[论文解读] A Survey of Security in UAVs and FANETs: Issues, Threats, Analysis of Attacks, and Solutions

Özlem Ceviz, Sevil Şen+1 more|arXiv (Cornell University)|Jun 25, 2023

UAV Applications and Optimization被引用 7

一句话总结

本综述对无人机（UAV）和移动自组织网络（FANET）中的安全挑战提供了全面分析，结合攻击面分析与四种路由攻击（黑洞、 sinkhole、下垂、泛洪）的真实世界仿真。它提出了威胁分类法，并评估了预防性和检测型对策，为保护动态、资源受限的无人机网络提供了可操作的研究方向。

ABSTRACT

Thanks to the rapidly developing technology, unmanned aerial vehicles (UAVs) are able to complete a number of tasks in cooperation with each other without need for human intervention. In recent years, UAVs, which are widely utilized in military missions, have begun to be deployed in civilian applications and mostly for commercial purposes. With their growing numbers and range of applications, UAVs are becoming more and more popular; on the other hand, they are also the target of various threats which can exploit various vulnerabilities of UAV systems in order to cause destructive effects. It is therefore critical that security is ensured for UAVs and the networks that provide communication between UAVs. This survey seeks to provide a comprehensive perspective on security within the domain of UAVs and Flying Ad Hoc Networks (FANETs). Our approach incorporates attack surface analysis and aligns it with the identification of potential threats. Additionally, we discuss countermeasures proposed in the existing literature in two categories: preventive and detection strategies. Our primary focus centers on the security challenges inherent to FANETs, acknowledging their susceptibility to insider threats due to their decentralized and dynamic nature. To provide a deeper understanding of these challenges, we simulate and analyze four distinct routing attacks on FANETs, using realistic parameters to evaluate their impact. Hence, this study transcends a standard review by integrating an attack analysis based on extensive simulations. Finally, we rigorously examine open issues, and propose research directions to guide future endeavors in this field.

研究动机与目标

• 基于无人机和FANET独特的系统与网络特性，识别并分析其攻击面。
• 基于攻击面分析构建的分类法，对无人机和FANET中的安全威胁进行分类。
• 在真实场景下仿真并评估四种主要路由攻击（黑洞、sinkhole、下垂、泛洪）的影响。
• 综述并分类现有针对无人机和FANET安全的预防性与检测型对策。
• 识别开放性问题，并为保障无人机辅助移动边缘计算及新兴技术的安全提出未来研究方向。

提出的方法

• 开展详细的攻击面分析，以映射无人机系统和FANET中的潜在漏洞。
• 基于识别出的攻击面入口点，开发攻击分类法，重点关注路由层威胁。
• 在FANET环境中，使用真实网络场景仿真四种特定路由攻击（黑洞、sinkhole、下垂、泛洪）。
• 从分组交付比、端到端延迟和吞吐量等方面，评估每种攻击的性能影响。
• 调查并分类现有安全解决方案，划分为预防性与检测型策略。
• 整合区块链、机器学习和数字孪生等新兴技术的洞察，以指导未来安全框架的设计。

实验结果

研究问题

• RQ1 由于无人机和FANET具有三维动态移动性和资源受限特性，其关键漏洞和攻击面组件是什么？
• RQ2 在真实操作场景中，特定路由攻击（黑洞、sinkhole、下垂、泛洪）如何影响FANET的性能？
• RQ3 现有预防性和检测型安全解决方案在无人机和FANET网络中的优势与局限性是什么？
• RQ4 数字孪生、区块链和机器学习等新兴技术如何增强无人机网络的安全性？
• RQ5 在保障无人机辅助移动边缘计算和FANET方面，关键的开放性问题与未来研究方向是什么？

主要发现

• 仿真结果表明，黑洞和sinkhole攻击在FANET中导致分组交付比最严重下降，并显著增加端到端延迟。
• 下垂和泛洪攻击严重破坏网络稳定性，其中泛洪攻击导致高控制开销并降低吞吐量。
• 预防性机制（如加密认证和安全路由协议）在缓解特定攻击类型方面表现有效，但在高移动性环境中面临可扩展性挑战。
• 基于机器学习的异常检测检测型方法在模拟FANET场景中表现出识别恶意行为的潜力，且误报率较低。
• 利用数字孪生对无人机系统建模，可实现早期故障检测并增强态势感知能力，尤其在连接中断期间效果显著。
• 现有标准（如JAUS、UASSC和PODIUM）对异构无人机系统支持有限，且缺乏全面的安全集成，凸显了关键的研究空白。