[发明专利]一种无人机飞控数据的识别方法

说明书

本发明公开了一种无人机飞控数据的识别方法，设计无人机通信领域。我们的方法是在无人机悬空状态下抓取无人机和控制端之间的通信数据包，对数据包做预处理后使用自然语言中的n‑gram模型对其提取特征向量，之后使用K‑means++算法对其进行聚类，对聚类完成的每个类簇，使用One‑Class‑SVM模型对其进行模型训练，使得产生一个高维空间的球面，之后用恶意流量检测的方法，把无人机在人为控制下的产生的流量标记为异常流量，使用之前训练的每个模型对人为控制状态下的每条数据流量进行检测，由于人为控制下的产生的飞行控制数据不在悬空状态下的模型中，会被所有的模型标记为异常流量，我们根据所有模型的标记来识别飞控数据。

技术领域

本发明涉及无人机领域，具体为一种无人机飞控数据的识别方法。

背景技术

无人机在军用和民用领域都有很大的用途，但是目前的法律法规不够完善，很多无人机在敏感的军事地带，机场等地方飞行，严重危害国家和公共安全。

因此，为了加强对无人机进行监管，还需要必要的技术手段，必须对其进行协议逆向，只有逆向了其协议格式，才能从技术手段上对无人机实施捕获，实现对无人机的管控。然而，在遥控器和无人机的通信的过程中，产生的信号不仅仅包含有控制器控制无人机飞行状态的信号，由于无人机可能需要执行某些任务，例如航拍，植保等，所以会伴随着产生其他类型的信号，例如无人机飞行姿态信号，gps信号等，这其中对我们最有价值的部分是是飞行控制信号，完成对飞行控制信号的逆向，就有可以对无人机实时劫持管控。

2016年black大会上，Nils通过伪造遥控器信号对目标无人机实施了劫持，夺取了无人机的控制权；2016年3.15晚会上，腾讯公司安全团队通过对大疆精灵3s无人机遥控信号的伪造，夺取了目标无人机的控制权。此技术也可用于无人机管控上，一旦发现有无人机进入禁飞区，可以通过伪造无人机的控制信号夺取目标无人机的控制权，完成对其的管控。

上述技术方案的实现都依赖于对硬件的拆解，研究硬件中的芯片，动态调试的方法获取飞控数据，但是这种方法有一定的局限性，例如新一代的大疆已经将遥控器中的芯片型号进行了处理，无法识别对芯片进行研究，并且强烈依赖于无人机的型号，需要针对每一种型号的无人机做特别的研究分析，费时费力。本发明主要针对现有技术的限制，提出了一种新型的无人机飞控数据的识别方法，该方法不依赖硬件拆解并且自动化程度高。

发明内容

本发明的目的在于：为了解决传统方式的局限性、无法识别对芯片进行研究，并且强烈依赖于无人机的型号，需要针对每一种型号的无人机做特别的研究分析，费时费力的问题，提供一种无人机飞控数据的识别方法。

为实现上述目的，本发明提供如下技术方案：一种无人机飞控数据的识别方法，包括下列步骤：

步骤一：使无人机悬空，使用抓包工具抓取无人机-控制器之间的数据包，此时数据包是二进制数据流；

步骤二：将二进制数据流转换成可显示的十六进制字符；

步骤三：使用自然语言处理中n-gram模型，提取每个数据包的特征；

步骤四：使用k-means++算法使用步骤三中提取的特征向量对悬空状态下的无人机通信数据包聚类；

步骤五：对聚类的每一个类簇使用One-Class-SVM进行模型训练，得到多个悬空状态下的无人机通信数据模型；

步骤六：使用控制器无规则控制无人机飞行，使用抓包工具抓取无人机-控制器之间的数据包，将捕获的二进制数据流转换为可显示的十六进制字符串；

步骤七：使用n-gram模型对无规则飞行状态下的每条通信数据提取特征向量；

步骤八：将每条数据的特征向量依次通过步骤五中悬空状态下训练的One-Class-SVM模型中进行检测，如果和训练模型的类簇属于同一个类簇会被模型标记为1，反之标记为-1；