[发明专利]一种基于无监督生成对抗网络的非法无人机检测方法在审
申请号: | 202110323775.2 | 申请日: | 2021-03-26 |
公开(公告)号: | CN113052080A | 公开(公告)日: | 2021-06-29 |
发明(设计)人: | 吴启晖;陈慧超;王威;张旭彤;李泓余 | 申请(专利权)人: | 南京航空航天大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 南京钟山专利代理有限公司 32252 | 代理人: | 徐博 |
地址: | 211106 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 监督 生成 对抗 网络 非法 无人机 检测 方法 | ||
本发明是一种基于无监督生成对抗网络的非法无人机检测方法,该方法通过时频分析功能提取电磁信号中的时频特征,将无人机电磁信号转换成时频图;利用无监督生成对抗网络学习正常情况下无人机时频图的数据分布情况;将测试数据与其对应的生成数据进行比较,得到两者的差异图,从差异图中可捕获到非法无人机信号出现时间和频段。本发明能够在没有非法无人机先验信息的情况下,通过挖掘合法无人机通信数据中的潜在数据分布及特征来实现对非法无人机的有效检测。
技术领域
本发明涉及无人机监测技术领域,具体的说是一种基于无监督生成对抗网络的非法无人机检测方法。
背景技术
近年来,无人机因其体积小、成本低、机动灵活等优势已广泛应用于通信、摄影、农业、监控和数字公共服务等领域;另一方面,无人机可以对人、财产和基础设施进行直接物理攻击,也可以通过实时视频或高清图片等窥探隐私信息,对个人及公共安全构成严重威胁[1]。因此,对非法无人机的有效检测成为近年来迫切需要解决的现实难题。现有的基于射频信号的无人机检测方法较少,且从电磁信号的角度出发,大部分非法无人机信号的检测方法大多基于传统的统计信号处理的方法,这类方法依赖于非法无人机信号的先验信息和特征。但是在现实情况下,非法无人机信号的先验信息和特征难以获取,且随着攻击者的智能化,可能出现新的干扰或攻击信号,因此,需要构思一种有效的无监督的非法无人机信号的识别和发现方法。
从电磁信号的角度出发,在只有合法无人机相关特征的情况下,对非法无人机的检测问题可以看成是无监督的异常信号识别问题。传统的无监督异常值检测常用算法有:1)一类支持向量机(One Class SVM),适合稳定连续数据的异常检测,一类SVM通过学习这些正常数据的特征去学习一个决策边界/安全边界,通过这个边界去判断新来的数据是否与训练数据类似,超出边界即为异常;2)孤独森林(Isolation Forest)算法,适合稳定连续数据的异常检测,通过iTree形成森林来判断是否异常,某一点如果越容易与其他点区分开,该点的异常指数就越高。目前,也有一些深度学习相关的无监督异常检测算法:1)自动编码器(Auto Encoder),其原理和主成分分析方法(PCA)类似,Auto Encoder是对数据压缩的过程,将高维数据转换至低维度,只是网络层数更深,变换是非线性的,在异常检测时,训练完成的Auto Encoder计算新数据的重建误差,当重建误差大于某个值时,则认为存在异常;2)长短期记忆网络(LSTM),用于对时间序列中的异常进行检测,使用预测结果与实际结果的差值进行异常区间的判断;3)DeepLog,该网络是将LSTM应用于文本日志数据的异常检测,即使用正常运行状态下产生的日志数据作为训练数据,让LSTM模型学习系统正常的日志序列中的模式,从而进行在线的异常检测。
大多数现有的异常检测算法都基于异常数据与正常数据具有较大的差异的前提假设,然而,未来非法无人机智能体可能会模仿正常无人机的通信特征进行跟踪式干扰。因此,需要更有效的算法对非法无人机信号进行检测。随着深度学习的发展,由于生成对抗网络能够无监督地学习复杂分布的数据,已经有一些研究将生成对抗网络GAN用于对图像中的异常进行检测。有些文献通过一个GAN的生成器G来学习正常数据的分布,测试时图像通过学习到的G找到它应该的正常图的样子,再通过对比来找到医学图像中的异常与否情况;有些文献针对AnoGAN在测试阶段仍然需要更新参数的缺陷,此方法提出一种基于BiGAN的方法,训练时,同时学习将输入样本X映射到潜在表示Z的编码器E,以及生成器G和判别器D;有些文献提出一种基于GAN的半监督的异常检测方法。近年来,基于GAN的异常检测方法盛出不穷,但大多应用于医疗、计算机视觉、物体检测等方面。然而,目前将GAN应用于电磁信号异常检测的方法较少。
发明内容
本发明要解决的技术问题是提供一种基于无监督生成对抗网络的非法无人机检测方法,能够在没有非法无人机先验信息的情况下,挖掘合法无人机通信数据中的潜在数据分布和特征,实现对非法无人机的有效检测。
为解决上述技术问题,本发明采用的技术方案为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京航空航天大学,未经南京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110323775.2/2.html,转载请声明来源钻瓜专利网。