基于轻量级人工智能的LED VLC攻击检测技术，应用于多通道机载雷达系统 Vadim A. Nenashev, Vladimir P. Kuzmenko, Svetlana S. Dymkova, Oleg V. Varlamov

《Future Internet》：Lightweight AI-Based Attack Detection for LED VLC in Multi-Channel Airborne Radar Systems Vadim A. Nenashev, Vladimir P. Kuzmenko, Svetlana S. Dymkova and Oleg V. Varlamov

　　

。

摘要

在射频频谱限制和严格的端到端延迟约束下，紧凑型多通道机载雷达站越来越多地依赖基于LED的可见光通信（VLC）服务链路。尽管光链路具有方向性，但VLC链路仍然容易受到主动光学干扰和信号注入的影响；此外，当接收器中嵌入了基于AI的完整性监控器时，AI决策层就成为了规避和在线数据篡改的直接目标。本文提出了一种轻量级、可解释的基于AI的攻击检测架构，该架构使用泊松光子计数观测模型在前导码和控制序列间隔期间生成物理上一致的特征，最终决策由结合了单调逻辑检测器和单类检测器的AI集成系统产生。所考虑的威胁包括持续照明和同步闪光（干扰/致盲）、通过虚假前导码进行欺骗、重放记录的片段以及在自校准过程中的在线数据篡改。解决方案的有效性通过检测概率PD（集成系统：PD ≥ 0.90，对于直流干扰平均计数增量ΔλDC ≈ 7.56、脉冲干扰平均计数增量Δλpulse ≈ 12.89以及欺骗信号缩放因子α ≈ 1.02）、误报概率PFA = 0.045，以及每个数据包的端到端延迟（受观测窗口持续时间LΔT = 20 μs的限制，其中窗口长度L = 20且间隔持续时间ΔT = 1 μs）来评估，这证明了无需GPU加速即可实现实时CPU操作。