RadArnomaly：保护雷达系统免受数据操纵攻击
密码学与安全
2021-06-15 v1 机器学习
摘要
雷达系统主要用于跟踪飞机、导弹、卫星和水面舰艇。在许多情况下，雷达系统所检测到的目标信息会被发送并用于外围消费系统，例如导弹系统或操作员使用的图形用户界面。这些系统处理数据流并基于接收到的数据做出实时作战决策。鉴于此，雷达系统所提供信息的可靠性与可用性愈发重要。尽管网络安全领域持续发展，此前尚无研究关注雷达系统中的异常检测。本文提出一种基于深度学习的方法来检测雷达系统数据流中的异常。我们提出一种新技术，以无监督方式学习数值特征与类别特征的嵌入表示之间的相关性。该技术可检测数据流中关键字段的恶意操纵，并辅以所提出的时序间隔异常检测机制以检测消息丢弃企图。我们使用真实雷达系统数据评估所提方法。实验表明，该方法对多种数据流操纵攻击（平均检测率 88%，误报率 1.59%）和消息丢弃攻击（平均检测率 92%，误报率 2.2%）均具有高检测精度。
引用
@article{arxiv.2106.07074,
title = {RadArnomaly: Protecting Radar Systems from Data Manipulation Attacks},
author = {Shai Cohen and Efrat Levy and Avi Shaked and Tair Cohen and Yuval Elovici and Asaf Shabtai},
journal= {arXiv preprint arXiv:2106.07074},
year = {2021}
}