基于SVDD的ADS-B异常数据检测

自动相关监视广播(ADS-B)与空管二次监视雷达(SSR)是空中交通管制的2种重要监视手段,其中ADS-B是目前正在推出的通信协议,在下一代空管监视系统中将会发挥重要作用.然而,ADS-B协议中安全措施缺乏,容易遭受虚假数据注入的攻击.为了识别ADS-B中的异常数据,利用与其同步的SSR数据及通过Kalman滤波得出的的协方差矩阵,得到一组具有多维属性特征的样本数据,使用支持向量数据域描述的方法(SVDD)训练样本数据,可以得到用于检测异常的分类器.利用此分类器检测之后收到的ADS-B数据,从而识别出异常数据.通过仿真实验表明,该方法对于ADS-B异常数据具有80%以上的正确识别率,其中对于固定偏差注入的检测虚警率为5%,漏警率为0,对于随机偏差注入的检测虚警率为5%,漏警率为12.5%,验证了该方法的可行性.