一种针对GPS攻击的无人机主动防护方法和系统与流程

本发明属于无人机防护，具体涉及一种针对gps攻击的无人机主动防护方法和系统。

背景技术：

1、随着低空经济的发展，无人机在现代社会中的应用越来越广泛，从农业监测、物流运输到军事侦察，覆盖了诸多领域。然而，无人机在执行任务时，尤其是在飞行导航过程中，严重依赖gps提供的精确位置信息。gps技术虽然广泛应用且可靠，但其脆弱性也逐渐显现出来，尤其在面对恶意攻击如gps欺骗攻击和干扰攻击时。

2、针对上述问题，现有技术中通常采用以下几种方法来回应无人机受到的gps欺骗攻击和干扰攻击。1、信号检测与过滤技术：通过分析接收到的gps信号特征，检测并过滤异常信号。这种方法依赖于复杂的信号处理算法，且在高强度攻击下，检测准确率和实时性难以保证。2、双天线系统：使用两组天线接收gps信号，通过比较两组信号的差异来识别欺骗信号。此方法在设备成本和重量上有一定的增加，并且在多路径干扰环境下表现不佳。3、地基增强系统gbas：通过地面参考站提供的差分gps信号，增强定位精度和抗干扰能力。然而，gbas需要额外的基础设施支持，适用范围受限。

3、综上所述，尽管现有技术在某种程度上增强了无人机对gps攻击的防护能力，但在实际应用中，尤其在无人机飞行的复杂环境下，现有方法普遍存在防护成本过高，有效性和鲁棒性仍然不足。

技术实现思路

1、为了解决上述问题，本发明提供了一种针对gps攻击的无人机主动防护方法和系统。

2、为了实现上述目的，本发明提供如下技术方案：

3、一种针对gps攻击的无人机主动防护方法，包括以下步骤：

4、根据无人机位置获取当前t时刻接收到的gps量测数据；

5、对当前t时刻的gps量测数据进行一致性检测，若检测结果为数据异常，则将gps量测数据输入预训练的时序神经网络进行预测，输出gps量测值，将gps量测值中的轨迹信息与gps量测数据中的轨迹信息做差，得到轨迹预测误差值；其中，预训练的时序神经网络通过学习无人机的历史轨迹信息来建立历史飞行轨迹与未来飞行轨迹之间的映射关系；

6、将轨迹预测误差值输入无人机导航系统中，实现对gps攻击的消解。

7、优选地，还包括当gps量测数据的检测结果为数据正常时，则将gps量测数据直接作为量测信息输入无人机导航系统中。

8、优选地，所述对当前t时刻的gps量测数据进行一致性检测具体为：

9、提取gps量测数据中的无人机位置信息，将无人机位置信息与预设值进行对比，若对比结果没有位置偏差，则判断检测结果为数据正常；若对比结果存在位置偏差，则判断检测结果为数据异常。

10、优选地，所述时序神经网络为gru网络。

11、优选地，所述预训练的时序神经网络的训练包括：

12、获取无人机的历史轨迹特征x(t)，x(t)＝{lon,lat,hig,v}；式中，lon是经度值，lat是纬度值，hig是高度值，v是无人机的速度值；

13、将连续n个时刻的无人机飞行轨迹数据[x(t-n+1),...,x(t)]作为时序网络的输入数据，向后预测n步，即将预测未来n个时刻的轨迹数据[x(t+1),...,x(t+n)]作为输出对时序神经网络进行训练，得到预训练的时序神经网络，预训练的时序神经网络的表达式为：

14、{x(t+1),...,x(t+n)}＝f[x(t-n+1),...,x(t)]；

15、式中，x(t)表示无人机在t时刻的位置信息，即历史轨迹特征。

16、优选地，将gps量测值中的轨迹信息与gps量测数据中的轨迹信息做差，得到轨迹预测误差值，具体为：

17、将gps量测值中的轨迹信息与gps量测数据中的轨迹信息输入预训练的bp神经网络中，得到轨迹预测误差值。

18、优选地，所述预训练的bp神经网络的训练包括：

19、选取历史轨迹数据的连续n个时刻的姿态四元数作为bp神经网络的输入，使用预置的滤波算法对连续n个时刻的姿态四元数y＝[y(t),...,y(t+n)]进行预测得到y'＝[y'(t),...y'(t+n)]，并选取轨迹预测误差值m＝y'-y为模型的输出对bp神经网络进行训练，得到姿态数据与滤波误差的映射关系，形成预训练的bp神经网络。

20、本发明还提供了一种针对gps攻击的无人机主动防护方法系统，包括：

21、数据获取模块，用于根据无人机位置获取当前t时刻接收到的gps量测数据；

22、数据处理模块，用于对当前t时刻的gps量测数据进行一致性检测，若检测结果为数据异常，则将gps量测数据输入预训练的时序神经网络进行预测，输出gps量测值，将gps量测值中的轨迹信息与gps量测数据中的轨迹信息做差，得到轨迹预测误差值；其中，预训练的时序神经网络通过学习无人机的历史轨迹信息来建立历史飞行轨迹与未来飞行轨迹之间的映射关系；

23、攻击消解模块，用于将轨迹预测误差值输入无人机导航系统中，实现对gps攻击的消解。

24、本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现所述针对gps攻击的无人机主动防护方法中任一项所述的步骤。

25、本发明还提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，该计算机程序被处理器加载时，能够执行所述针对gps攻击的无人机主动防护方法中任一项所述的步骤。

26、本发明提供的针对gps攻击的无人机主动防护方法具有以下有益效果：

27、本发明在gps量测数据检测结果异常的情况下，通过预训练的时序神经网络来对gps量测数据进行预测，该网络通过学习无人机的历史轨迹信息来建立历史飞行轨迹与未来飞行轨迹之间的映射关系，能够根据当前的gps量测数据预测下一时刻的gps数据，不用依赖复杂的信号处理算法，以少量的参数显著提升了检测效果。同时也不用借助其他硬件，降低了整体的防护成本。同时，将gps量测值中的轨迹信息与gps量测数据中的轨迹信息做差，得到轨迹预测误差值降低整个算法的不确定性，最终将轨迹预测误差值输入无人机导航系统中，实现对gps攻击的消解，大大提高了攻击防护的有效性和鲁棒性，提升了无人机导航系统对gps攻击的实时检测和消解能力。

技术特征：

1.一种针对gps攻击的无人机主动防护方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的针对gps攻击的无人机主动防护方法，其特征在于，还包括当gps量测数据的检测结果为数据正常时，则将gps量测数据直接作为量测信息输入无人机导航系统中。

3.根据权利要求2所述的针对gps攻击的无人机主动防护方法，其特征在于，所述对当前t时刻的gps量测数据进行一致性检测具体为：

4.根据权利要求1所述的针对gps攻击的无人机主动防护方法，其特征在于，所述时序神经网络为gru网络。

5.根据权利要求4所述的针对gps攻击的无人机主动防护方法，其特征在于，所述预训练的时序神经网络的训练包括：

6.根据权利要求1所述的针对gps攻击的无人机主动防护方法，其特征在于，将gps量测值中的轨迹信息与gps量测数据中的轨迹信息做差，得到轨迹预测误差值，具体为：

7.根据权利要求6所述的针对gps攻击的无人机主动防护方法，其特征在于，所述预训练的bp神经网络的训练包括：

8.一种针对gps攻击的无人机主动防护方法系统，其特征在于，包括：

9.一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器加载时，能够执行权利要求1至7任一项所述方法的步骤。

技术总结
本发明提供了一种针对GPS攻击的无人机主动防护方法和系统，属于无人机防护领域，包括：根据无人机位置获取当前t时刻接收到的GPS量测数据；对当前t时刻的GPS量测数据进行一致性检测，若检测结果为数据异常，则将GPS量测数据输入预训练的时序神经网络进行预测，输出GPS量测值，将GPS量测值中的轨迹信息与GPS量测数据中的轨迹信息做差，得到轨迹预测误差值；将轨迹预测误差值输入无人机导航系统中，实现对GPS攻击的消解。本发明实现了对GPS攻击的消解，大大提高了整个攻击防护的有效性和鲁棒性，提升了无人机导航系统对GPS攻击的实时检测和消解能力。

技术研发人员：潘泉,李扬,吕洋,刘晨晖
受保护的技术使用者：西安辰航卓越科技有限公司
技术研发日：
技术公布日：2024/12/19