[論文レビュー] WHITE PAPER: Protecting GNSS Against Intentional Interference

Arul Elango, Ahmed Al-Tahmeesschi+3 more|arXiv (Cornell University)|Aug 24, 2022

GNSS positioning and interference被引用数 5

ひとこと要約

このホワイトペーパーは、GNSS干渉の検出および低減に関する最新の手法をレビューしており、従来の手法と機械学習ベースの手法を含む。主な焦点はリアルタイムRFI監視、ジャマーの指紋特定、およびシステム全体のレジリエンスに向けたものである。ARFIDAAS IIやSWEPOSといった低コストで多帯域のRFI検出システムを提示し、ヨーロッパ全域で5,000件を超えるRFIイベントを、サブバンド監視および位置特定機能を併用して効果的に検出した。

ABSTRACT

The vulnerabilities associated with modern systems relying on Global Navigation Satellite Systems (GNSS) due to intentional and unintentional interference is an increasing threat. Since radio frequency interference (RFI) significantly degrades the performance of a GNSS receiver. Several traditional critical applications such as aviation, maritime and rail transport systems to more recent applications such as autonomous vehicles, can be severely affected by such undetected nor mitigated RFIs. Moreover, critical infrastructures such as power supply and money transfer, are becoming more and more dependent on the accurate timing information provided by GNSS. Thus, interference detection and management techniques are crucial to be utilised in order to reduce interference effects. This paper offers a state-of-the-art review of several proposed methods for interference detection and mitigation with solutions ranging from traditional to machine learning-based approaches. In addition, to be able to characterise the RFI threats and develop mitigation techniques, it is essential to monitor RFI systematically and share recorded data with interested entities. Therefore, three GNSS threat monitoring systems are briefly described. This White paper is a compilation of the seminar presentations given at a seminar on "Protecting GNSS against intentional interference" in March 2022 in Finland.

研究の動機と目的

• ジャミングやスプーフィングを含む意図的なGNSS干渉の増加する脅威に対処し、重要なインフラや安全に依存するシステムに悪影響を及えることを防ぐ。
• 低コストでリアルタイムかつスケーラブルな監視ソリューションを対象とした、既存の干渉検出および低減技術におけるギャップを特定する。
• GNSS依存アプリケーションにおけるレジリエンス向上のため、体系的なRFI監視とデータ共有を促進する。
• 干渉源の特定に有効であるとされる、機械学習ベースの異常検出およびRF指紋特定技術の有効性を評価する。
• 低コストで多帯域のRFI監視システムの実用性と性能を、国家的および地域的展開の観点から実証する。

提案手法

• 主要なGNSS帯域（L1、L2、E5a/E5b、E6）をカバーする4つのチューナブルなサブバンドを対象に、同時に240 MHzのスペクトルを監視可能なカスタム低コストフロントエンドハードウェアを導入する。
• リアルタイム信号処理、トリガー、分析、アラート生成のため、市販のコンピューティングプラットフォームを活用し、RFIイベントの検出を実現する。
• 自己符号化器（autoencoders）を用いた機械学習ベースの異常検出を実装し、C/N₀データ内の連続波（CW）干渉パターンを特定する。
• ジャマーサイナールに起因する固有のハードウェア由来の歪みを検出するRF指紋特定技術を適用し、送信元の特定および位置特定を実現する。
• 複数GNSSおよび複数周波数の監視を統合することで、検出感度を向上させ、誤検出を低減する。
• CORSネットワーク（例：SWEPOS）や国家的地理空間ネットワークなどの既存インフラを活用し、監視カバレッジを拡大し、ニアリアルタイムでのアラート提供を可能にする。

実験結果

リサーチクエスチョン

• RQ1 複数の周波数帯域にわたり、従来手法と機械学習ベースの手法は、意図的なGNSS干渉の検出においてどの程度有効であるか？
• RQ2 低コストで多帯域のRFI監視システムは、リアルタイムでジャミングおよびスプーフィングイベントを検出し、特徴を特定できるか？
• RQ3 RF指紋特定技術は、信号歪みに基づいてGNSSジャマーサイナールの送信源を信頼性高く特定および位置特定できるか？
• RQ4 ARFIDAAS IIやSWEPOSのような高密度RFI監視ネットワークは、国家的および欧州レベルのレジリエンス向上に向け、スケーラビリティと展開可能性を有しているか？
• RQ5 複数GNSS監視システムは、干渉検出およびアラートの正確性と耐障害性をどの程度向上させるか？

主な発見

• 2019年から2021年の間、ノルウェー、フィンランド、チェコ共和国、オランダにまたがる11か所のARFIDAAS監視ステーションを用いて、1つ以上のGNSS信号帯域に影響を与える5,000件を超えるRFIイベントが検出された。
• ARFIDAAS IIシステムは、1ステーションあたり2,000ユーロ未満の総コストであり、フィンランド北西部での極地方での展開で5か月間で10件以上のRFIイベントを正常に検出した。
• SWEPOSネットワークインfraにより、C/N₀履歴を用いたGNSS干渉のニアリアルタイム検出が可能となり、規制当局への自動アラートが提供された。
• RF指紋特定技術は、ジャマーサイナールに特徴的なハードウェア由来の信号歪みに基づき、ジャマータイプの送信源を特定する可能性を示した。
• 機械学習ベースの自己符号化器は、GNSS信号データ内の連続波（CW）干渉を効果的に検出し、異常状態の早期認識を可能にした。
• 多帯域・多GNSS監視の統合により、複雑なRF環境下でも検出感度が向上し、誤検出が顕著に低減された。