[发明专利]基于隐私保护的无人机群通信网络异常检测及溯源方法

说明书

一种基于隐私保护的无人机群通信网络异常检测及溯源方法，包括以下步骤：首先，使用NDlog引导推理过程，得到无人机之间的通信规则，长机根据通信规则和自身飞行记录推断出僚机的预期飞行记录；然后，将谓词记录进行编码，构建以时间戳为根的MHT，从树的叶结点到根迭代计算根节点的散列值；其次，僚机给长机提供相关参数，长机利用相关参数计算根的散列值，并与前面计算出的散列值进行比较；最后，使用控制流图找出异常之间的关系以及事件的执行序列构建故障树，通过故障树找出根本原因。本发明能够在不查看无人机的文本记录或数据的前提下，验证其是否真实服从命令或是否遭受了异常，然后通过学习故障树来追溯导致异常的根本原因。

技术领域

本发明属于无人机检测领域，涉及一种基于隐私保护的无人机群通信网络异常检测及溯源方法，实现无人机机群通信时的异常检测及异常原因溯源，以及在此过程中的隐私保护。

背景技术

近年来，随着航天航空技术的快速发展，无人机已经应用于许多危险而繁琐的实际国民经济和工业任务中，在军用和民用领域都得到了广泛运用。军用方面，无人机分为侦察机和靶机。民用方面，无人机结合行业应用，是无人机真正的刚需。目前无人机在航拍、农业、植保、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄等领域的应用，大大的拓展了无人机本身的用途。

在任务越来越复杂的今天，无人机通常彼此合作，组成机队共同完成任务，故意违反彼此合作的行为也有可能发生。这可能表示一部分无人机群十分复杂或者被袭击者劫持来发起恶意行为。然而，无意的违规似乎更为普遍。设备损坏、系统误差、GPS干扰、障碍物、天气影响等是最常见的问题。特别是在高安全任务执行阶段，长机(编队飞行中的带队无人机)要对无人机群通信网络中的僚机(编队飞行中跟随长机遂行任务的无人机机)进行验证。

由于无人机的故障，近年来出现了大量关于无人机异常检测的方法。在线检测运用马氏距离进行无监视、无模型的检测，然而这种方法通过检测特定的参数，缺少灵活性。同时，检查一些不相关的属性是不必要的。基于模型和数字驱动的方法运用原始的飞行数据，比如横摇角响应测量、俯仰角、俯仰率和空速，构建模型来检测无人机的故障。这些异常检测方法是基于参数的检测，已经被运用于大量的飞行控制系统。可见，最困难的挑战不只是检测异常，还需要找出导致问题的根本原因。此外，现有大量的异常检测方法是集中的，而无人机群的通信网络是分布式的，这些方法不适合用于无人机群通信网络中。

当今的无人机群通信网络中，无人机的关系是相互合作的，但在隐私上不完全透明，这种不透明性是指：即使在验证过程中，它们也不愿给对方透露他们的设备数据、配置细节或者历史飞行日志。在某种程度上，验证和隐私保护存在固有的矛盾。

发明内容

本发明的目的在于针对上述现有技术中无人机异常检测及溯源与隐私保护之间存在矛盾的问题，提供一种基于隐私保护的无人机群通信网络异常检测及溯源方法，在不查看无人机的文本记录或数据的前提下，验证其是否真实服从命令或是否遭受了异常，然后通过学习故障树来追溯导致异常的根本原因，最终给出特定的解决办法。

为了实现上述目的，本发明有如下的技术方案：

一种基于隐私保护的无人机群通信网络异常检测及溯源方法，包括以下步骤：

首先，使用NDlog引导推理过程，得到无人机之间的通信规则，长机根据通信规则和自身飞行记录推断出僚机的预期飞行记录；然后，将谓词记录进行编码，构建以时间戳为根的MHT，从树的叶结点到根迭代计算根节点的散列值；其次，僚机给长机提供相关参数，长机利用相关参数计算根的散列值，并与前面计算出的散列值进行比较；最后，使用控制流图找出异常之间的关系以及事件的执行序列构建故障树，通过故障树找出根本原因。

优选的，所述的NDlog基于Datalog，包括一组声明性规则，分隔谓词的逗号表示逻辑连接，同时支持位置说明符在每个规则中存储信息，用后跟属于的‘@’符号表示。