नवीनता-आधारित सेंसर हमलों के लिए अनमैन्ड एरियल वाहनों पर घुसपैठ पहचान

अनमैन्ड एरियल वाहन (UAV) कई उद्योगों में एक उपयोगी तकनीक साबित हुए हैं, जिसमें औद्योगिक नियंत्रण प्रणाली पर्यवेक्षण, कानून प्रवर्तन, और सैन्य संचालन शामिल हैं। वायरलेस प्रोटोकॉल और शत्रुतापूर्ण परिचालन पर्यावरण पर भारी निर्भरता के कारण, UAVs एक बड़ा खतरा अनुभव करते हैं। जैसे-जैसे UAVs के खिलाफ हमले बढ़ते हैं, UAV को हमलों की पहचान में मदद करने के लिए एक बुद्धिमान घुसपैठ पहचान प्रणाली (IDS) की आवश्यकता है। UAV क्षेत्र बुद्धिमान IDS विकास के लिए अद्वितीय चुनौतियां प्रस्तुत करता है, जैसे कि विभिन्न प्रकार के सेंसर, संचार प्रोटोकॉल, UAV प्लेटफार्म, नियंत्रण कॉन्फ़िगरेशन, और डेटा सेट की उपलब्धता। इस पत्र में, हम एक वर्गीकृत वर्गीकरणकर्ताओं का उपयोग करके UAVs में घुसपैठ पहचान के लिए एक नवीनता-आधारित दृष्टिकोण का प्रस्ताव करते हैं। एक वर्गीकृत वर्गीकरणकर्ताओं को प्रशिक्षण सेट में केवल गैर-असामान्य डेटा की आवश्यकता होती है। यह उड़ान लॉग को प्रशिक्षण डेटा के रूप में उपयोग करने की अनुमति देता है, जो अधिकांश UAVs द्वारा डिफ़ॉल्ट रूप से उड़ान के दौरान बनाए जाते हैं। आयाम घटाने के लिए सेंसर लॉग पर मुख्य घटक विश्लेषण लागू किया जाता है, और प्रत्येक सेंसर के लिए एक वर्गीकृत वर्गीकरणकर्ता मॉडल उत्पन्न किया जाता है। कई वर्गीकृत वर्गीकरणकर्ताओं का चयन किया गया है: वन-क्लास सपोर्ट वेक्टर मशीन, ऑटोएन्कोडर न्यूरल नेटवर्क, और लोकल आउट्लायर फैक्टर। चयनित एल्गोरिदम का पूर्व-संसाधन, विशेषता चयन, प्रशिक्षण, और ट्यूनिंग पर चर्चा की गई है। जीपीएस धोखाधड़ी को लेख में एक सामान्य उदाहरण के रूप में एक बाहरी सेंसर-आधारित हमले के रूप में उपयोग किया गया है। यह दृष्टिकोण विभिन्न UAV प्लेटफार्मों के बीच प्रभावी साबित होता है, प्लेटफार्म-विशिष्ट F1 स्कोर के साथ क्रमशः 99.56% और 99.73% benign और malicious सेंसर रीडिंग के लिए।