XiaoMi-AI文件搜索系统
World File Search System无人机
民用无人机能力评估 - NASA
执行摘要 本文件介绍了 NASA 牵头的民用无人驾驶飞行器 (UAV) 能力评估的结果。本报告旨在补充国防部长办公室的无人机路线图，其目的有四个方面： • 根据用户定义的需求确定和记录所有无人机未来潜在的民用任务 • 确定和记录支持这些未来任务所需的技术 • 讨论平台能力和所需技术的现状；确定正在进行的技术、计划中的技术以及目前尚无计划的技术。• 为制定全面的民用无人机路线图奠定基础 预计本报告的内容将继续用于评估未来任务的可行性，并帮助影响资金决策，以开发那些被认为是可行或必要的但未包含在已批准资金计划中的技术。报告第 2 部分简要介绍了民用和军用无人机平台。国防部早已认识到无人机在增强作战能力方面的作用，目前的计划强调未来 10 年内无人机能力将显著提升。虽然本报告的重点不是军事领域，但人们认识到，大量军用无人机技术将适用于民用无人机。还讨论了民用无人机平台市场预测的概述。市场增长潜力巨大，但一些阻碍这种增长的限制因素给预测带来了高度的不确定性。报告第 3 部分总结了用于分析的几项民用任务的文档。在第一版中，共记录和分析了 35 项任务。这些任务来自各政府和私营部门机构，用于科学和公共利益，属于以下大类（见图 1）： 国土安全 地球科学 商业土地管理 从这 35 项任务中（其中大部分属于地球科学类别），确定了 21 项支持任务所需的能力和技术。具体能力包括进入国家领空、远程/续航、超视距通信和编队飞行等项目。分配给各种任务的完整能力列表如表 II 所示。
无人机机组人员训练手册内容
c. 战备等级 2（任务训练）。根据指挥官的评估，完成 RL 3 训练或最初被指定为 RL 2 的操作员将开始接受由单位指挥官指定的任务和其他任务的训练。任务训练计划可帮助 RL2 操作员验证和发展他们执行支持单位 METL 的特定任务（由指挥官选择）的能力。由于目标是熟练完成与任务相关的任务，因此指挥官应根据特定单位的需求定制其任务列表。操作员通过向 IP 或 SIP 展示所有选定任务和其他任务的熟练程度，从 RL2 晋升到 RL1。操作员有连续 90 天的时间晋升到 RL1。在操作员被指定为 RL2 时，没有任务或迭代最低限度或 APART 要求。但是，为了顺利从 RL2 过渡到 RL1，指挥官将在 IP/SIP 的协助下确定最低小时数和迭代次数。
无人机系统的网络安全风险评估
摘要 — 如今，由飞行无人机（无人机系统（UAS））组成的系统的操作数量的增长引发了公众对网络安全问题的担忧。因此必须考虑到这个方面，为此我们建议在 UAS 开发过程中制定方法来解决这些问题。这个主题是我们研究的核心。本论文在这方面做出了两个重要贡献。第一个是以系统为中心的方法，旨在增强现有（或设计的）UAS的网络安全性。该方法为用户提供了一个“工作流程”来分析 UAS、识别可能的攻击场景和适当的对策。我们将这种方法称为“面向网络安全的系统风险管理”。第二种方法以运营为中心，从初始系统设计阶段就考虑到网络安全问题。该方法被设计为“特定操作风险评估”（SORA）方法的扩展版本。这种选择的原因是，SORA 是评估所谓“特定”UAS 操作风险的参考方法。由于 SORA 方法仅关注安全性而忽略了网络安全，我们的扩展模块旨在弥补这一不足。我们的扩展方法称为“安全和网络安全特定操作风险评估”（SORA-C2S）。基于此方法论，我们构建了一个网络工具，帮助用户以半自动化的方式进行风险评估，同时考虑到运营安全和网络安全这两个方面。本论文是Sogilis公司与Gipsa-lab实验室合作的一部分。
空军无人机秘史 - DTIC
估计公共报告信息收集负担平均为每份回应 1 小时，包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查信息收集的时间。请将关于此负担估计或此信息收集任何其他方面的评论（包括减轻此负担的建议）发送至华盛顿总部服务处、信息运营和报告理事会，地址：1215 Jefferson Davis Highway, Suite 1204, Arlington VA 22202-4302。受访者应注意，尽管法律有任何其他规定，但如果信息收集未显示当前有效的 OMB 控制编号，则任何人均不会因未遵守信息收集而受到处罚。
无人机控制系统故障模型...
在过去的几十年中，无人机的运行次数有所增加。起初，无人机主要用于军事目的。如今，许多不同类型的无人机 (UAV) 执行的任务对于民用空域的载人飞机来说过于枯燥、肮脏或危险。阻碍无人机在民用领域普及的主要问题是无人机系统 (UAS) 与空中交通管理系统的集成以及 UAS 的安全性。对于载人航空，有许多不同的法规迫使制造商和运营商提高飞机的安全性和可靠性。当时，没有针对无人机系统的此类法规。不同的来源显示了当前的无人系统有多危险。一些报告显示，无人机事故发生率约为每 100,000 飞行小时 32 起，是商用班轮飞机事故发生率的 3,200 倍（国防科学委员会研究，2004 年）。这些数字表明，在无人系统的安全领域还有很多工作要做。世界各地的各种机构现在都专注于 UAS 使用的安全方面（Loh 等人，2006 年、2009 年；Uhlig 等人，2006 年；Lin 等人，2014 年）。研究人员试图说服制造商，必须从开发过程一开始就考虑安全性，并且不必大幅增加系统成本。基于 COTS 元素和子系统的设计尤其危险。众所周知，复杂系统的整体安全性取决于每个元素的安全性。但是，有办法确保单个元素或子系统的故障不会导致事故。无人机的安全性取决于几个不可预测的因素，例如飞机内部和外部的敌对行动。发生故障时，最重要的措施必须是保持飞机的可控性。无人机主要使用自动驾驶仪进行飞行。自动飞行控制系统设计用于正常运行，当出现不可预测的故障时，可能无法做出足够有效的反应。在发生不可预测的故障时确保安全的一种方法是重新配置飞行控制系统 (Kozak et al ., 2014)，这将使控制系统具有容错能力并确保在发生故障时飞机的可控性。
无人机在飞机检查中的应用
本文进一步扩展了无人机在飞行前和飞行后飞机目视检查中的应用研究问题。飞行前检查程序由飞机维修认证人员或机组人员在飞行前完成。所有类别的飞机的流程都相似，但具体类型的飞机的实施方式有所不同。因此，本文仅讨论小型训练飞机，该飞机将用于验证无人机 (UAV) 在正常运行中的使用情况。它识别并定义了在集群中使用多架无人机的问题以及它们在飞机运行的标准活动中的使用情况。结果应该是减少人为因素导致的可能故障数量，从而影响运行安全。同样重要的事实是希望尽量减少进行飞行前检查过程所需的时间，这将提高飞机运行效率的最终指标。
安全和自主无人机的关键技术
无人机通常是指自主飞行或远程控制的飞行器和相关设备，无需人类操作员 [1]。无人机越来越多地用于商业和民用领域，例如监视、监控建筑、农业等。它们可以执行载人飞机难以执行的空中作业/任务。此外，它们的使用带来了显着的经济节约和环境效益，同时降低了对人类生命的威胁。最近，无人机已经进入休闲市场，销量达到数百万台。因此，技术、法规和社会接受度的进步有利于加速无人机在专业应用中的部署。根据 Teal Group [2] 的一项研究，全球民用无人机产量预计将在未来十年达到 735 亿美元，从 2017 年的全球 28 亿美元增至 2026 年的 118 亿美元（即按不变美元计算的年增长率为 15.5%）。
商用无人机的竞争对手分析......
结果表明，两家公司对 UAS 市场的假设和研发战略重点相似。另一方面，两家公司在细分市场和产品线方面存在战略差异。在公司层面，Pohjonen Group 凭借两款独特产品脱颖而出。为了进一步巩固市场地位，案例公司可以考虑公司和大学层面的合作，启动 UAS 飞行员培训计划并推出订阅服务。这项研究的局限性包括缺乏一手和二手数据。未来的学术研究可以更广泛地探索该行业的公司或绘制芬兰市场。
探索基于射频的无人机识别系统
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。
国际刑警组织无人机对策
许多各方参与了 2021 年国际刑警组织无人机入侵演习的开展和本报告的起草。首先，国际刑警组织创新中心 (IC) 要感谢挪威警方、奥斯陆加勒穆恩机场、Avinor、挪威民航局、挪威通信管理局和 UAS Norway 的信任、信心和帮助，使该项目得以实现。如果没有他们的持续支持，这次活动就不可能实现。如果没有 C-UAS 供应商的帮助，这次演习也不可能实现，他们对国际刑警组织的信任。最后，国际刑警组织要特别感谢 Jan Otto Johansen（挪威警方 C-UAS 经理）、Martin Mathisen（TEKDIR AS 技术安全顾问）和国际刑警组织 IC 的同事。他们对这次演习的奉献和贡献非常宝贵。最后，国际刑警组织要感谢 Michael Hopmeier（Unconventional Concepts, Inc. 总裁）和 Mike Monnik（无人机网络安全和威胁情报、Drone Sec）的努力，他们帮助同行评审报告，以确保技术和事实数据准确且相关。国际刑警组织还要感谢挪威警方、TEKDIR AS 和 UASNorway 于 9 月主办和协助 C-UAS 演习，感谢他们的贡献、对测试数据的分析专业知识以及对本文件的贡献。