高级搜索

基于粒子群优化多核支持向量数据描述的广播式自动相关监视异常数据检测模型

王布宏 罗鹏 李腾耀 田继伟 尚福特

引用本文: 王布宏, 罗鹏, 李腾耀, 田继伟, 尚福特. 基于粒子群优化多核支持向量数据描述的广播式自动相关监视异常数据检测模型[J]. 电子与信息学报, doi: 10.11999/JEIT190767 shu
Citation:  Buhong WANG, Peng LUO, Tengyao LI, Jiwei TIAN, Fute SHANG. ADS-B Anomalous Data Detection Model Based on PSO-MKSVDD[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190767 shu

基于粒子群优化多核支持向量数据描述的广播式自动相关监视异常数据检测模型

    作者简介: 王布宏: 男,1975年生,博士,教授,研究方向为人工智能安全、信息物理系统安全等;
    罗鹏: 男,1995年生,硕士生,研究方向为人工智能安全、ADS-B数据攻击检测;
    李腾耀: 男,1991年生,博士生,研究方向为ADS-B数据攻击检测和弹性恢复;
    田继伟: 男,1993年生,博士生,研究方向为人工智能安全、信息物理系统安全;
    尚福特: 男,1992年生,博士生,研究方向为信息物理系统安全
    通讯作者: 罗鹏,1939552724@qq.com
  • 基金项目: 国家自然科学基金(61902426)

摘要: 广播式自动相关监视(ADS-B)作为新一代空中交通管理(ATM)通信协议,是未来空管监视系统的关键技术。目前,由于ADS-B采用明文格式广播发送数据,其安全性问题受到挑战。针对ADS-B易受到的欺骗干扰,该文将ADS-B位置数据和同步的二次雷达(SSR)数据作差,将两者的差值作为样本数据。利用多核支持向量数据描述(MKSVDD)训练样本,得到了超球体分类器,此超球体分类器能检测出ADS-B测试样本中的异常数据。并且,通过粒子群算法(PSO)优化了GaussLapl和GaussTanh两种MKSVDD的惩罚因子、多核核函数系数以及核参数,提高了异常数据检测性能。实验结果表明,对于随机位置偏移、固定位置偏移、拒绝服务(DOS)攻击和重放攻击,粒子群优化多核支持向量数据描述(PSO-MKSVDD)模型能检测出这4种攻击类型的异常数据。且相较于其他机器学习和深度学习方法,该模型的适应性更好,异常检测的召回率和检测率更优。证明该模型可用于ADS-B异常数据的检测。

English

图(13)表(3)
计量
  • PDF下载量:  6
  • 文章访问数:  1062
  • HTML全文浏览量:  89
文章相关
  • 通讯作者:  罗鹏, 1939552724@qq.com
  • 收稿日期:  2019-10-08
  • 网络出版日期:  2020-04-29
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章