Enhanced Intrusion Detection System for Multiclass Classification in UAV Networks

无人机(Unmanned Aerial Vehicles, UAVs)在各种应用中变得越来越流行，尤其是随着6G系统和网络的出现。然而，它们的广泛采用也引起了安全漏洞的担忧，因此开发可靠的入侵检测系统(IDS)对于确保无人机的安全和任务成功至关重要。本文提出了一种新的无人机网络IDS。采用二元组表示法对类别标签进行编码，并采用基于深度学习的方法进行分类。所提出的系统通过捕捉复杂的类别关系和时间网络模式来增强入侵检测。此外，还进行了不同无人机的共同特征的交叉相关研究，以排除可能误导所提出的IDS分类的相关特征。整个研究使用UAV-IDS-2020数据集进行，使用不同的评估指标评估了所提出的IDS的性能。实验结果突出了所提出的多类分类器模型的有效性，准确率达到95%。

本文旨在开发一种可靠的入侵检测系统(IDS)来确保无人机(UAV)的安全和任务成功。

本文提出了一种使用二元组表示类标签的IDS，并采用基于深度学习的方法进行分类，以捕捉复杂的类关系和时间网络模式。此外，还进行了不同UAV常见特征的交叉相关性研究，以排除可能误导IDS分类的相关特征。

本文使用UAV-IDS-2020数据集进行了全面的研究，并使用不同的评估指标评估了所提出的IDS的性能。实验结果表明，所提出的多类分类器模型具有95%的准确性。

最近的相关研究包括“无人机网络中的入侵检测：现状和未来方向”、“基于深度学习的无人机入侵检测系统”等。