[发明专利]一种基于监督学习和聚类算法的无人机自组织网络恶意节点检测算法

说明书

本发明涉及一种基于监督学习和聚类算法的无人机自组织网络恶意节点检测算法，属于无人机网络安全领域。本发明能够检测到无人机网络中是否发生了篡改，丢包，重放等恶意攻击并进一步确定恶意无人机。相比于通过设定一个信誉阈值来确定节点是否恶意的检测算法以及通过网络中节点相互合作来检测恶意节点的算法，本发明具有更高的探测准确度，并且适应性更强，准确率相对稳定。地面站根据不同源节点接收到的数据包，计算每条路由路径的信誉值，然后利用线性回归算法对无人机的信誉值进行评估。最后，利用高斯聚类算法对无人机进行聚类，找出恶意无人机。

技术领域

本发明涉及一种基于监督学习和聚类算法的无人机自组织网络恶意节点检测算法，属于无人机网络安全领域。

背景技术

无人驾驶飞行器(简称无人机)，由于价格降低，功能日益完善，变得越来越有吸引力[1，2]。无人机由无线电控制设备和他们自己的程序控制设备操作。它的特点是嵌入式计算、无线通信、传感器和小型摄像机，可以随时收集信息并将大数据传输到地面站。大量的无人机可以组织成一个网络来覆盖更大的区域。

近年来，无人机群在灾害监测、国防军事、测绘遥感等领域的应用越来越广泛。然而，无人机网络中的恶意攻击已经成为一个重要的挑战。攻击者通过入侵控制系统实现对无人机的捕获，在无人机网络中进行篡改攻击、丢包攻击、重放攻击等数据攻击。这对无人机网络的安全造成了很大的威胁，因此无人机网络中恶意节点的检测已经成为一个亟待解决的问题。

目前存在一些网络中恶意节点检测算法，但是在无人机网络中并不适用。(1)现有的恶意节点检测研究主要关注静态网络[3]，一些算法仅限于检测一种特定的攻击[4]。(2)通过节点之间相互合作来检测恶意节点的算法在节点相遇概率低时，检测的准确率也会大幅下降[4-6]。(3)通过发置一个固定的信誉阈值来判定节点是否恶意的算法，由于无人机网络拓扑动态变化会导致较低的探测准确率。因此，为了解决上述问题，本发明提出一种基于监督学习和聚类算法的无人机自组织网络恶意节点检测的算法，可以以较高的准确度检测出无人机网络中的恶意节点。

上文中提到的文献来源如下：

[1]Guoru Ding，Qihui Wu，Linyuan Zhang，Yun Lin，Theodoros A.Tsiftsis，Yu-Dong Yao.“An Amateur Drone Surveillance System Based on the CognitiveInternet of Things，”in：IEEE Communications Magazine，pp.29-3512，January 2018.

[2]Savio Sciancalepore，Omar Adel Ibrahim，Gabriele Oligeri，Roberto DiPietro.“PiNcH：an Effective，Effificient，and Robust Solution to Drone Detectionvia Network Traffific Analysis，”in：Computer Networks(COMNET)，Elsevier，2020.

[3]Xin Liu，Mai Abdelhakim，Prashant Krishnamurthy，David Tipper.“Identifying Malicious Nodes in Multihop IoT Networks Using Diversity andUnsupervised Learning，”in：IEEE International Conference on Communications(ICC)，2018.