Метод обнаружения атак на систему навигации БПЛА
Ключевые слова:
безопасность, атака, навигационная система, беспилотный летательный аппарат, вероятность, технология защиты, угроза, глобальная навигационная спутниковая системаАннотация
В данной работе рассмотрены вопросы реализации методов защиты беспилотных летательных аппаратов (БПЛА) от атак спуфинга глобальной системы позиционирования (GPS), для обеспечения безопасной навигации. Глобальная навигационная спутниковая система (GNSS) широко используется для определения местоположения БПЛА и на сегодняшний день является самым популярным навигационным решением. Это связано с простотой и относительно невысокой стоимостью данной технологии, а также точностью передаваемых координат. Тем не менее, существует множество угроз безопасности GPS-навигации. Это в первую очередь связано с природой сигнала GPS, т.к. сигнал передается в открытом виде, поэтому злоумышленник может заблокировать или подделать его. В данном исследовании проведен анализ существующих методов защиты GPS. В рамках исследования был разработан экспериментальный стенд и сценарии атак на систему GPS БПЛА. Далее были собраны данные из журнала полетов БПЛА и проведен анализ кибер-физических параметров, чтобы увидеть влияние атаки на показания бортовых датчиков. Исходя из этого, был предложен новый метод обнаружения аномалий БПЛА, основанный на анализе изменений внутренних параметров БПЛА. Этот метод самодиагностики позволяет БПЛА самостоятельно оценивать наличие изменений в его подсистемах, и выявлять признаки кибератаки. Для выявления атаки БПЛА собирает данные об изменении кибер-физических параметров на протяжении определенного периода времени, затем обновляет эти данные. В результате БПЛА необходимо определить степень различий между двумя временными рядами собранных данных. Чем больше будет степень различий между обновленными данными и предыдущими, тем больше вероятность того, что на БПЛА проводится атака.
Литература
2. Kwon K.-C., Shim D.-S. Performance analysis of direct GPS spoofing detection method with HRS/Accelerometer. Sensors. 2020. № 20(4): 954.
3. Wan W., Kim H., Hovakimyan N., Sha L., Voulgaris P.G. A Safety Constrained Control Framework for UAVs in GPS Denied Environment. 59-th IEEE Conference on Decision and Control (CDC). Korea (South). 2020. pp. 214-219.
4. Seo S.-H., Lee B.-H., Im S.-H., Jee G. Effect of spoofing on unmanned aerial vehicle using counterfeited GPS signal. Journal of Positioning Navigation and Timing. 2015. № 6. pp. 57-65.
5. Shepard D., Humphreys T., Fansler A. Evaluation of the vulnerability of phasor measurement units to GPS spoofing attacks. International Journal of Critical Infrastructure Protection. 2012. № 5(3-4). pp. 146-153.
6. Jansen K., Schäfer M., Moser D., Lenders V., Pöpper C., Schmitt J. Crowd-GPS-sec: Leveraging crowdsourcing to detect and localize GPS spoofing attacks. Proc. IEEE Symp. Security Privacy (SP). San Francisco. CA. USA: IEEE. 2018. pp. 1018-1031.
7. Montgomery P.Y., Humphreys T.E., Ledvina B.M. Receiver-autonomous spoofing detection: Experimental results of a multi-antenna receiver defense against a portable civil GPS spoofer. Proceedings of the 2009 International Technical Meeting of The Institute of Navigation. Anaheim. CA. 2009. pp. 124-130.
8. Jansen K., Tippenhauer O., Pöpper C. Multi-receiver GPS spoofing detection: Error models and realization. Proceedings of the 32nd Annual Conference on Computer Security Application. New York, United States: Association for Computing Machinery. 2016. pp. 237-250.
9. Heng L., Work D.B., Gao G.X. GPS signal authentication from cooperative peers. IEEE Trans. Intell. Transp. Syst. 2015. vol. 16. № 4. pp. 1794-1805.
10. G. Panice et al. A SVM-based detection approach for GPS spoofing attacks to UAV. 23-rd International Conference on Automation and Computing (ICAC). Hudders-field. 2017. pp. 1-11.
11. Eldosouky A., Ferdowsi A., Saad W. Drones in Distress: A Game-Theoretic Countermeasure for Protecting UAVs Against GPS Spoofing. IEEE Internet of Things Journal. 2020. vol. 7. № 4. pp. 2840-2854.
12. Qiao Y., Zhang Y., Du X. A Vision-Based GPS-Spoofing Detection Method for Small UAVs. 13-th International Conference on Computational Intelligence and Security (CIS). Hong Kong. 2017. pp. 312-316.
13. Choudhary G., Sharma V., You I., Yim K., Chen I.-R., Cho J.-H. Intrusion Detection Systems for Networked Unmanned Aerial Vehicles: A Survey. 14-th IEEE Interna-tional Wireless Communications & Mobile Computing Conference. Limassol. Cyprus. 2018. pp. 560-565.
14. Bekmezci I., Senturk E., Turker T. Security issues in Flying Adhoc Networks (FANETs). Journal of Aeronautics and Space Technologies. 2016. vol. 9. № 2. pp. 13-21.
15. Li C., Wang X. Jamming research of the UAV GPS/INS integrated navigation sys-tem based on trajectory cheating. 9-th International Congress on Image and Signal Pro-cessing, BioMedical Engineering, and Informatics (CISP-BMEI). 2016. Datong. pp. 1113-1117.
16. Schmidt D., Radke K., Camtepe S., Foo E., Ren M. A survey and analysis of the GNSS spoofing threat and countermeasures. ACM Comput. Surveys (CSUR). 2016. vol. 48. № 4. pp. 64-69.
17. Joshi D. Commercial Unmanned Aerial Vehicle (UAV) Market Analysis – Industry Trends Companies and What You Should Know. Business Insider. 2017.
18. Afgani M., Sinanovic S., Haas H. Anomaly detection using the Kullback-Leibler divergence metric. First International Symposium on Applied Sciences on Biomedical and Communication Technologies. 2008. Aalborg. pp. 1-5.
19. Basan, E., Basan, A., Nekrasov, A., .Gamec, J., Gamcová, M. A self-diagnosis method for detecting UAV cyber attacks based on analysis of parameter changes. Switzerland. 2021. № 21(2). pp. 1–17.
20. E. Basan, A. Basan, A. Nekrasov. Method for detecting abnormal activity in a group of mobile robots. Sensors. 2019. Vol. 19. № 18:4007. pp. 1-21.
21. В.Н. Максименко, Д.А. Ухин. [Анализ уязвимостей каналов связи спутниковых навигационных систем LBS-услуги]. Экономика и качество систем связи. 2019. №1. С. 18–22. http://nirit.org/wp-content/uploads/2019/06/18-22.pdf
22. L.A. Dobryakova, Ł.S. Lemieszewski., E.F. Ochin. [Атаки на глобальные навигационные спутниковые системы и обнаружение спуфинга беспилотных кораблей, базирующееся на облачных технологиях]. Ural radio engineering journal. 2018. Vol.2 № 2. DOI: https://doi.org/10.15826/urej.2018.2.2.003
23. Котенко И. В., Саенко И. Б. Архитектура системы интеллектуальных сервисов защиты информации в критически важных инфраструктурах // Труды СПИИРАН. 2013. № 1 (24). С. 21–40.
Spoofing Attack Detection Method for UAV Navigation System
Abstract
An implementation of methods for protecting unmanned aerial vehicles (UAVs) from spoofing attacks of the global positioning system (GPS) to ensure safe navigation is discussed in this paper. The Global Navigation Satellite System (GNSS) is widely used to locate UAVs and is by far the most popular navigation solution. This is due to the simplicity and relatively low cost of this technology, as well as the accuracy of the transmitted coordinates. However, there are many security threats to GPS navigation. Primarily this is due to the nature of the GPS signal, the signal is transmitted in the clear, so an attacker can block or tamper with it. This study analyzes the existing GPS protection methods. As part of the study, an experimental stand and scenarios of attacks on the UAV GPS system were developed. Data from the UAV flight logbook was collected and an analysis of cyber-physical parameters was carried out to see an effect of the attack on the on-board sensors readings. Based on this, a new method for detecting UAV anomalies was proposed, based on an analysis of changes in UAV internal parameters. This self-diagnosis method allows the UAV to independently assess the presence of changes in its subsystems and identify signs of a cyberattack. To detect an attack, the UAV collects data on changes in cyber-physical parameters over a certain period of time, then updates this data. As a result it is necessary for the UAV to determine the degree of difference between the two time series of the collected data. The greater the degree of difference between the updated data and the previous ones, the more likely the UAV is under attack.
Опубликован
Как цитировать
Раздел
Copyright (c) Евгений Сергеевич Абрамов, Елена Сергеевна Басан, Анатолий Геннадьевич Басюк, Никита Андреевич Сушкин
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).