18、无人机网络入侵检测与区块链用户匿名性保障技术解析

无人机网络入侵检测与区块链用户匿名性保障技术解析

无人机网络入侵检测

随着物联网的兴起，无人机（UAV）技术在国防、人群监测、植被监测和野生动物保护等多个行业得到了广泛应用。当无人机与 5G 技术协同工作时，数据通信的安全性问题就变得尤为突出。

目前，已有不少关于无人机网络安全的研究。例如，有研究使用 CSE - CIC IDS - 2018 数据集，结合多种机器学习模型评估无人机网络中的有害数据包；还有人提出基于区块链的去中心化系统来保障无人机网络的数据安全；也有利用无人机的定量特性（如信噪比和能量阈值）创建基于特征的分类模型，并结合 CNN 模型进行分析；以及采用多智能体驱动的深度学习技术以获得良好的预测性能。

然而，无人机网络安全的入侵检测系统（IDS）发展仍存在很大差距。为此，提出了一种结合随机森林（RF）和人工神经网络（ANN）的集成模型，用于及时检测无人机网络中的攻击。该模型使用无人机网络产生的实际网络流量数据进行实验，结果表明，该方法收敛速度快，在准确性、精度、召回率、F 度量和 CPU 时间等方面表现优于其他算法。

提出的框架

该智能入侵检测框架的环境包括运行在地面控制站（GCS）上的无人机网络，其中嵌入了多个传感器设备用于捕获数据。数据首先由 RF - ANN 算法捕获，用于构建模型的训练阶段，然后对识别出的攻击进行分类。回放内存模块作为中间存储单元，用于存储过渡样本以训练 RF - ANN 模型。

机器学习模型

• 随机森林（RF）算法 ：是一种流行的监督集成学习算法，通过组合多个随机生成的决策树来简化分类，处理复杂数据集。采