| Abstract |
Bakalaura darbā tiek pētīta bezpilota lidaparātu viltus attālās identifikācijas jeb Remote ID signālu detektēšana gan statiski gan reāllaikā. Bezpilota lidaparātu plašā izmantošana civilajā, industriālajā un drošības sektorā rada nepieciešamību pēc uzticamas to uzraudzības kamēr tie atrodas gaisa telpā un ne tikai. Tomēr tiešās attālās identifikācijas pārraide ir diezgan neaizsargāts protokols pēc būtības un pastāv risks, ka šī pārraide tiek viltota ar ļaunprātīgu raidītāju, kas var apzināti pārraidīt nepatiesu lidaparāta atrašanās vietu, vai citu Remote ID informāciju. Šī nepatiesā pārraidītā informācija var kaitēt tieši, vai netieši sabiedrības, vai atsevišķas organizācijas drošību.
Darba mērķis ir izstrādāt un ar eksperimentu palīdzību novērtēt darbā realizēto pieeju, kas spēj atšķirt īstu bezpilota lidaparātu no viltota, mākslīgi ģenerēta signāla. Pētījuma laikā tika analizēti bezpilota lidaparātu regulējumi, saistībā ar attālo identifikāciju gan teorētiskie, gan praktiskie risinājumi, kā arī beidzamais solis – izstrādāta eksperimentāla sistēma. Autora izveidotā sistēma sastāv no viltus Remote ID raidītāja uz ESP8266 mikro-kontroliera bāzes ar NEO-6M GPS moduli, uztvērēju kas realizēts uz Seeed XIAO ESP32-S3 bāzes un mašīnmācīšanās balstīta detektēšanas modeļa. Modeļa izstrādē izmantotas Remote ID ziņojumos iegūtās pazīmes, kas raksturo lidaparātu kustību, trajektoriju, telpisko novietojumu un protokola struktūru.
Eksperimentu gaitā tika veikta pazīmju analīze, secīgi ņemot mainīgos un skatoties kādu pienesumu, vai tieši otrādāk, tie atņem no sistēmas kopējā detektēšanas rezultāta. Darbā sanāca vairāk saskarties ar tādiem mainīgajiem, kas mākslīgi uzlaboja modeļa veiktspēju, viltošanas vietā raksturojot vidi, vai darbā izmantotā raidītāja specifiku. Izstrādātais modelis balstās uz Random Forest klasifikatoru, ko pēctam otrajā slānī papildina Isolation Forest. Pēdējais apmācītais modelis sasniedza augstu klašu atšķiršanas rādītāju (ROC-AUC = 0,9994), tāpat arī F1 rādītāju īsto b.l. klasei ar vērtību 0,9787. Sesiju līmenī īsto bezpilota lidaparātu dati tika pareizi klasificēti 70 no 71 sesijas, savukārt reāllaikā eksperimentālajā sistēmā palaižot iepriekš ierakstītos īstos b.l. tika pareizi klasificētas 60 no 61 sesijas un viltotās tika iztestētas ar konfigurāciju 8 un 16 viltotie b.l., kur visus sanāca atzīmēt kā viltotus. Iegūtie rezultāti liecina, ka Remote ID signālu viltošanu iespējams efektīvi atpazīt un detektēt, ja sistēma balstās uz lidaparāta kustību, lidojuma trajektoriju, tā uzvedības pazīmēm. Bakalaura darbs sastāv no 79 lappusēm, 15 attēliem, 14 tabulām, 5 pielikumiem, 38 izmantotajiem avotiem. |
