Phân tích hiệu năng phát hiện phương tiện bay không người lái bất hợp pháp

Tóm tắt Trong bài báo này, vấn đề hiệu năng phát hiện phương tiện bay không người lái (UAV) không hợp pháp (UI) trong kiến trúc Internet vạn vật được khảo sát. Cụ thể, phương pháp phát hiện xâm nhập được chia thành 2 bước như sau: 1) 2 UAV hợp pháp được hợp tác tạo thành một dạng của hệ thống phát hiện xâm nhập (IDS) để phát hiện sự có mặt của UI bằng cách sử dụng Fast Fourier Transform Analysis (FFT) và 2) Những UAV hợp pháp này sau đó dò các góc để xác định UI bằng cách sử dụng giải pháp angle-Side-angle. Theo đó, công thức dạng tường minh của xác suất phát hiện UI được tìm ra để phân tích hiệu năng phát hiện. Mô phỏng Monte Carlo được triển khai để kiểm tra phương pháp của chúng tôi

Phân tích hiệu năng phát hiện phương tiện bay không người lái bất hợp pháp trang 1

Trang 1

Phân tích hiệu năng phát hiện phương tiện bay không người lái bất hợp pháp trang 2

Trang 2

Phân tích hiệu năng phát hiện phương tiện bay không người lái bất hợp pháp trang 3

Trang 3

Phân tích hiệu năng phát hiện phương tiện bay không người lái bất hợp pháp trang 4

Trang 4

Phân tích hiệu năng phát hiện phương tiện bay không người lái bất hợp pháp trang 5

Trang 5

pdf 5 trang xuanhieu 3020
Bạn đang xem tài liệu "Phân tích hiệu năng phát hiện phương tiện bay không người lái bất hợp pháp", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

Tóm tắt nội dung tài liệu: Phân tích hiệu năng phát hiện phương tiện bay không người lái bất hợp pháp

Phân tích hiệu năng phát hiện phương tiện bay không người lái bất hợp pháp
ology, Duy Tan University, Da Nang, 550000, Vietnam 
 (Ngày nhận bài: 01/6/2020, ngày phản biện xong: 18/6/2020, ngày chấp nhận đăng: 27/8/2020) 
Tóm tắt 
Trong bài báo này, vấn đề hiệu năng phát hiện phương tiện bay không người lái (UAV) không hợp pháp (UI) trong kiến 
trúc Internet vạn vật được khảo sát. Cụ thể, phương pháp phát hiện xâm nhập được chia thành 2 bước như sau: 
1) 2 UAV hợp pháp được hợp tác tạo thành một dạng của hệ thống phát hiện xâm nhập (IDS) để phát hiện sự có mặt 
của UI bằng cách sử dụng Fast Fourier Transform Analysis (FFT) và 2) Những UAV hợp pháp này sau đó dò các góc 
để xác định UI bằng cách sử dụng giải pháp angle-side-angle. Theo đó, công thức dạng tường minh của xác suất phát 
hiện UI được tìm ra để phân tích hiệu năng phát hiện. Mô phỏng Monte Carlo được triển khai để kiểm tra phương pháp 
của chúng tôi. 
Từ khóa: Phương tiện bay không người lái; Xác suất phát hiện; Kênh truyền Nakagami-m. 
Abstract 
In this paper, the detection performance of illegitimate unmanned aerial vehicle (UAV) (UI) in Internet of Things (IoT) 
architecture is investigated. In particular, the detection approach is devided into 2 steps: 1) two ligimate UAVs are 
cooperatived as a form of intrusion detection system (IDS) to detect the present of UI by using Fast Fourier Transform 
Analysis (FFT) and 2) these UAVs then scan the angles to identify the UI by using angle-side-angle solution. 
Accordingly, the closed-form of detection probability of UI is derived to analyze the detection performance. The Monte 
Carlo simulation is employed to verify our approach. 
Keywords: UAV; detection probability; Nakagami-m. 
1. Giới thiệu 
Hiện nay, Internet vạn vật (IoT) là một trong 
những công nghệ mới nổi, thu hút được nhiều 
nhà khoa học nghiên cứu [1]-[3]. IoT kết nối số 
lượng lớn thiết bị nhằm thu thập và gửi dữ liệu 
với nhau nhằm nhiều mục đích và ứng dụng 
khác nhau như thành phố thông minh, nông 
nghiệp thông minh, và sản xuất thông minh [3]. 
Bên cạnh đó, thiết bị không người lái (UAV) 
được xem xét như là một giải pháp hứa hẹn cho 
 04(41) (2020) 32-36
*Corresponding Author: Institute of Research and Development, Duy Tan University, Da Nang, 550000, Vietnam; 
Faculty of Information Technology, Duy Tan University, Da Nang, 550000, Vietnam. 
Email: vonhanvan@dtu.edu.vn 
Võ Nhân Văn, Đặng Ngọc Cường / Tạp chí Khoa học và Công nghệ Đại học Duy Tân 04(41) (2020) 32-36 33 
các ứng dụng như giám sát trên không, kiểm 
soát giao thông, viễn thông, và đặc biệt là tìm 
kiếm cứu hộ [4]. 
Do đó, UAV có thể góp phần khắc phục 
những hạn chế của cơ sở hạ tầng trên mặt đất 
của hệ thống IoT, tức là IoT có thể hưởng lợi từ 
UAV trong các tình huống trở ngại (ví dụ: giao 
tiếp bị chặn bởi rừng, núi và nhà cao tầng) vì 
đặc tính di động của nó [5]. Ví dụ, các tác giả 
trong [6] đã đề xuất trường hợp sử dụng UAV 
như là base station có khả năng bay vào những 
nơi nguy hiểm để thu thập cũng như truyền 
thông tin. 
Tuy nhiên, do đặc tính truyền thông tin 
quảng bá của mạng không dây, giả sử như 
UAV là một kẻ nghe lén có thể thu thập thông 
tin thì ranh giới hệ thống IoT sẽ bị vi phạm và 
tài nguyên dữ liệu sẽ bị xâm phạm [7]. Ví dụ, 
mô hình truyền thông tin trong mạng không dây 
với sự hiện diện của các UAV nghe lén đã được 
trình bày trong [8]. Các tác giả đã phân tích xác 
suất kết nối an toàn của các trạm mặt đất hợp 
pháp để đánh giá hiệu năng bảo mật của mạng. 
Tuy nhiên, bài báo này đã không đề cập tới 
vấn đề phát hiện các UAV nghe lén bằng giả 
thuyết các vị trí này đã được xác định. Điều này 
là khó thuyết phục bởi vì các kẻ tấn công thông 
thường không báo trước vị trí của chúng. Do 
đó, hệ thống IoT cần phải có cách thức phát 
hiện để chống lại sự tấn công từ bên ngoài của 
UAV bất hợp pháp. Các tác giả trong [9] đã 
giới thiệu phương pháp để xác định vị trí của 
UAV không xác định bằng cách sử dụng hai 
máy trạm mặt đất như là một dạng của hệ thống 
phát hiện xâm nhập (IDS). Tuy nhiên, bài báo 
này không đề cập đến việc khảo sát hiệu năng 
phát hiện UAV cũng như sử dụng trạm mặt đất 
cố định. Do đó, bài báo này đề xuất một mô 
hình IDS sử dụng hai UAVs hợp pháp hợp tác 
tạo thành một dạng của hệ thống IDS để phát 
hiện sự có mặt của UAV bất hợp pháp. 
2. Hiệu năng phát hiện UI 
2.1. Mô hình 
Chúng tôi xem xét mô hình kiến trúc phát 
hiện xâm nhập như hình 1. Trong đó, một UAV 
không xác định (UI) E muốn tham gia vào hệ 
thống hợp pháp nhằm lấy cắp thông tin. Do đó, 
2 UAVs hợp pháp (UD) D1 và D2 được sử dụng 
để hợp tác tạo thành một dạng của hệ thống 
IDS nhằm xác định UI. Mỗi UAV hợp pháp 
được trang bị hai antennas: một antenna đa 
hướng dùng để phát hiện sự có mặt của tín hiệu 
từ UAV và một antenna định hướng cơ học 
(mechanically-agile directional) dùng để xác 
định hướng của UAV [9]. Trong đó, 
1ED
d và 
2ED
d lần lượt là khoảng cách từ E tới D1 và E tới 
D2; và 
1ED
g và 
2ED
g lần lượt là hệ số kênh truyền 
từ E tới D1 và E tới D2. Không mất tính tổng 
quát, giả sử các kênh truyền là độc lập với nhau 
và được phân bổ theo mô hình Nakagami-m 
[10]. Do đó, hàm phân phối tích lũy (CDF) của 
kênh truyền 2
XYg được biểu diễn như sau: 
 2
1
0
1
1 exp ,
!
XY
XY
j
m
XY XY
g
j XY XY
m x m x
F x
j
  
 (1) 
trong đó 2
XY XYE g  
 và XYm là tham số 
Nakagami của kênh truyền 2
XYg . 
Hình 1. Mô hình 2 UAVs phát hiện xâm nhập 
Theo [8], độ suy hao đường truyền của kênh 
truyền trên không (air-to-air) được biểu diễn 
như sau: 
2 ,a a aL d (2) 
trong đó 
2
4 /a f c , 1 2{ , }a ED ED , 
1 2
{ , }a ED EDd d d , c là tốc độ ánh sáng và f là tần 
số sóng mang. 
Võ Nhân Văn, Đặng Ngọc Cường / Tạp chí Khoa học và Công nghệ Đại học Duy Tân 04(41) (2020) 32-36 34 
2.2. Giao thức 
Chúng tôi giả sử UI sẽ trao đổi thông tin với 
một số thiết bị khác, ví dụ như UI phản hồi 
thông tin với bộ điều khiển hoặc gửi các thông 
tin đánh cắp ra thiết bị bên ngoài. Do đó, chúng 
tôi đề xuất giao thức phát hiện UI gồm 2 bước 
như sau: 
1) Hai UDs đều trang bị một Radio 
Frequency (RF) receiver kết nối với antenna đa 
hướng và được bật trạng thái lắng nghe. Khi tín 
hiệu RF được thu thập, Fast Fourier Transform 
Analysis (FFT) được sử dụng để xác định tín 
hiệu UI có hay là không [9]. Chúng tôi giả sử 
trường hợp UI được phát hiện, điều này có 
nghĩa là D1 và D2 nhận được tín hiệu từ UI là 
1
11 1
,E E E D
DE
D Dy x g n
L
P
 (3) 
22 2
2
,E ED D
DE
E Dy x g n
L
P
 (4) 
trong đó 
1 2 0
, 0,DDn n N CN . Ở đây, do UI chưa 
được xác định, nên trạng thái kênh truyền thông 
tin không hoàn hảo (imperfect CSI) được xem 
xét, tức là 
1 1 1
*
ED ED EDg g e và 2 2 2
*
ED ED EDg g e ; 
trong đó 
1
*
EDg và 2
*
EDg lần lượt là hệ số kênh 
được ước tính bằng minimum mean square 
error (MMSE) cho 
1ED
g và 
2ED
g ; và 
1 2
, 0,ED ED ee e  CN với e là tính chính xác 
của ước tính kênh truyền. 
2) Hai UAVs hợp pháp bật sang trạng thái 
dò tìm ở antenna định hướng cơ học để xác 
định UI bằng hai quá trình như sau: đầu tiên, 
góc tới của E từ D1 và D2 được xác định một 
khi tín hiệu FFT được so khớp mạnh nhất. Sau 
đó, giải pháp angle-side-angle được áp dụng để 
tính vị trí của UI (hình 2) như sau: Giả sử tọa 
độ 3-D của hai UAVs hợp pháp được biết là 
1 1 11
, ,D D DD x y z và 2 2 22 , ,D D DD x y z . Lưu ý, D1, 
D2, và điểm E vừa xác định dựa trên góc tới từ 
D1 và D2 sẽ tạo thành một mặt phẳng duy nhất. 
Do đó, UI được xác định bởi khoảng cách từ D1 
và D2 theo công thức sau [9]: 
Hình 2. Xác định UI 
2
1 2 1 2
1
1 2
,
sinsin sin
180
D
ED ED D D
ED
o
D D E
d d d
 
  
 (5) 
trong đó 
1D
 và 
2D
 đã được xác định từ quá 
trình trước; và 
11 2 2 1 2 1 2
2 2 2
D D DD D D D Dx x y y z zd . 
Giải công thức trên, chúng ta sẽ tìm ra được 
khoảng cách từ D1 và D2 đến E. Ngoài ra, tỷ số 
tín hiệu sóng trên nhiễu (SNR) để giải mã tín 
hiệu đặc biệt từ E tại D1 và D2 được biểu diễn 
như sau [11]: 
 1
1
1
2
*
0
,
E
ED
ED E
ED
E
P
P N
g
L
 
 
 (6) 
 2
2
2
2
*
0
.
E
ED
ED E
ED
E
P
P N
g
L
 
 
 (7) 
2.3. Xác suất phát hiện UI 
Xác suất phát hiện UAV được định nghĩa là 
xác suất giải mã thành công tín hiệu của UI tại 
D1 hoặc D2, tức là 
  
1 2
Pr max , ,ED ED thC C  O (8) 
trong đó O là xác suất phát hiện UI; Pr{.} là 
hàm xác suất; th là ngưỡng phát hiện thành 
công; và 
1ED
C và 
2ED
C được định nghĩa là 
1 12
log 1 ,ED EDC B  (9) 
2 22
log 1 ,ED EDC B  (10) 
trong đó B là băng thông đường truyền. Dựa 
theo lý thuyết xác suất, công thức (7) được biến 
đổi như sau: 
  
1 2
1 Pr max , .ED ED thC C  O (11) 
Võ Nhân Văn, Đặng Ngọc Cường / Tạp chí Khoa học và Công nghệ Đại học Duy Tân 04(41) (2020) 32-36 35 
Hơn nữa, bởi vì các biến ngẫu nhiên là độc 
lập nên xác suất phát hiện UI được biểu diễn là 
  
1 2
1 Pr Pr ,ED th ED th    O (12) 
trong đó /2 1th Bth
 . Tiếp theo, thay (6) và (7) 
vào (12) ta có 
1
1
2
2
2
*
2
*
1
1 Pr
1
Pr ,
th ED E
ED
E
th ED E
ED
E
L
g
L
g
 
 
  
 
 
  
 
 
O
 (13) 
trong đó 0/E EP N . Cuối cùng, dựa trên định 
nghĩa CDF ở công thức (1) và qua một số bước 
tính toán, xác suất phát hiện UI của hệ thống 
xem xét được biểu diễn ở dạng tường minh là: 
1
1 1
1
1 1
1
2
2 1
2
2 1
2
1
0
1
0
1
1
1
11
exp
!
1
1
.
11
exp
!
ED
ED
j
m
ED th ED E
j ED E
ED th ED E
ED E
j
m
ED th ED E
j ED E
ED th ED E
ED E
m L
m L
j
m L
m L
j
 
 

 
  
  
 
  
  
  
 
  


O
 (14) 
3. Kết quả và thảo luận 
 Không mất tính tổng quát, chúng tôi lựa 
chọn các thông số sau đây để cài đặt cho phần 
mô phỏng và phân tích [9], [10]:  0,20E , 
 5,6,7e , 
610B Hz, 610th bps, 
1 2
2ED EDm m , 1 30
o
D , 2 50
o
D . Dựa trên các 
thông số này, chúng tôi khảo sát xác suất phát 
hiện UI qua hai hình 3 và 4. Qua quan sát, các 
đường mô phỏng và phân tích trùng khớp nhau, 
điều này có nghĩa phương pháp phân tích của 
chúng tôi là hoàn toàn chính xác. 
Hình 3. Sự ảnh hưởng của SNR tại E và tính chính xác 
ước tính kênh truyền lên xác suất phát hiện UI 
Hình 4. Sự ảnh hưởng của chiều cao UAV D2 và SNR 
tại E lên xác suất phát hiện UI 
Quan sát hình 3, chúng ta có các kết quả như 
sau: 
- Khi tăng SNR tại E thì xác suất phát hiện 
UI càng tăng. Điều này được giải thích là vì khi 
công suất phát tại UI càng lớn thì khả năng giải 
mã thông tin tại các UAVs hợp pháp càng dễ 
dàng. Điều này đồng nghĩa với việc hiệu năng 
phát hiện UI tăng lên. 
- Xác suất phát hiện UI giảm khi tăng e . 
Lý do là khi tăng e tức là tính chính xác ước 
tính kênh truyền không hoàn hảo giảm. Điều 
này dẫn tới việc giải mã thành công các tính 
hiệu đặc biệt của các UAVs hợp pháp sẽ giảm 
xuống. Kết quả là hiệu năng UI sẽ giảm. 
Dựa trên hình 4, chúng ta quan sát được một 
số kết quả như sau: 
- Khi tăng chiều cao của một UAV hợp pháp 
(không mất tính tổng quát chúng tôi tăng chiều 
cao của UAV D2), xác suất phát hiện UI sẽ 
Võ Nhân Văn, Đặng Ngọc Cường / Tạp chí Khoa học và Công nghệ Đại học Duy Tân 04(41) (2020) 32-36 36 
tăng. Tuy nhiên khi chiều cao quá lớn thì xác 
suất phát hiện UI lại giảm. Điều này có nghĩa là 
tồn tại một điểm tối ưu của chiều cao UAV làm 
cho hiệu năng phát hiện UI là tốt nhất. Lý do là 
bởi vì khi chiều cao của UAV hợp pháp quá 
thấp hoặc quá cao thì khoảng cách tới UI càng 
xa, do đó khả năng giải mã thành công trong 
hai trường hợp này là khó khăn. Do đó, hiệu 
năng sẽ giảm khi chiều cao của UAV là quá 
thấp hoặc quá cao. 
- Một lần nữa chúng ta thấy khi tăng SNR tại 
E từ 0 đến 15 dB thì hiệu năng phát hiện UI sẽ 
tăng. Điều này đã được giải thích ở hình 3. 
4. Kết luận 
Trong bài báo này, hiệu năng phát hiện 
UAV không xác định được khảo sát. Một dạng 
của hệ thống IDS sử dụng hai UAVs hợp pháp 
đã được đề xuất nhằm xác định UAV bất hợp 
pháp. Theo đó, dựa trên SNR của việc giải mã 
thành công tín hiệu từ UI tại hai UAVs hợp 
pháp, công thức dạng tường minh của xác suất 
phát hiện UAV không hợp pháp được trình bày. 
Ngoài ra, sự ảnh hưởng của SNR tại UI, tính 
chính xác của ước tính kênh truyền và chiều 
cao của UAV hợp pháp lên hiệu năng phát hiện 
UI đã được khảo sát. Kết luận chỉ ra rằng tồn 
tại chiều cao tối ưu của UAV nhằm tăng hiệu 
năng phát hiện UI. 
Tài liệu tham khảo 
[1] Z. Sheng, C. Mahapatra, C. Zhu, and V. C. M. Leung, 
“Recent advances in industrial wireless sensor 
networks toward efficient management in IoT,” 
IEEE Access, vol. 3, pp. 622–637, May 2015. 
[2] B. Ji, Y. Li, B. Zhou, C. Li, K. Song, and H. Wen, 
“Performance analysis of UAV relay assisted IoT 
communication network enhanced with energy 
harvesting,” IEEE Access, vol. 7, pp. 38 738–38 
747, 2019. 
[3] J. M. Williams, R. Khanna, J. P. Ruiz-Rosero, G. 
Pisharody, Y. Qian, C. R. Carlson, H. Liu, and G. 
Rmirez-Gonzalez, “Weaving the wireless web: 
Toward a low-power, dense wireless sensor network 
for the industrial IoT,” IEEE Microwave Mag., vol. 
18, no. 7, pp. 40–63, Oct. 2017. 
[4] Y. Zeng, Q. Wu, and R. Zhang, “Accessing from the 
sky: A tutorial on UAV communications for 5G and 
beyond,” Proc. of the IEEE., vol. 107, no. 12, pp. 
2327–2375, 2019. 
[5] M. Mozaffari, W. Saad, “Unmanned aerial vehicle 
with underlaid device-to-device communications: 
Performance and tradeoffs,” IEEE Trans. Wireless 
Commun., vol. 15, no. 6, pp. 3949–3963, Jun. 2016. 
[6] M. Mozaffari, W. Saad, M. Bennis, Y.-H. Nam, and 
M. Debbah, “A tutorial on UAV for wireless 
network: Application, challenges, and open 
problems,” IEEE Commun. surveys & tutorials, vol. 
21, no. 3, pp. 2334–2360, Mar. 2019. 
[7] X. Sun, D. W. K. Ng, Z. Ding, Y. Xu, and Z. Zhong, 
“Physical layer security in UAV systems: 
Challenges and opportunities,” IEEE Wireless 
Commun., vol. 26, no. 5, pp. 40–47, Oct. 2019. 
[8] J. Tang, G. Chen, and J. Coon, “Secrecy performance 
analysis of wireless communications in the presence 
of UAV jammer and randomly located UAV 
eavesdroppers,” IEEE Trans. Inf. Forensics Secur., 
vol. 14, no. 11, pp. 3026–3041, Apr. 2019. 
[9] P. Nguyen, T. Kim, D. H. L. Miao, E. Kenneally, D. 
Massey, E. Frew, R. Han, and T. Vu, “Towards RF-
based localization of a drone and its controller,” in 
Proc. Micro Aerial Veh. Networks, Sys., and 
Applicat., Seoul, Korea, Jun. 2019, pp. 21–26. 
[10] D.-D. Tran, D.-B. Ha, V. N. Vo, C. So-In, H. Tran, 
T. G. Nguyen, Z. Baig, and S. Sanguanpong, 
“Performance analysis of DF/AF cooperative MISO 
wireless sensor networks with NOMA and SWIPT 
over Nakagami-m fading,” IEEE Access, vol. 6, pp. 
56 142–56 161, Oct. 2018. 
[11] Y. Chen, N. Zhao, and Z. D. M.-S. Alouini, 
“Multiple UAVs as relays: Multi-hop single link 
versus multiple dual-hop links,” IEEE Trans. 
Wireless Commun., vol. 17, no. 9, pp. 6348–6359, 
Aug. 2018. 

File đính kèm:

  • pdfphan_tich_hieu_nang_phat_hien_phuong_tien_bay_khong_nguoi_la.pdf