TRIDENT：用于新目标的三模态实时入侵检测引擎
密码学与安全
2025-05-16 v2
摘要
无人机的日益增多及其潜在的恶意活动构成了显著的隐私和安全风险，迫切需要在现实环境中进行快速可靠的检测。然而，现有的无人机检测系统在现实环境中常常因环境噪声和传感器局限性而难以胜任。本文引入TRIDENT，一种三模态无人机检测框架，集成同步的音频、视觉和射频数据，以增强鲁棒性并减少对单个传感器的依赖。TRIDENT引入两种融合策略——晚期融合和GMU融合——以提高多模态集成效果，同时保持效率。该框架包含领域特定的特征提取技术，并配备专门的数据增强管道，模拟现实世界传感器降级以提高泛化能力。收集了在城市和非城市环境下、在不同照明条件下的多传感器数据集，确保了全面评估。实验结果表明，TRIDENT在现实录音中实现了98.8%的准确率，在更复杂的情境（增强数据）中实现了83.26%的准确率，优于单模态和双模态基线。此外，TRIDENT实现了实时检测，检测无人机仅需6.09毫秒，仅消耗75.27毫焦/次检测，具有高度的资源受限设备效率。该数据集和代码已公开以确保可重复性（https://github.com/TRIDENT-2025/TRIDENT）。
引用
@article{arxiv.2504.06417,
title = {TRIDENT: Tri-modal Real-time Intrusion Detection Engine for New Targets},
author = {Ildi Alla and Selma Yahia and Valeria Loscri},
journal= {arXiv preprint arXiv:2504.06417},
year = {2025}
}