机构名称：
¥ 2.0
随着无人机在众多关键应用中广泛使用并具有许多强大的功能（例如侦察和机械触发），越来越多的案件涉及滥用无人机进行不道德甚至犯罪活动。因此，识别这些恶意无人机并使用数字取证追踪其来源至关重要。用于取证的传统无人机识别技术（例如，RF通信，使用摄像头识别地标等）要求无人机高度合规。但是，恶意无人机不会配合甚至欺骗这些识别技术。因此，我们提出了一种基于无人机独特硬件特征（例如，类似于人类的指纹和虹膜）的可靠和被动识别方法的探索，用于取证目的。具体而言，我们研究并模拟了射频询问下寄生电子元件的行为，这是一种由无人机上的电子系统调制的特殊被动寄生响应，具有独特性且不太可能被伪造。基于这一理论，我们设计并实现了 DroneTrace，这是一种面向数字无人机取证的端到端可靠被动识别系统。DroneTrace 包括一个经济高效的毫米波 (mmWave) 探头、一个用于提取和处理寄生响应的软件框架，以及一个基于定制的深度神经网络 (DNN) 算法来分析和识别无人机。我们用 36 架商品无人机评估了 DroneTrace 的性能。结果表明，DroneTrace 可以识别无人机，准确率超过 99%，等错误率 (EER) 为 0。009，在 0。1 秒的传感时间预算。此外，我们在一系列真实情况下测试了可靠性、稳健性和性能变化，其中 DroneTrace 保持了 98% 以上的准确率。DroneTrace 能够抵御各种攻击并保持功能性。在最佳情况下，DroneTrace 能够以小于 5% 的误差识别 10 4 规模的单个无人机。
探索基于射频的无人机识别系统
主要关键词
相关文件推荐
