无人机攻击检测与主动防御方法研究

Unmanned aerial vehicle (UAV) development has risen to national strategy. Thus, attack diagnosis for UAV is one of the most important fundamental issues of UAV security. However, due to the UAV limited computing resources and lacking security protection, this poses a challenge for its attack diagnosis. In this project, we aim at the detection of attack and attack prediction. More precisely, we will address three key challenging issues as follows. Firstly, we will study the UAV system attack detection method based on multi-type heterogeneous log analysis. This will improve attack analysis ability for a single drone, which breaks the bottleneck of the new attack not being identified by a traditional learning method. Secondly, we will form the method of cooperated attack detection based on reasoning and zero-knowledge proof to detect the attacks in a UAV network, which is also proposed to ensure data security at the time of interaction verification of drones. Finally, we study the attack route construction of UAV based on control flow graphs. The method of trace link analysis of the UAV system is proposed to know the attack steps of the attacker which can help UAV to predict the attack. Furthermore, the research results of this project will propose novel approaches for the UAV attack diagnosis and defense and prove the correctness of results through the experiment platform, which contributes to the developments of the UAV security.

无人机行业的发展已上升为国家战略，无人机攻击检测及主动防御是无人机安全最重要的问题之一。无人机计算资源有限及机间组网缺乏安全防护等问题，使无人机更易遭受恶意攻击与劫持。本项目从基本理论和实现方法两个角度对无人机攻击检测与主动防御开展以下三方面研究：首先，研究多源日志数据关联分析问题，提出基于小体量多种类日志的攻击检测方法，从而降低无人机攻击自检测的开销，突破传统机器学习对新型攻击识别的瓶颈。其次，研究具有隐私保护的多机协同攻击检测方法，提出机群自组网中基于零知识证明的多机形式化推理攻击检测方法，确保自组网下攻击检测方法和隐私保护的可用性。最后，研究无人机攻击链路的构造方法，提出控制流图中前后序事件结构计算方法，通过控制流图中事件的逻辑关系生成攻击图谱，使无人机能够预判攻击实现主动防御。本项目将为无人机攻击检测和防御提出创新性理论，并通过实验平台进行方法验证，为无人机安全的发展做出贡献。

无人机行业的发展已上升为国家战略，无人机攻击检测及主动防御是无人机安全最重要的基础问题之一。然而，由于无人机缺少有人监控及自身硬件条件问题，为自动高效地进行攻击检测与防御提出了挑战。本项目从基本理论和实现方法两个角度研究无人机攻击检测与主动防御的三个基础科学问题：首先，研究多源日志数据关联分析问题，提出基于小体量多种类日志数据的攻击检测方法，从而降低无人机攻击检测时的开销，突破传统机器学习新型攻击事件识别的瓶颈。其次，研究具有隐私保护的多机协同攻击检测方法，提出机群网络中基于零知识证明的多无人机形式化推理攻击检测方法，确保分布式环境下攻击检测方法和隐私保护的可用性。最后，研究无人机攻击链路的构造方法，提出控制流图中前后序事件结构计算方法，通过控制流图中事件的逻辑关系生成攻击图谱，使无人机能够提前预判攻击实现主动防御。针对无人机在攻击检测和攻击预测的需求，在隐私保护的基础上，对无人机系统和网络的关键技术进行深入研究，解决现有验证方法准确率低，开销大，无法满足安全性要求等问题。本项目的研究目标为：（1）研究多源数据关联分析方法。提出基于小体量多源数据关联分析方法，从而降低无人机攻击检测的开销，突破传统机器学习对新型攻击事件识别的瓶颈。（2）研究具有隐私保护的多机协同攻击检测方法。提出基于零知识证明的多无人机形式化推理攻击检测方法，确保分布式环境下协同攻击检测和隐私保护的可用性。（3）研究无人机攻击链构造方法。提出控制流图中前后序事件关系计算方法，通过事件逻辑关系生成攻击图谱，使无人机能够预判攻击实现主动防御。本项目研究成果为：（1）实现多源数据分析的无人机攻击检测方法；（2）实现形式化推理的多无人机攻击检测方法；（3）实现无人机攻击路径构建；（4）完成系统平台搭建。本项目的研究成果将提高无人机攻击检测及防御能力，为无人机安全奠定重要基础。