Метод обнаружения атак на систему навигации БПЛА

Обложка

Цитировать

Полный текст

Аннотация

В данной работе рассмотрены вопросы реализации методов защиты беспилотных летательных аппаратов (БПЛА) от атак спуфинга глобальной системы позиционирования (GPS), для обеспечения безопасной навигации. Глобальная навигационная спутниковая система (GNSS) широко используется для определения местоположения БПЛА и на сегодняшний день является самым популярным навигационным решением. Это связано с простотой и относительно невысокой стоимостью данной технологии, а также точностью передаваемых координат. Тем не менее, существует множество угроз безопасности GPS-навигации. Это в первую очередь связано с природой сигнала GPS, т.к. сигнал передается в открытом виде, поэтому злоумышленник может заблокировать или подделать его. В данном исследовании проведен анализ существующих методов защиты GPS. В рамках исследования был разработан экспериментальный стенд и сценарии атак на систему GPS БПЛА. Далее были собраны данные из журнала полетов БПЛА и проведен анализ кибер-физических параметров, чтобы увидеть влияние атаки на показания бортовых датчиков. Исходя из этого, был предложен новый метод обнаружения аномалий БПЛА, основанный на анализе изменений внутренних параметров БПЛА. Этот метод самодиагностики позволяет БПЛА самостоятельно оценивать наличие изменений в его подсистемах, и выявлять признаки кибератаки. Для выявления атаки БПЛА собирает данные об изменении кибер-физических параметров на протяжении определенного периода времени, затем обновляет эти данные. В результате БПЛА необходимо определить степень различий между двумя временными рядами собранных данных. Чем больше будет степень различий между обновленными данными и предыдущими, тем больше вероятность того, что на БПЛА проводится атака.

Об авторах

Е. С Басан

Южный федеральный университет

Email: ebasan@sfedu.ru
Чехова 2

Е. С Абрамов

Южный федеральный университет

Email: abramoves@sfedu.ru
Чехова 2

А. Г Басюк

Южный федеральный университет

Email: basyuk@sfedu.ru
Чехова 2

Н. А Сушкин

Южный федеральный университет

Email: sushkin@sfedu.ru
Чехова 2

Список литературы

  1. Semanjski S., Semanjski I., Wilde W.D., Gautama S. Use of supervised machine learning for GNSS signal spoofing detection with validation on real-world meaconing and spoofing data—Part II. Sensors. 2020. № 20(7):1806. pp. 1-15.
  2. Kwon K.-C., Shim D.-S. Performance analysis of direct GPS spoofing detection method with HRS/Accelerometer. Sensors. 2020. № 20(4): 954.
  3. Wan W., Kim H., Hovakimyan N., Sha L., Voulgaris P.G. A Safety Constrained Control Framework for UAVs in GPS Denied Environment. 59-th IEEE Conference on Decision and Control (CDC). Korea (South). 2020. pp. 214-219.
  4. Seo S.-H., Lee B.-H., Im S.-H., Jee G. Effect of spoofing on unmanned aerial vehicle using counterfeited GPS signal. Journal of Positioning Navigation and Timing. 2015. № 6. pp. 57-65.
  5. Shepard D., Humphreys T., Fansler A. Evaluation of the vulnerability of phasor measurement units to GPS spoofing attacks. International Journal of Critical Infrastructure Protection. 2012. № 5(3-4). pp. 146-153.
  6. Jansen K., Schäfer M., Moser D., Lenders V., Pöpper C., Schmitt J. Crowd-GPS-sec: Leveraging crowdsourcing to detect and localize GPS spoofing attacks. Proc. IEEE Symp. Security Privacy (SP). San Francisco. CA. USA: IEEE. 2018. pp. 1018-1031.
  7. Montgomery P.Y., Humphreys T.E., Ledvina B.M. Receiver-autonomous spoofing detection: Experimental results of a multi-antenna receiver defense against a portable civil GPS spoofer. Proceedings of the 2009 International Technical Meeting of The Institute of Navigation. Anaheim. CA. 2009. pp. 124-130.
  8. Jansen K., Tippenhauer O., Pöpper C. Multi-receiver GPS spoofing detection: Error models and realization. Proceedings of the 32nd Annual Conference on Computer Security Application. New York, United States: Association for Computing Machinery. 2016. pp. 237-250.
  9. Heng L., Work D.B., Gao G.X. GPS signal authentication from cooperative peers. IEEE Trans. Intell. Transp. Syst. 2015. vol. 16. № 4. pp. 1794-1805.
  10. G. Panice et al. A SVM-based detection approach for GPS spoofing attacks to UAV. 23-rd International Conference on Automation and Computing (ICAC). Hudders-field. 2017. pp. 1-11.
  11. Eldosouky A., Ferdowsi A., Saad W. Drones in Distress: A Game-Theoretic Countermeasure for Protecting UAVs Against GPS Spoofing. IEEE Internet of Things Journal. 2020. vol. 7. № 4. pp. 2840-2854.
  12. Qiao Y., Zhang Y., Du X. A Vision-Based GPS-Spoofing Detection Method for Small UAVs. 13-th International Conference on Computational Intelligence and Security (CIS). Hong Kong. 2017. pp. 312-316.
  13. Choudhary G., Sharma V., You I., Yim K., Chen I.-R., Cho J.-H. Intrusion Detection Systems for Networked Unmanned Aerial Vehicles: A Survey. 14-th IEEE Interna-tional Wireless Communications & Mobile Computing Conference. Limassol. Cyprus. 2018. pp. 560-565.
  14. Bekmezci I., Senturk E., Turker T. Security issues in Flying Adhoc Networks (FANETs). Journal of Aeronautics and Space Technologies. 2016. vol. 9. № 2. pp. 13-21.
  15. Li C., Wang X. Jamming research of the UAV GPS/INS integrated navigation sys-tem based on trajectory cheating. 9-th International Congress on Image and Signal Pro-cessing, BioMedical Engineering, and Informatics (CISP-BMEI). 2016. Datong. pp. 1113-1117.
  16. Schmidt D., Radke K., Camtepe S., Foo E., Ren M. A survey and analysis of the GNSS spoofing threat and countermeasures. ACM Comput. Surveys (CSUR). 2016. vol. 48. № 4. pp. 64-69.
  17. Joshi D. Commercial Unmanned Aerial Vehicle (UAV) Market Analysis – Industry Trends Companies and What You Should Know. Business Insider. 2017.
  18. Afgani M., Sinanovic S., Haas H. Anomaly detection using the Kullback-Leibler divergence metric. First International Symposium on Applied Sciences on Biomedical and Communication Technologies. 2008. Aalborg. pp. 1-5.
  19. Basan, E., Basan, A., Nekrasov, A., .Gamec, J., Gamcová, M. A self-diagnosis method for detecting UAV cyber attacks based on analysis of parameter changes. Switzerland. 2021. № 21(2). pp. 1–17.
  20. E. Basan, A. Basan, A. Nekrasov. Method for detecting abnormal activity in a group of mobile robots. Sensors. 2019. Vol. 19. № 18:4007. pp. 1-21.
  21. В.Н. Максименко, Д.А. Ухин. [Анализ уязвимостей каналов связи спутниковых навигационных систем LBS-услуги]. Экономика и качество систем связи. 2019. №1. С. 18–22. http://nirit.org/wp-content/uploads/2019/06/18-22.pdf
  22. L.A. Dobryakova, Ł.S. Lemieszewski., E.F. Ochin. [Атаки на глобальные навигационные спутниковые системы и обнаружение спуфинга беспилотных кораблей, базирующееся на облачных технологиях]. Ural radio engineering journal. 2018. Vol.2 № 2. DOI: https://doi.org/10.15826/urej.2018.2.2.003
  23. Котенко И. В., Саенко И. Б. Архитектура системы интеллектуальных сервисов защиты информации в критически важных инфраструктурах // Труды СПИИРАН. 2013. № 1 (24). С. 21–40.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).