Управлениe группировкой БПЛА в случае кибератак и отказов оборудования
EDN: IFHKZN
Аннотация
В последнее время беспилотные летательные аппараты (БПЛА) получили широкое применение благодаря своей универсальности. Вместе с тем все большую тревогу вызывает появление вредоносных БПЛА, используемых киберпреступниками. Несанкционированные вмешательства в работу БПЛА могут привести к разрушительным последствиям, поэтому крайне необходимо создавать и внедрять соответствующие средства обнаружения и предотвращения подобных действий, а также эффективные способы защиты от них. Статья посвящена исследованию рисков, связанных с кибератаками в отношении группировок БПЛА, и соответствующих мер по устранению таких угроз. Предложена гибридная схема диагностики отказов и система отказоустойчивых взаимодействующих контроллеров для управления группой БПЛА в случае их выходов из строя и кибератак. Гибридная схема диагностики отказов построена на основе как некоторых правил, так и моделей. Смоделированы три реалистичных варианта атаки, в том числе типа «человек посередине» и GPS-спуфинг. Согласно полученным результатам, предложенная схема обеспечивает безопасную работу группировки БПЛА за счет эффективного обнаружения отказов и профилактики потенциальных рисков.
Об авторах
Х. Шуиб
Технический научно-исследовательский центр технического факультета Ливанского университета (Хадат, Ливан)
Ливан
Ливан
Шуиб Хасан
М. Сайед
Технический научно-исследовательский центр технического факультета Ливанского университета (Хадат, Ливан); технический факультет Ливанского международного университета (Бекаа, Ливан)
Ливан
Ливан
Сайед Маджд. Доктор наук
К. Франсис
Национальная высшая школа искусств и ремесел (Шалон-ан-Шампань, Франция)
Франция
Франция
Франсис Кловис. Профессор
Х. Шраим
Технический научно-исследовательский центр технического факультета Ливанского университета
Ливан
Ливан
Шраим Хассан. Профессор
З. Нун
Технический факультет Ливанского международного университета
Ливан
Ливан
Нун Зиад. Доктор наук
Список литературы
1. Ly, B. and Ly, R., Cybersecurity in unmanned aerial vehicles, Journal of Cyber Security Technology, 2021, vol. 5, no. 2, pp. 120–137, https://doi.org/10.1080/23742917.2020.1846307.
2. Guerrero, J., Flight Formation Control Strategies for Mini UAVs, in: Fight Formation Control, Guerrero, J., and Lozano, R., Eds, John Wiley & Sons Ltd, 2012, pp. 135–163, https://doi.org/10.1002/9781118387191.ch7.
3. Feng, Z., Guan, N., Lv, M., Liu, W., Deng, Q., Liu, X., and Yi, W., An efficient UAV hijacking detection method using onboard inertial measurement unit, ACM Trans. Embed. Comput. Syst., 2018, vol. 17, no. 6, pp. 1–19, https://doi.org/10.1145/3289390.
4. Sindiramutty, S.R., Jhanjhi, N.Z., Tan, C.E., et al., Data security and privacy concerns in drone operations, in: Cybersecurity Issues and Challenges in the Drone Industry, IGI Global, 2024, pp. 236–290, https://doi.org/10.4018/979-8-3693-0774-8.ch010.
5. Chamola, V., Kotesh, P., Agarwal, A., Gupta, N., Naren, N., and Guizani, M., A comprehensive review of unmanned aerial vehicle attacks and neutralization techniques, Ad Hoc Networks, 2021, vol. 111, p. 102324, https://doi.org/10.1016/j.adhoc.2020.102324.
6. Hoang, T.M., Nguyen, N.M., and Duong, T.Q., Detection of eavesdropping attack in UAV-aided wireless systems: Unsupervised learning with one-class SVM and K-means clustering, IEEE Wireless Communications Letters, 2020, vol. 9, no. 2, pp. 139–142, https://doi.org/10.1109/LWC.2019.2945022.
7. Leela Krishna, C.G., and Murphy, R.R., A review on cybersecurity vulnerabilities for unmanned aerial vehicles, IEEE International Symposium on Safety, Security and Rescue Robotics (SSRR) (China, 2017), https://doi.org/10.1109/SSRR.2017.8088163.
8. Giray, S.M., Anatomy of unmanned aerial vehicle hijacking with signal spoofing, International Conference on Recent Advances in Space Technologies (RAST), (Istanbul, Turkey 2013), https://doi.org/10.1109/RAST.2013.6581320.
9. Dahiya, S., and Garg, M., Unmanned aerial vehicles: Vulnerability to cyber attacks, International Conference on Unmanned Aerial System in Geomatics, (India 2019), pp. 201–211, https://doi.org/10.1007/978-3-030-37393-1_18.
10. Alsuhli, G., Fahim, A., and Gadallah, Y., A survey on the role of UAVs in the communication process: A technological perspective, Computer Communications, 2022, vol. 194, pp. 86–123, https://doi.org/10.1016/j.comcom.2022.07.021.
11. Westerlund, O., and Asif, R., Drone hacking with Raspberry-Pi 3 and WiFi Pineapple: Security and privacy threats for the Internet-of-Things, International Conference on Unmanned Vehicle Systems-Oman (UVS), (Muscat, Oman 2019), pp. 1–10, https://doi.org/10.1109/UVS.2019.8658279.
12. Han, B., Jiang, J., Cao, T., and Liu, J., Adaptive observer-based security formation control for multiple unmanned aerial vehicles under cyber-attacks, China Automation Congress (CAC), (Beijing, China 2021), https://doi.org/10.1109/CAC53003.2021.9728634.
13. Humphreys, T.E., Statement on the Vulnerability of Civil Unmanned Aerial Vehicles and Other Systems to Civil GPS Spoofing, Subcommittee on Oversight Investigations and Management of the House Committee on Homeland Security, 2012.
14. Seo, S.-H., Lee, B.-H., Im, S.-H., and Jee, G.-I., Effect of spoofing on unmanned aerial vehicle using counterfeited GPS signal, Journal of Positioning, Navigation, and Timing, 2015, vol. 4, no. 2, pp. 57–65, https://doi.org/10.11003/JPNT.2015.4.2.057.
15. Abbaspour, A., Yen, K., Noei, S., and Sargolzaei, A., Detection of fault data injection attack on UAV using adaptive neural network, Procedia Computer Science, 2016, vol. 95, pp. 193–200, https://doi.org/10.1016/j.procs.2016.09.312.
16. Sedjelmaci, H., Senouci, S.-M., and Messous, A., How to detect cyber-attacks in unmanned aerial vehicles network? Proc. IEEE Global Communications Conference (GLOBECOM), (Washington, DC, USA, 2016), https://doi.org/10.1109/GLOCOM.2016.7841878.
17. Tseng, C.Y., Balasubramanyam, P., Ko, C., Limprasittiporn, R., Rowe, J., and Levitt, K., A specification-based intrusion detection system for AODV, ACM Workshop on Security of Ad Hoc and Sensor Networks, (Fairfax Virginia 2003), pp. 125–134, https://doi.org/10.1145/986858.986876.
18. Vaidya, V., Dynamic signature inspection-based network intrusion detection, Patent US6279113B1, 2001.
19. Patcha, A., and Park, J.-M., An overview of anomaly detection techniques: Existing solutions and latest technological trends, Computer networks, 2007, vol. 51, no. 12, pp. 3448–3470, https://doi.org/10.1016/j.comnet.2007.02.001.
20. Aydın, M.A., Zaim, A.H., and Ceylan, K.G., A hybrid intrusion detection system design for computer network security, Computers & Electrical Engineering, 2009, vol. 35, no. 3, pp. 517–526, https://doi.org/10.1016/j.compeleceng.2008.12.005.
21. Mitchell, R., and Chen, I.R., Specification-based intrusion detection for unmanned aircraft systems, First ACM MobiHoc Workshop on Airborne Networks and Communications, South Carolina USA, 2012, pp. 31–36, https://doi.org/10.1145/2248326.2248334.
22. Zomlot, L., Sundaramurthy, S.C., Luo, K., Ou, X., and Rajagopalan, S., Prioritizing intrusion analysis using Dempster-Shafer theory, ACM Workshop on Security and Artificial Intelligence, (Chicago Illinois USA, 2011), pp. 59–70, https://doi.org/10.1145/2046684.2046694.
23. Mitchell, R., and Chen, I.-R., Adaptive intrusion detection of malicious unmanned air vehicles using behavior rule specifications, IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2014, vol. 44, no. 5, pp. 593–604, https://doi.org/10.1109/TSMC.2013.2265083.
24. Yaacoub, J., Noura, H., Salman, O., and Chehab, A., Security analysis of drones systems: Attacks, limitations, and recommendations, Internet of Things, 2020, vol. 11, p. 100218, https://doi.org/10.1016/j.iot.2020.100218.
25. Yang, Y., Xiao, Y., and Li, T., Attacks on formation control for multiagent systems, IEEE Transactions on Cybernetics, 2022, vol. 52(120), pp. 12805–12817, https://doi.org/10.1109/TCYB.2021.3089375.
26. Gu, Y., Guo, K., Guo, L., Qiao, J., Jia, J., Yu, X., and Xie, L., An enhanced UAV safety control scheme against attacks on desired trajectory, Aerospace Science and Technology, 2021, vol. 119, p. 107212, https://doi.org/10.1016/j.ast.2021.107212.
27. Jadidi, S., Badihi, H., and Zhang, Y., Hybrid fault-tolerant and cyber-resilient control for PV system at microgrid framework, Annual Conference of the IEEE Industrial Electronics Society, Toronto, Canada, 2021, https://doi.org/10.1109/IECON48115.2021.9589054.
28. Saied, M., Shraim, H., and Francis, C., A review on recent development of multirotor UAV fault-tolerant control systems, IEEE Aerospace and Electronic Systems Magazine, 2024, vol. 39, no. 9, https://doi.org/10.1109/MAES.2023.3327697.
29. Hafez, A.T., and Kamel, M.A., Fault-tolerant control for cooperative unmanned aerial vehicles formation via fuzzy logic, International Conference on Unmanned Aircraft Systems (ICUAS), (Arlington, VA, USA, 2016), https://doi.org/10.1109/ICUAS.2016.7502660.
30. Karaboga, D., An Idea Based On Honey Bee Swarm for Numerical Optimization, Technical Report TR06, Kayseri, Turkey: Erciyes University, 2005.
31. Saied, M., Shraim, H., Mazeh, H., and Francis, C., Fault-tolerant control of a hexarotor unmanned aerial vehicle applying outdoor tests and experiments, IFAC-PapersOnLine, 2018, vol. 51(22), pp. 312–317, https://doi.org/10.1016/j.ifacol.2018.11.560.
32. Saied, M., Slim, M., Mazeh, H., Francis, C., and Shraim, H., Unmanned aerial vehicles fleet control via artificial bee colony algorithm, 4th Conference on Control and Fault Tolerant Systems (SysTol), Casablanca, Morocco, 2019, pp. 80–85, doi:10.1109/SYSTOL.2019.8864752.
Рецензия
Для цитирования:
Шуиб Х., Сайед М., Франсис К., Шраим Х., Нун З. Управлениe группировкой БПЛА в случае кибератак и отказов оборудования. Гироскопия и навигация. 2025;33(1):64-90. EDN: IFHKZN
For citation:
Shouib H., Saied M., Francis C., Shraim H., Noun Z. Fault Tolerant and Cyber Resilient Formation Control of Multiple UAVs. Gyroscopy and Navigation. 2025;33(1):64-90. (In Russ.) EDN: IFHKZN
Просмотров:
28
Послать статью по эл. почте 