一种基于粒子滤波算法的无人机攻击检测模型的建立方法技术

本发明专利技术公开了一种基于粒子滤波算法的无人机攻击检测模型的建立方法，包括步骤一：建立无人机CPS网络安全威胁模型，S1.1建立无人机物理域动态模型；S1.2构建无人机CPS网络安全威胁模型；步骤二：建立基于粒子滤波算法的无人机网络攻击检测模型，S2.1对CPS攻击检测问题进行形式化描述；S2.2引入粒子滤波算法，在无人机CPS网络安全威胁模型的基础上建立基于粒子滤波算法的攻击检测模型；本方法通过将粒子滤波算法引入无人机CPS网络安全威胁模型中，建立了一种基于粒子滤波算法的无人机攻击检测模型，本模型能够有效检测无人机因遭受网络攻击产生的运行状态变化，具有检测精度高和鲁棒性好的特点。鲁棒性好的特点。鲁棒性好的特点。

【技术实现步骤摘要】
一种基于粒子滤波算法的无人机攻击检测模型的建立方法


[0001]本专利技术涉及无人机安全
，具体涉及一种基于粒子滤波算法的无人机攻击检测模型的建立方法。

技术介绍

[0002]无人机(Unmanned Aerial Vehicles，UAVs)是一种以无线电遥控或由自身程序控制为主的无人驾驶飞行器；自从在军事和民用领域投入使用以来，已经在多个方面展示了其独特的性能和优势；与此同时，影响无人机安全的威胁亦随之增多，严重影响其任务执行和效能发挥；其中，网络安全威胁是需要重点关注的问题之一；与传统有线网络相比，无人机通信环境更加开放，因此更容易遭受来自地面和空中的干扰、截获及伪造等恶意攻击；因此，从网络安全的角度分析无人机面临的各种安全威胁及可能造成的影响，对于了解其在网络安全方面的薄弱环节并进行主动防御进而提高安全防护能力具有重要意义；
[0003]无人机是一种高度集成了计算单元、通信单元以及控制单元的智能系统，具备典型信息物理系统(Cyber Physical System，CPS)的全部特征，由于信息系统和物理系统发生深度耦合，无人机系统运行也面临较为严重的安全问题，即针对信息系统的网络攻击会通过跨空间的风险传播影响到物理系统的安全运行，甚至引发灾难性事故；而目前大量研究主要集中在对无人机的网络安全威胁分析方面，对于网络安全威胁从信息域到物理域的跨空间传播机制鲜有提及；同时现有的无人机攻击检测多是从网络信息流的角度入手，关于信息
‑
物理的交互考虑很少，事实上CPS系统遭受网络攻击后最终的效果会体现在物理层上，因此，针对物理层的性能变化进行相应的攻击检测对于提升无人机整体安全具有更加重要的意义。
[0004]基于此，亟需设计一种基于粒子滤波算法的无人机攻击检测模型的建立方法，以解决上述现有技术存在的问题。

技术实现思路

[0005]针对上述存在的问题，本专利技术旨在提供一种基于粒子滤波算法的无人机攻击检测模型的建立方法，本方法通过将粒子滤波算法引入无人机CPS网络安全威胁模型中，建立了一种基于粒子滤波算法的无人机攻击检测模型，本模型能够有效检测无人机因遭受网络攻击产生的运行状态变化，具有检测精度高和鲁棒性好的特点。
[0006]为了实现上述目的，本专利技术所采用的技术方案如下：
[0007]一种基于粒子滤波算法的无人机攻击检测模型的建立方法，包括
[0008]步骤一：建立无人机CPS网络安全威胁模型
[0009]S1.1建立无人机物理域动态模型；
[0010]S1.2构建无人机CPS网络安全威胁模型
[0011]S1.21基于CPS安全威胁建模理论建立无人机CPS模型；
[0012]S1.22在无人机CPS模型的基础上，构建无人机CPS典型攻击过程模型；
[0013]步骤二：建立基于粒子滤波算法的无人机网络攻击检测模型
[0014]S2.1对CPS攻击检测问题进行形式化描述；
[0015]S2.2引入粒子滤波算法，在无人机CPS网络安全威胁模型的基础上建立基于粒子滤波算法的攻击检测模型。
[0016]优选的，步骤S1.1所述的无人机物理域动态模型包括
[0017][0018][0019]其中，α为无人机俯仰角，v
α
为俯仰角α方向上的扭矩，J
xy
为沿x轴、v轴旋转的转动惯量，为无人机与y轴夹角的二阶导数，β为无人机与y轴之间的夹角，v
β
为无人机翻滚角β方向上的扭矩，为翻滚角的角加速度，γ为无人机绕z轴旋转角度，v
γ
为无人机螺旋桨产生的总扭矩，为无人机螺旋桨的二阶导数，v
z
为各螺旋桨产生的沿z轴向上的总推力，m为质量，g为重力加速度。
[0020]优选的，步骤S1.21所述的无人机CPS模型为
[0021][0022]y(t)＝h(x，u，w，t)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0023]其中，x(t)∈R
n
为系统状态变量，u(t)∈R
m
为是系统受控输入，v(t)表示过程噪声，f(x，u，t)∈R
n
是描述系统动态的非线性函数，y(t)∈R
p
是来自于传感器的量测变量，w(t)表示量测噪声，h(x，u，t)∈R
p
是描述系统实际测量过程的非线性函数，t为系统时间，R
n
、R
m
、R
p
分别代表n维、m维、p维实向量集。
[0024]优选的，步骤S1.22所述的无人机CPS典型攻击过程模型的建立过程包括
[0025](1)建立欺骗类攻击模型；
[0026](2)建立拒绝服务类攻击模型。
[0027]优选的，所述的欺骗类攻击模型包括浪涌攻击模型、偏差攻击模型和几何攻击模型，其中
[0028]所述浪涌攻击模型的攻击模型为
[0029][0030]其中，t
s
表示攻击开始的时刻，y
i
(t)表示t时刻系统状态变量正常值，c
max
表示t
s
时刻由于攻击产生的偏差值；
[0031]所述偏差攻击模型的攻击模型为
[0032][0033]其中，c
i
为一个非零常数；
[0034]所述几何攻击模型的攻击模型为
[0035][0036]其中，T
a
表示攻击时间段，y
i
(t)表示t时刻的某个系统正常值，表示几何攻击的附加值。
[0037]优选的，所述的拒绝服务类攻击模型的建立过程包括
[0038](1)设无人机的控制信号u(t)遭受攻击时，控制命令无法生效，将这个过程描述为式(18)，即增加一个与u(t)相反的信号r(t)：
[0039][0040]其中，r(t)为u(t)相反的信号；
[0041](2)如果去人机的传感器信号y(t)遭受攻击，状态检测可能失效，将这个过程描述为式(19)，即增加一个与y(t)相反的信号s(t)：
[0042][0043]优选的，步骤S2.2所述的基于粒子滤波算法的攻击检测模型的建立过程包括
[0044](1)设无人机系统的状态方程和观测方程为：
[0045]x
k
＝f(x
k
‑1，u
k
‑1，v
k
‑1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(23)
[0046]z
k
＝h(x
k
，w
k
)
ꢀꢀꢀꢀ
(24)
[0047]其中，f(
·
)为系统状态转移函数，h(
·
)为状态观测函数，v
k
‑1为状态噪声，w
k
为观测噪声，u
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于粒子滤波算法的无人机攻击检测模型的建立方法，其特征在于：包括步骤一：建立无人机CPS网络安全威胁模型S1.1建立无人机物理域动态模型；S1.2构建无人机CPS网络安全威胁模型S1.21基于CPS安全威胁建模理论建立无人机CPS模型；S1.22在无人机CPS模型的基础上，构建无人机CPS典型攻击过程模型；步骤二：建立基于粒子滤波算法的无人机网络攻击检测模型S2.1对CPS攻击检测问题进行形式化描述；S2.2引入粒子滤波算法，在无人机CPS网络安全威胁模型的基础上建立基于粒子滤波算法的攻击检测模型。2.根据权利要求1所述的一种基于粒子滤波算法的无人机攻击检测模型的建立方法，其特征在于：步骤S1.1所述的无人机物理域动态模型包括其特征在于：步骤S1.1所述的无人机物理域动态模型包括其中，α为无人机俯仰角，v
α
为俯仰角α方向上的扭矩，J
xy
为沿x轴、y轴旋转的转动惯量，为无人机与y轴夹角的二阶导数，β为无人机与y轴之间的夹角，v
β
为无人机翻滚角β方向上的扭矩，为翻滚角的角加速度，γ为无人机绕z轴旋转角度，v
γ
为无人机螺旋桨产生的总扭矩，为无人机螺旋桨的二阶导数，v
z
为各螺旋桨产生的沿z轴向上的总推力，m为质量，g为重力加速度。3.根据权利要求1所述的一种基于粒子滤波算法的无人机攻击检测模型的建立方法，其特征在于：步骤S1.21所述的无人机CPS模型为y(t)＝h(x，u，w，t)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(14)其中，x(t)∈R
n
为系统状态变量，u(t)∈R
m
为是系统受控输入，v(t)表示过程噪声，f(x，u，t)∈R
n
是描述系统动态的非线性函数，y(t)∈R
p
是来自于传感器的量测变量，w(t)表示量测噪声，h(x，u，t)∈R
p
是描述系统实际测量过程的非线性函数，t为系统时间，R
n
、R
m
、R
p
分别代表n维、m维、p维实向量集。4.根据权利要求1所述的一种基于粒子滤波算法的无人机攻击检测模型的建立方法，其特征在于：步骤S1.22所述的无人机CPS典型攻击过程模型的建立过程包括(1)建立欺骗类攻击模型；(2)建立拒绝服务类攻击模型。5.根据权利要求4所述的一种基于粒子滤波算法的无人机攻击检测模型的建立方法，其特征在于：所述的欺骗类攻击模型包括浪涌攻击模型、偏差攻击模型和几何攻击模型，其
中所述浪涌攻击模型的攻击模型为其中，t
s
表示攻击开始的时刻，y
i
(t)表示t时刻系统状态变量正常值，c
max
表示t
s
时刻由于攻击产生的偏差值；所述偏差攻击模型的攻击模型为其中，c
i
为一个非零常数；所述几何攻击模型的攻击模型为其中，T
a
表示攻击时间段，y
i
(t)表示t时刻的某个系统正常值，表示几何攻击的附加值。6.根据权利要求4所述的一种基于粒子滤波算法的无人机攻击检测模型的建立方法，其特征在于：所述的拒绝服务类攻击模型的建立过程包括(1)设无人机的控制信号u(t)遭受攻击时，控制命令无法生效，将这个过程描述为式(18)，即增加一个与u(t)相反的信号r(t)：其中，r(t)为u(t)相反的信号；(2)如果去人机的传感器信号y(t)遭受攻击，状态检测可能失效，将这个过程描述为式(19)，即增加一个与y(t)相反的信号s(t)：7.根据权利要求1所述的一种基于粒子滤波算法的无人机攻击检测模型的建立方法，其特征在于：步骤S2.2所述的基于粒子滤波算法的攻击检测模型的建立过程包括(1)设无人机系统的状态方程和观测方程为：x
k
＝f(x
k
‑1，u
k
‑1，v
k
‑1)
ꢀꢀ
(23)z
k
＝h(x
k
，w
k
)
ꢀꢀꢀꢀꢀ
(24)其...

【专利技术属性】
技术研发人员：郭戎潇，王布宏，王晓东，田继伟，崔捷，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：