基于改进BiLSTM的ADS-B信号欺骗检测方法研究

来源：计算机测量与控制杂志2025年第3期北京时间：

作者：颜丽蓉,赵泽荣

单位：中国民用航空飞行学院

摘要：随着智能交通系统的快速发展,自动相关监视-广播(Automatic Dependent Surveillance-Broadcast,ADS-B)技术作为一种先进的空中交通管理监控手段得到了广泛应用。然而,ADS-B信号的开放性和易受攻击性使其成为潜在的欺骗攻击目标。为了提高飞行安全性,避免ADS-B系统受到欺骗式干扰,研究提出了一种基于深度学习的全向信标信号处理方法,用于检测ADS-B信号中的欺骗行为。研究利用全向信标收集ADS-B信号数据并提取相关特征,随后应用双向长短期记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)深度学习模型对提取的特征进行训练,以区分正常信号和欺骗信号。然后结合焦点损失函数和贝叶斯优化算法对信号检测方法进行优化,并通过几何位置相关函数量化飞行状态误差。结果表明,模型的训练损失值和训练准确率分别达到了0.25和98.15%,改进后的BiLSTM模型在分类性能上所有指标均超过了99.50%。此外,研究方法在飞行速度、水平飞行方向和垂直飞行方向的检测误差分别仅为0.01%、0.01%和0.04%。对真实信号的检测显示,其飞行速度、水平和垂直方向的损失值均为1,而欺骗信号在这些指标上的损失值误差分别为15%、1%和0.3%。综上所述,面向全向信标信号处理的深度学习ADS-B信号欺骗检测方法研究,有效实现了优异的检测准确率和鲁棒性,为民用航空安全领域提供了重要的技术支持与参考。

关键词：全向信标;ADS-B;信号欺骗检测;深度学习;BiLSTM

基金资助：本文系民航安全能力SA项目资助项目(ASSA2024/101)；本文系中央高效基本科研业务费专项资金资助项目(24CAFUC03071)