotor UAVs},
author = {Pengyu Wang and Zhaohua Yang and Nachuan Yang and Zikai Wang and Jialu Li and Fan Zhang and Chaoqun Wang and Jiankun Wang and Max Q. -H. Meng and Ling Shi},
journal= {arXiv preprint arXiv:2406.00707},
year = {2024}
}