QUADFormer: Learning-based Detection of Cyber Attacks in Quadrotor UAVs

要約

クアッドローター無人航空機 (UAV) などの安全性が重要なインテリジェント サイバー物理システムは、さまざまな種類のサイバー攻撃に対して脆弱であり、タイムリーかつ正確な攻撃検出が行われないと、重大な結果につながる可能性があります。
UAV が大規模な屋外操縦飛行に従事している場合、そのシステムは非ガウス ノイズを含む高度に非線形のダイナミクスを構成します。
したがって、一般的に採用されている従来の統計ベースの攻撃検出方法や、新たに開発された学習ベースの攻撃検出方法では、満足のいく結果が得られません。
上記の課題に対応して、トランスフォーマーベースのアーキテクチャを備えた新しいクアッドローター UAV 攻撃検出フレームワークである QUADFormer を提案します。
このフレームワークには、異常に敏感な残基シーケンスを生成するように設計された残基ジェネレーターが含まれています。
続いて、このシーケンスは、分類と攻撃検出を目的として、特にその統計的特性を学習するために、相関関係に差異があるトランス構造に入力されます。
最後に、攻撃状況下で UAV によるタスクの安全な実行を保証するアラート モジュールを設計します。
私たちは広範なシミュレーションと実際の実験を実施し、その結果、私たちの方法が多くの最先端の方法と比較して優れた検出性能を達成していることが示されています。

要約(オリジナル)

Safety-critical intelligent cyber-physical systems, such as quadrotor unmanned aerial vehicles (UAVs), are vulnerable to different types of cyber attacks, and the absence of timely and accurate attack detection can lead to severe consequences. When UAVs are engaged in large outdoor maneuvering flights, their system constitutes highly nonlinear dynamics that include non-Gaussian noises. Therefore, the commonly employed traditional statistics-based and emerging learning-based attack detection methods do not yield satisfactory results. In response to the above challenges, we propose QUADFormer, a novel Quadrotor UAV Attack Detection framework with transFormer-based architecture. This framework includes a residue generator designed to generate a residue sequence sensitive to anomalies. Subsequently, this sequence is fed into a transformer structure with disparity in correlation to specifically learn its statistical characteristics for the purpose of classification and attack detection. Finally, we design an alert module to ensure the safe execution of tasks by UAVs under attack conditions. We conduct extensive simulations and real-world experiments, and the results show that our method has achieved superior detection performance compared with many state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google