数据驱动的低空监视网络安全威胁分析

张愉菲; 杨文彬; 傅军; 刘喜; 陈厅; 何孝游; 林汲

doi:10.20172/j.issn.2097-3136.250107

网络空间安全科学学报 >

2025 , Vol. 3 >Issue 1: 73 - 85

DOI: https://doi.org/10.20172/j.issn.2097-3136.250107

学术研究

数据驱动的低空监视网络安全威胁分析

张愉菲 ^,¹^,²^,* ,
杨文彬 ¹ ,
傅军 ¹ ,
刘喜 ¹ ,
陈厅 ² ,
何孝游 ¹ ,
林汲 ¹

展开

1. 中国移动（成都）产业研究院，成都 610000
2. 电子科技大学计算机科学与工程学院（网络空间安全学院），成都 610000

张愉菲（zhangyufei@cmii.chinamobile.com）。

网络出版日期: 2025-03-19

基金资助

国家重点研发计划项目（2022YFB3104500）

版权

收起

Analysis of data-driven cybersecurity threats in low-altitude surveillance networks

ZHANG Yufei ^,¹^,²^,* ,
YANG Wenbin ¹ ,
FU Jun ¹ ,
LIU Xi ¹ ,
CHEN Ting ² ,
HE Xiaoyou ¹ ,
LIN Ji ¹

Expand

1. China Mobile (Chengdu) Institute of Research and Development, Chengdu 610000, China
2. School of Computer Science and Engineering (School of Cyber Security) , University of Electronic Science and Technology of China, Chengdu 610000, China

Online published: 2025-03-19

Copyright

Fold

摘要

随着低空经济的快速发展，通信、导航与监视基础设施正在加速建设，确保低空空域的安全与有序发展成为重要任务。低空监视网络作为低空监管的核心技术支撑，其安全性直接影响低空空域的运行效率与稳定。需要对低空监视网络的安全进行深入分析，识别潜在的安全风险，为未来的系统设计与建设提供参考。首先，介绍了低空监视网络的发展现状，揭示了在低空管理与技术实施过程中存在的挑战。其次，对合作类目标监视和基于5G-A（5G-Advanced）的非合作目标感知架构进行了设备与数据资产识别，阐述了当前国内外针对这些资产的网络安全攻击研究进展，并基于数据安全威胁可能对低空监视能力造成的安全危害进行了详细分析。最后，对未来低空监视安全的研究方向进行了展望。

关键词： 低空经济; 低空监视; 网络安全; 无人机; 5G-A

本文引用格式

张愉菲 , 杨文彬 , 傅军 , 刘喜 , 陈厅 , 何孝游 , 林汲 . 数据驱动的低空监视网络安全威胁分析[J]. 网络空间安全科学学报, 2025 , 3(1) : 73 -85 . DOI: 10.20172/j.issn.2097-3136.250107

Abstract

With the rapid development of the low-altitude economy, the construction of communication, navigation, and surveillance infrastructure is accelerating, making the assurance of safe and orderly low-altitude operations a critical task. As the core technical support of the low-altitude supervision and management, the security of low-altitude surveillance networks directly affects the operational efficiency and stability of low-altitude airspace. It is essential to conduct an in-depth analysis of the security of the low-altitude surveillance networks, identifying potential risks and providing guidance for future system design and construction. Firstly, the current development situation of low-altitude surveillance networks was introduced, revealing the challenges in the process of low-altitude management and technology implementation. Secondly, the equipment and data assets for cooperative target surveillance and 5G-A (5G-Advanced)-based non-cooperative target perception architectures were identified, and the current research progress on cybersecurity attacks targeting these assets both domestically and internationally was discussed. Subsequently, a detailed analysis of the potential security threats posed by data security issues to low-altitude surveillance capabilities was presented, followed by an exploration of the future research directions in low-altitude surveillance security.

Key words： low-altitude economy; low-altitude regulation; cybersecurity; drones; 5G-A

0 引言

随着高端制造、人工智能等技术的快速发展，无人机在城市交通、物流、应急和文旅等领域的应用日益广泛，低空经济成为前景广阔的战略性新兴产业。2021年，中共中央、国务院印发了《国家综合立体交通网规划纲要》，首次将“低空经济”的概念写入国家规划，明确提出要发展低空经济。这一政策的出台为我国低空经济产业的发展提供了重要的政策支持和引导。随后，各类无人机企业纷纷涌现，市场迅速发展，无人机产业成为低空经济发展的重要引擎。2023年12月11日，中央经济工作会议将低空经济提升至战略性新兴产业的高度。同年12月21日全国工业和信息化工作会议提出打造低空经济等新的增长点。2024年1月1日，《无人驾驶航空器飞行管理暂行条例》施行（以下简称《条例》），这标志着我国无人机产业将进入“有法可依”的规范化发展新阶段。

随着低空经济应用场景的多元化，低空信息服务的需求也日益增长，主要体现在以下三个方面：一是低空通信需求，主要是面向广域超视距的无人机数据和图像传输需求；二是飞行导航需求，主要是面向广域高精度的无人机定位需求；三是空域监管需求，主要是面向广域全类型的无人机感知与管控需求。这三大需求共同推动低空信息服务行业不断发展，为低空经济的繁荣注入强大的动力与活力^[1-4]。

安全可控是低空经济健康发展的前提，随着低空经济应用场景的多样化和低空飞行器数量的增加，世界各国都在积极推进低空监管系统的建设。2013年，美国国家航空航天局（National Aeronautics and Space Administration，NASA）提出了无人机交通管理系统（Unmanned Aircraft System Traffic Management System，UTM）概念框架，用于支持无人机在低空空域的运行^[5-6]。2016年，欧盟提出了U-space的概念，旨在创建一个全新的体系，以支撑无人机的大规模安全与高效运行，并确保其能够顺利融入空域。该体系期望为无人机与其他空域使用者之间的有效交互提供框架，同时建立与政府监管机构沟通与协作的平台。2018年，中国民用航空局民用无人机空管信息服务系统（Unmanned Aircraft System Traffic Management Information Service System，UTMISS）正式在深圳地区试点运行。2024年，无人驾驶航空器一体化综合监管服务平台（原民用无人驾驶航空器综合管理平台，Civil Unmanned Aircraft Operation Management Platform，UOM）正式上线，对全国无人驾驶航空器实施动态监管与服务。当前，国家级的UOM管理系统已完成构建，但市区级的无人驾驶航空服务提供方（Unmanned Aircraft System Service Supplier，USS）仍然紧缺，未来或采用UOM-USS体系。

随着低空无人机数量的增加，交通管理系统的重要性愈发凸显，尤其是在城市空域，其一旦遭受破坏可能会导致严重的经济损失甚至是人员伤亡，现有研究对无人机空中管理系统的安全问题进行了探讨。 Sidorov 等^[7]从资产角度对无人空中交通管理系统的网络威胁进行了全面分析，指出系统在设计阶段就应当充分考虑网络安全问题，否则这些威胁可能会导致无人机空中交通的部分或全部中断，或者出现为非法无人机批准飞行计划、解除地理围栏等问题。Sampigethaya等^[8]分别从网络攻击、物理攻击和信息物理攻击三个角度进行了威胁分析，认为攻击者对UTM攻击的目标是降低无人机运行安全和效率，扰乱无人机运营商业务并引发公共安全问题。

对于监管系统而言，“看得见”是“管得住”的前提条件，虽然政策要求无人机应当按照规定广播和主动报送飞行动态信息进行统一纳管，但是一方面存在非合作目标静默飞行，另一方面合作类无人机可能遭受网络安全攻击，导致上报的数据不可信^[9]。已有研究人员意识到这一威胁，Fas-Millán等^[10]利用机器学习进行威胁识别，检测飞行期间上报数据被篡改或者不可用的情况，期望能够快速发现无人机向UTM报告位置时遭受攻击的情况。

综上，低空监管系统是低空经济安全可靠发展的关键，能够实现对低空航空器的实时监控、航路划设、冲突解决等功能，提高空域管理的智能化水平。但是其一旦遭遇安全攻击，可能会造成巨大的损失。而作为监管系统主要基础设施之一的低空监视网络，是安全保障的重要目标。当前，低空经济发展的相关设施仍在建设当中，需要同步开展对网络安全问题的分析和探讨，为后续学者的研究方向和产业界的产品设计提供参考，共同构建安全可靠的未来低空产业。

本文介绍了低空监视网络的发展现状与挑战，分析了低空监视网络面临的安全威胁及影响，展望了未来低空管控安全的研究方向。

1 低空监视网络发展现状与挑战

在低空空域逐渐开放的背景下，低空经济的秩序维护变得尤为重要。相关部门，包括公安、民航、军队、交通局等，正面临日益增长的无人机监管挑战。这些挑战主要体现在以下几个关键场景：关键区域的安全防护、机场跑道的安全监控、物流航线的有效监视等。最终目标是实现对低空空域的全方位监控，确保低空空域的安全与有序开放。

2019年11月，中国民用航空局空管行业管理办公室发布了《轻小型民用无人机飞行动态数据管理规定》，要求轻型、小型和植保无人驾驶航空器联网实时上报飞行动态数据到UOM。

2022年3月，中国民用航空局空管行业管理办公室进一步梳理了无人机运行识别的各种场景，发布了《民用微轻小型无人驾驶航空器系统运行识别概念（暂行）》，要求无人驾驶航空器在运行过程中，运行人应采用必要的传输方式上报运行识别数据，确保无人驾驶航空器被可靠监视和识别。

2023年5月，国家市场监督管理总局（标准委）发布了第一个针对无人驾驶航空器领域的国家强制性标准《民用无人驾驶航空器系统安全要求》，规定微型、轻型和小型无人驾驶航空器在飞行过程中通过Wi-Fi或者蓝牙自动广播识别信息，轻型、小型无人驾驶航空器应当通过网络主动向监管服务平台报送识别信息。

2024年1月3日，中华人民共和国交通运输部公布了《民用无人驾驶航空器运行安全管理规则》，要求运行人确保其使用的无人驾驶航空器按照要求广播和报送数据，且运行时不得关闭报送功能。1月16日，中国民用航空局正式下发了《民用微轻小型无人驾驶航空器运行识别最低性能要求（试行）》，详细规定了广播式运行识别与网络式运行识别的报文内容、格式和功能性能要求等，填补了国内在微轻小型无人驾驶航空器监视领域的空白。同年7月，中国民用航空局航空器适航审定司下发了《中型民用无人驾驶航空器系统适航标准及符合性指导材料（试行）》，要求进行飞行试验，测试无人机的空域被监视能力。

2024年11月11日，低空产业联盟牵头发布了《低空智能网联体系参考架构（2024版）》，提出了机载终端与基础设施、数据与服务支撑、应用系统三个核心层次，以及标准与安全两个关键体系。在应用系统层，提出了低空运营管理、交通管理和服务、监管三大系统，实现了运行控制、空域与气象管理、交通管制、身份认证与违法处置等能力，全方位覆盖了低空运行与管控的需求。在机载终端与基础设施层，提出了低空智能载具应当具备被感知和被管理的能力，能够搭载感知与识别设备，主动报送信息使得自身能够被周边飞行器和地面监视基础设施感知，并且需要响应运行管理的指令，完成航线或者飞行状态的调整。在信息物理基础设施方面，需要构建低空监视基础设施，针对合作目标和非合作目标分别构建身份识别接收设备和探测跟踪设备。此外，低空反制设备可用于对非法入侵无人机的干扰和处置。在数据与服务支撑层，提出了监视数据应当使用标准化数据格式，确保不同监视设备的数据统一，并实现多源数据融合。

2024年11月15日，中国民用航空局发布了《关于发布民用无人驾驶航空器飞行动态数据报送要求的公告》，要求轻型、小型、中型、大型民用无人驾驶航空器应当向无人驾驶航空器一体化综合监管服务平台联网报送飞行动态数据。

2025年2月12日，中国民用航空局发布了《关于征求强制性国家标准<民用无人驾驶航空器系统运行识别规范（征求意见稿）>意见的函》，该标准适用于民用无人驾驶航空器系统、运行识别专用接收设备，以及用于运行识别的网络链路的设计、生产、制造、检测等。

低空监视的目标可以分为合作和非合作两种类型。本文将主动广播/联网报送飞行动态数据的无人机定义为合作类目标，而将未获飞行许可且飞行信息隐蔽的无人机定义为非合作类目标。

对于合作类无人机，监管的重点是确保其合法合规的飞行行为，包括对已注册无人机的实时监视，确认它们是否遵循预定空域和规定参数飞行。通过精确感知无人机的实时位置、高度、航向和速度等关键信息，并将这些数据反馈至管控平台，监管部门能够对无人机的飞行状态进行细致的监控。此外，通过对空域内无人机飞行数据的统计与深入分析，监管部门能够进一步优化管控与调度策略，保障飞行活动的有序性和可控性。

在非合作类无人机的监管方面，探测与反制是核心任务^[11]。监管部门必须能够及时发现并预警那些未经许可的非法入侵行为，即“黑飞”^[12-14]。通过先进的探测技术进行监测，一旦监测到非法无人机的存在，系统将迅速向相关管理部门发出警报，以便采取紧急措施，确保空域安全不受威胁^[15]。

表1详细列出了低空监视的感知指标需求，这些指标是实现有效监管的技术基础，包括但不限于感知雷达截面积（Radar Cross Section，RCS）、漏检率、虚警率、感知高度、感知速度、距离分辨率以及感知精度等关键参数^[16]。下列指标表明，低空监管系统在感知精度、探测能力等方面有较高的技术要求，需要进行多传感器数据共享和融合，这一过程涉及大量数据的采集和传输，潜在的安全威胁可能导致数据泄露或篡改，从而对低空监视能力造成安全隐患。因此，有必要开展安全威胁分析，以识别潜在风险并为后续的安全防护措施提供理论参考。

表 1 感知指标需求

Table 1 Perception indicator requirements

指标	数值
指标	合作类	非合作类
感知RCS	0.01~2 m²	0.01~2 m²
漏检率	≤5%	≤5%
虚警率	≤5%	≤5%
感知高度	300 m	300 m
感知速度	≥10 km/h	5~100 km/h
距离分辨率	10 m	10 m
感知精度（水平/垂直）	≤10 m	≤20 m

1.1 合作类目标监视

在进行飞行活动前，民用无人驾驶航空器所有者应当依法进行实名登记，除另有规定外，飞行活动需要按照规定向空中交通管理机构提出申请。《条例》将无人驾驶航空器从微型到大型分为五类，除微型以外的无人驾驶航空器实施飞行活动，应当按照国家有关规定主动报送识别信息。微型、轻型、小型无人驾驶航空器在飞行过程中应当广播式自动发送识别信息。在五类航空器中，微型、轻型、小型三类按照规定不应使用广播式自动相关监视（Automatic Dependent Surveillance-Broadcast，ADS-B）发射机进行广播^[17]。微型、轻型、小型无人驾驶航空器可以使用蓝牙或无线宽带接入模式进行广播，执法者等地面观测者可以利用接收设备直接获取无人机的飞行动态信息。监视数据的联网上报则可以分为有线和无线两种方式，其中，无人驾驶航空器可搭载蜂窝通信模块或使用卫星通信，在符合我国无线电管理相关法规的前提下进行无线网络传输。此外，监管服务平台具备空中交通服务功能，除了飞行动态监视，还具备推送空中交通态势等信息的能力。

1.2 非合作类目标监视

对于不主动上报位置等关键运行信息的无人机，可以利用监视设备进行探测和跟踪。目前，监视非合作类无人机的经典设备，包括低慢雷达、频谱到达时间差（Time Difference of Arrival，TDOA）设备、协议破解设备等^[18-21]。这些设备能够对低空无人机的一类或多类物理特征进行检测，它们的原理、应用场景和缺点总结如表2所示^[22-25]。

表 2 常见低空感知设备对比

Table 2 Comparison of common low-altitude sensing devices

内容	低空感知设备
内容	低空雷达	无线电定位设备	协议破解设备	光学跟踪设备
原理	主动反射电磁波，反射定位	接收测控电磁信号，进行测向或时差定位	逆向解码，破解协议	视频跟踪，图像识别
应用场景	高、开阔地；重要区域互补	低预算，城区网格化	临时保障；要地辅助	只适合特殊区域
缺点	连续辐射，对环境有电磁污染；单站存在显著盲区，组网困难	对无线电静默状态无人机无法探测；易受环境多径效应的影响；需要提前选择检测频段	支持部分大疆等品牌机型，对未知或非标协议的无人机无法探测；存在可用时效问题	受天候影响较大；性能与价格无法平衡；无法独立探测，需要引导手段

5G-A（5G-Advanced）引入的通信和感知一体化能力（Integrated Sensing and Communication，ISAC）为低空监视带来新的技术机遇。通信与感知一体化技术的原理是，将传统通信系统与雷达感知功能相结合，利用共享的频谱资源和硬件设施，实现信息传输与环境感知的双重功能，以及全场景立体组网覆盖，结合大网智算优势，可实现智能化的感知。此外，还具备站址资源丰富、运维体系成熟、对环境友好等优点。

通感一体化技术通过在现有通信基站上集成雷达感知功能，实现了通信与感知的无缝融合，为低空监视提供了一种经济高效的解决方案。随着技术的不断进步，通感一体化技术有望在未来的低空空域管理中扮演更加关键的角色。

1.3 低空监视网络面临的挑战

当前，低空监视基础设施仍在建设阶段，合作和非合作目标监视能力的提升仍面临诸多挑战。

合作类目标监视：随着无人机飞行规模的扩大和飞行模式的多样化，如何处理空域内有人机与无人机的融合飞行问题成为一项严峻的挑战。在有人机与无人机共存的空域中，两者通常依赖不同的通信协议和控制平台，当前的监管手段尚未实现有效的融合。其次，在低空空域的管理中，空域的网格化、风险评估、低空航路的划设是保障飞行安全、提高空域利用效率、降低事故风险的重要技术手段，是确保推动低空空域有序开放的关键。随着低空经济的发展，无人机飞行任务日益复杂，空域需求愈加多样，相关技术的创新与突破显得愈加迫切。为了应对这一挑战，必须加快关键技术的攻关步伐，以确保低空空域的安全、高效与可持续管理。

非合作类目标监视：从表2可以看到，现有技术手段存在差异和不足，单一手段难以构建多维立体的高质量低空监视网络。对于低空探测商用场景，多技术融合是客户需求和业界共识。通过以5G-A通感一体化技术为主，融合多种探测技术，进行多维数据融合，对不同技术手段取长补短，提高系统综合性能，形成全面智能化的低空探测方案，有利于实现低空监管“看得到、连得上、定得准、找得到、管得住、罚得了”的目标。

2 合作类目标监视安全威胁分析

2.1 资产识别

2.1.1 设备与网络资产

为实现对合作类无人机的监视，对低空空域进行有效监管，以下是关键的功能模块。

（1）数据采集与存储模块：该模块主要负责采集和存储无人机的身份信息和飞行动态信息。数据采集依赖各种传感器，如全球导航卫星系统、气压计等，这些传感器能够精确记录无人机的位置、高度以及其他飞行状态参数。根据设计的不同，传感器可以分为集成式和独立式两种类型。集成式传感器直接嵌入无人机系统中，而独立式传感器则可以在不依赖无人机原有系统的情况下自主工作，适用于复杂环境下飞行动态数据的采集。此外，考虑到通信可能因客观条件暂时中断的情况，模块需要具备数据存储功能，确保所有飞行数据能够在通信恢复后完整补报。无人机的飞控系统和地面控制平台也是数据存储的重要单元，它们共同保障飞行数据的安全性和完整性。

（2）数据传输模块：数据传输模块负责从采集模块接收数据，并通过多种技术实现高效、可靠的数据传输。包括使用蓝牙等设备进行实时广播，使得无人机的位置和飞行状态信息能够被其他空中用户及地面端接收，以及通过蜂窝、有线网络将数据联网上报至监管平台。

（3）数据接收与处理模块：监管服务平台接收大量飞行态势数据，并对其进行高效处理。通过对空中交通状况的实时监控，平台能够迅速做出响应，保障低空空域的安全运行。同时，该模块还向无人机反馈交通态势、发送通知公告等信息，维持整个系统的有序运作。未来在智能算法的支持下，该模块还可以提供交通态势预测和优化建议，进一步提升低空空域管理的效率和安全性。

2.1.2 数据资产

数据是应用的基础，依据UOM接口标准^[26]，无人机和地面运行控制系统与监管服务平台交互的数据资产呈现不同的特征，如表3所示。无人机主要传输的是飞行动态信息，包括位置、速度、高度等实时飞行参数。相比之下，地面站与监管平台之间的数据交换更为丰富多元。

表 3 合作类监视数据

Table 3 Cooperative surveillance data

数据流方向	无人机链路	地面运行控制系统链路	具体参数
上行	飞行动态	飞行动态	实名登记号、时间、位置及姿态等
	—	空域申请	申请者、申请空域、飞行任务性质等
	—	飞行计划提交	计划时段、计划空域等
	—	放飞确认	放飞空域、确认来源等
	—	飞行申请状态查询	申请流水号和查询信息类型
下行	适飞空域	适飞空域	适飞空域及更新时间
	交通态势	交通态势	周边无人机飞行动态（5 km）、周围天气
	通知公告	通知公告	标题、内容等
	—	文件传输	请求文件类型等

在上行数据方面，除了无人机的飞行动态信息外，地面运行控制系统还涉及空域申请、飞行计划提交及飞行申请状态查询等其他业务数据。这些数据不仅记录了每次飞行活动的规划和执行情况，还反映了空中交通管理的需求和响应流程，是确保低空空域有序运作的重要数据资产。

在下行数据方面，数据流动基于请求-响应模式，无人机通过分配的key值向监管服务平台请求特定数据，而监管服务平台则根据请求提供相应信息。这一过程中的数据资产主要包括适飞空域、交通态势和气象、通知等信息。对于地面运行控制系统而言，其下行通道还包括文件传输请求，允许下载各类支持文件，进一步丰富了系统间交互的数据种类。

综上所述，无人机与地面运行控制系统所涉及的数据资产涵盖了从基础飞行动态到复杂的业务管理和态势信息等多个层面，这些数据不仅是实现高效低空空域监管的关键，也为后续的数据分析和决策支持奠定了坚实的基础。

2.2 威胁分析

低空监视运行数据的运用对于空中交通管理至关重要。通过此类数据，空中交通管制部门能够评估和综合分析飞行器的位置信息，获得监视对象的身份确认资料，洞悉航空器的移动路径及其操作意图，并监控航空器之间的间距等动态状况。此外，这些信息还支撑飞行安全预警机制、空域风险评估等一系列相关应用，从而全面增强空中交通安全保障体系，促进空中交通运作效率的提升，以及强化航空活动的安全性和效能。然而，在数据采集与传输的过程中，监视数据面临多种安全威胁。

机载传感器是数据采集的核心部件，现有研究证明，无人机传感器除了在数据传输阶段可能遭受攻击，其本身同样面临安全威胁。Basan等^[27]指出，民用全球定位系统（Global Positioning System，GPS）极易遭受欺骗攻击，研究人员通过使用HackRF设备创建更高功率的虚假卫星进行攻击实验，发现该攻击可以导致无人机的飞行高度、GPS噪声水平、记录的卫星数量、电池功耗水平和CPU利用率等一系列参数发生变化。He等^[28]提出了一种自适应算法，根据无人机的反应不断生成位置欺骗信号，发起GPS欺骗攻击。在真实世界环境下，无人机软件和其他导航辅助设备相互作用，Sathaye等^[29]使用商用无人机验证利用GPS欺骗完全劫持无人机的可行性，结果发现无人机所配备的传感器组合使得攻击者极难将欺骗攻击转化为对无人机的完全控制，但是商用无人机仍然容易受到GPS欺骗的影响，可能导致被迫坠毁或偏离航线。Boukabou等^[30]研究了针对惯性测量单元（Inertial Measurement Unit，IMU）的有意电磁干扰攻击（Intentional Electromagnetic Interference，IEMI），指出IEMI可以干扰传感器测量方向和运动的能力，导致数据出现偏差。Wei等^[31]通过将攻击代码注入无人机飞行控制软件来模拟对陀螺仪、加速度计、气压计和 GPS 的攻击。该工作表明，通过入侵无人机飞控系统，引入虚假数据或破坏正常数据，同样可以达到传感器攻击的目标。而飞控系统并非坚不可摧，著名的Maldrone攻击程序可以让攻击者入侵无人机并安装后门，夺取控制权限^[17]。Wei等^[32]指出无人机可能遭受拒绝服务（Denial of Service，DoS）攻击，一方面通过对无人机系统发送过量请求造成网络拥塞或资源耗尽，另一方面通过对物理部件进行攻击导致电机停机。无人机的地面控制终端具备控制无人机运行的能力，同时可以将无人机的飞行动态信息存储并通过网络传输到监管服务平台。由于软件系统的特性，传统的恶意软件威胁仍然适用于地面控制站（Ground Control Station，GCS），应当提高对GCS网络安全问题的重视，对漏洞和固件进行控制，曾有键盘木马病毒入侵到美国空军基地控制站中，记录无人机与地面站的交互指令^[33]。此外，有研究发现，无人机信号传输模块未采用严格的加密技术，攻击者可利用该问题断开控制站与无人机的连接^[17]。

无人机的网络传输较为复杂，包含无人机-无人机、无人机-地面终端、无人机-监管平台，以及地面终端-监管平台的数据传输。通信网络可能遭受窃听、干扰、DoS、劫持和欺骗攻击，导致数据丢失、完整性被破坏、网络延迟或不可用以及身份绕过等后果^[34-36]。Rugo等^[33]指出，在自组织网络中插入流氓无人机可能导致流量重定向，替换掉合法设备，发送虚假数据。Guo等^[37]指出，无人机网络可能遭受重放攻击和中间人攻击，前者甚至可以重放过去的视频流给操作员进行欺骗，后者可以实现数据的篡改和无人机劫持。文献[38]对基于Wi-Fi的无人机的DoS攻击进行了分析，针对TCP/UDP协议的泛洪攻击和IEEE 802.11协议的解除认证攻击，分别进行了数据采集和攻击检测算法的验证。Amponis等^[39]针对5G核心内部的分组转发控制协议进行攻击，能够破坏已建立的5G隧道，并模拟阻断了无人机群的连接。2019年，黑帽大会上研究人员分享了针对5G网络的三种类型攻击，可以实现移动网络映射、对目标设备发起电池耗尽攻击等。Apruzzese等^[40]利用机器学习的对抗样本对5G网络进行攻击，可以拖慢甚至终止网络中的数据传输。

现有研究表明，合作类目标监视的各个环节均面临网络安全威胁，可以导致监视数据被篡改或者丢失。数据安全问题将影响空中交通管制部门对空域态势的正确评估，还可能引发一系列连锁反应，如决策失误、飞行安全风险增加、空中交通效率下降等^[41]。

（1）上行链路的安全威胁

无人机失踪。对无人机飞控系统或地面运行控制系统发动DoS攻击，或干扰无人机与监管平台的通信，可能导致监管系统无法有效追踪和监控无人机。尤其在低空经济快速发展的背景下，无人机数量激增，单个无人机失踪往往不易被察觉。监管系统可能因未能及时识别个体异常，无法迅速评估潜在的风险，这种情况在复杂飞行环境中尤为明显。失踪的无人机短期内可能不会直接威胁空域安全，但如果长时间失联甚至被恶意控制，攻击者可能利用这段时间改变其飞行路径进入禁飞区，窃取信息，甚至实施物理攻击。这种“隐身”状态进一步加剧了监管的难度，增加了低空空域管理的挑战。

虚假无人机注入。攻击者可以通过向监管平台注入虚假数据，制造“幽灵”无人机。这些虚假目标会伪装成真实的飞行器，扰乱空域中的交通态势，误导低空监管系统。此类攻击不仅会导致系统中数据不一致，影响无人机的实时监测，还可能干扰其他飞行器的飞行决策，造成航道拥堵或碰撞风险。在大规模无人机运行的环境中，这种“幽灵”无人机的注入往往不易察觉，增加了系统对潜在风险的识别和响应难度，从而影响空域的安全性和管理效率。

资源浪费。若攻击者篡改飞行动态数据，那么可能导致空域监管系统产生错误的判断，进而导致资源浪费。具体来说，系统可能自动触发不必要的预警或安全响应，或误导监管人员做出错误决策。例如，系统可能错误地认为某架无人机正在进入禁飞区，从而启动过度的应急响应，浪费资源或造成不必要的飞行中断。

轨迹伪造。无人机被劫持或发生异常时，攻击者可能篡改其数据上报内容，生成虚假的飞行轨迹，从而掩盖实际情况。对于超视距飞行的无人机，这种伪造轨迹尤其具备隐蔽性，因为运营者难以通过直接观察发现异常。虚假数据使得监管平台和运营方在一定时间内无法察觉问题，错过了有效干预的时机。这种行为不仅增加了空域安全管理的复杂性，还延缓了对潜在威胁的识别与应对，可能造成更严重的后果。

（2）下行链路的安全威胁

飞行区域误导。通过篡改适飞空域的数据，攻击者能够误导无人机进入禁飞区或其他受限区域，造成严重的安全隐患。

气象误导。气象数据是无人机飞行安全的重要决策依据，特别是在面对复杂天气条件时，准确的气象信息至关重要。若攻击者能够篡改气象数据，向无人机提供虚假的天气信息，那么可能导致运营方做出错误决策，如让无人机在恶劣天气条件下继续飞行。这样的决策失误极可能导致无人机发生意外，如因恶劣天气引发的飞行失控、坠毁等事故，从而对人员安全和财产造成严重损失。

交通态势误导。通过伪装监管服务平台或篡改交通态势数据，攻击者可能向无人机发送错误的交通信息。这种虚假数据的注入会误导无人机的飞行路径，使其进入不安全的空域，或无法准确识别真实威胁，从而无法进行有效应对。例如，攻击者通过伪造交通数据引导无人机进入可能与其他飞行器发生冲突的区域，导致空域安全风险增加。

航路误导。未来的低空监管系统将包含更多维度的信息资产，航路数据是重要组成之一。航路数据将为监管平台提供飞行器的实时飞行路径、预定航线以及飞行计划，确保各类飞行器能够在有限的空域资源中有序、高效地分布。通过篡改航路数据，攻击者可以诱导无人机走向错误的航道，甚至直接劫持无人机。这种数据篡改使得无人机依赖虚假的航路信息进行飞行，从而可能进入受限空域、高风险空域或发生与其他飞行器的碰撞。这种攻击不仅会导致无人机的飞行安全受到威胁，还可能增加空域的管理难度，给监管方带来较大的应急响应压力。

3 基于5G-A的非合作类目标感知威胁分析

5G-A是对5G能力的增强与扩展，其通感一体技术支持目标识别、轨迹跟踪、“黑飞”无人机入侵检测等功能，具备可连片组网和性价比高的优势。低空雷达等设备与5G-A通感基站在信号处理流程上具有相似性，均涉及信号接收、处理、目标特征提取及轨迹生成等多个阶段。本文以5G-A通感一体技术为例，分析数据安全问题对非合作目标感知造成的潜在威胁。

3.1 资产识别

3.1.1 设备与网络资产

5G-A感知架构中的资产组成主要包括5G-A基站、感知功能（Sensing Function，SF）模块、感知网络开放功能（Network Exposure Function，NEF）网元、应用功能（Application Function，AF）模块^[42]。

随着 5G 技术的不断发展，现阶段需要持续推进 5G-A 阶段进行基于5G 架构的通感融合研究。目前，为满足用户对通感能力引入网络的迫切需求，在部署逻辑上，感知控制面功能、感知用户面功能和感知存储功能可独立部署，也可以集中部署。放眼未来，在通感网络中进一步引入感知NEF网元，实现感知能力的统一开放。未来通信和感知一体化的新组网架构如图1所示^[43]。

显示原图|下载原图ZIP|生成PPT

图 1 未来通信和感知一体化的新架构

Fig.1 New architecture for integrated sensing and communication in the future

（1）5G-A基站引入了感知能力，在引入新的天线设计的同时，也引入了新的网络组件。

（2）SF组件集成了感知控制和数据功能，数据功能负责接收、汇集和智能化处理感知数据；感知控制功能负责感知业务的开启和感知节点拓扑关系的规划。

（3）NEF是第三代合作伙伴计划（3rd Generation Partnership Project，3GPP）5G核心网架构中的一个网元，它的作用是为第三方应用和服务提供对5G网络功能的访问^[44-45]。感知NEF网元应该位于5G核心网中，与其他核心网元协同工作。

（4）AF组件是应用的平台，它具有完成数据搜集、转发和展示的功能。此外，其包含智能化的多源数据处理中心组件，可实现光电、频谱、雷达等探测手段的深度融合。结合人工智能技术，可实现态势判断的功能。

3.1.2 数据资产

5G-A凭借其大带宽、高速率和低时延特性，以及在空间感知领域的独特优势，成为新一代通信系统的核心技术。5G-A通过对环境信号的高效接收、处理和分析，生成丰富的感知数据资产。为了全面分析、管理和使用5G-A中的数据资产，本文提出了一种数据分级分类的五级模型，该模型从5G-A感知数据的分析中得出。如图2所示，在金字塔中，下一层在上一层的基础上逐级增加数据。

显示原图|下载原图ZIP|生成PPT

图 2 5G-A感知数据分级分类五级模型

Fig.2 5-level model for 5G-A perception data hierarchical classification

一般地，5G-A数据处理流程和雷达的数据处理流程类似，涉及多个关键步骤和数据。以下是从接收信号到生成轨迹的主要步骤和涉及的数据^[46-48]：

（1）数据采集。5G-A系统接收来自目标的回波信号，这些信号包含目标的距离、速度、角度等。对接收到的信号进行去噪和增强处理，以提高信噪比和抑制干扰。

（2）感知谱检测。利用匹配滤波变换等相干累积手段来获得回波信号的谱。应用恒虚警率（Constant False-Alarm Rate，CFAR）等算法来检测谱中的目标，从而形成稀疏的谱，检测过程中可能会产生随机虚警、杂波、干扰目标等，需要对这些情况进行处理。

（3）目标提取。从高于恒虚警的检测点中获得点云，对点云进行聚类和识别，从而对环境杂波进行识别和抑制，确定目标和质信，并提取特征（如距离、速度、角度）和目标的RCS等关键信息。

（4）航迹生成。将目标在不同时间点上的位置（或状态）关联起来，构成一条连续的轨迹。通过卡尔曼滤波等方法对轨迹进行平滑和优化，提高轨迹的精确性和稳定性。

（5）跨站去重。将多个基站探测到的轨迹进行去重，这些操作包括轨迹间的合并、接续。

（6）轨迹输出。将去重后的轨迹经由SF输出。

通过数据分级分类模型，可以更清晰地识别和管理5G-A架构中的关键数据资产，从而优化数据开放与共享的机制。5G-A作为当今通信与感知融合领域的最前沿技术，不仅具备非合作无人机探测的卓越性能，还通过系统化的数据资产管理为多样化的应用场景提供了强大的技术保障。

3.2 威胁分析

在非合作目标的监视架构中，AF作为数据汇聚、融合与转发的应用平台，除了接收来自核心网的感知数据，还会进一步开放对其他探测设备数据的接入，其暴露面较为广泛。另外，AF利用人工智能（Artificial Intelligence，AI）技术对感知能力进行增强，同时需要应对智能化的安全风险，面临如对抗样本等潜在威胁。在基站和核心网层面，邵晓萌等^[49]针对核心网列举了信令风暴、网络切片、虚拟化等6种攻击技术，它们可导致基站及核心网资源不可用，或者造成数据泄露和篡改等问题。空口安全威胁包括伪基站、射频和无线干扰、频谱资源占用等。王瀚洲等^[50]对核心网、接入网与承载网的安全挑战进行了总结，指出核心网面临的安全威胁可以划分为通用网元功能和核心网切片两方面，存在网络功能开放、漫游安全、切片网元数据隔离失效等漏洞。空口的异常请求则可能导致基站拒绝服务，Park等^[51]通过实验测试证明了DoS攻击可以对5G-A网络产生负面影响。Woo等^[52]基于开源实现，利用网络中存在的漏洞，对5G-A核心网进行了基于场景的数据劫持模拟攻击。

感知数据的泄露、篡改和丢失，会给非合作无人机的监管带来不同程度的困扰，非合作无人机感知安全威胁总结如表4所示。需要说明的是，由于每一级数据是在上一级基础上递增的，因此威胁也呈现递增的状态。

表 4 非合作无人机感知安全威胁

Table 4 Cybersecurity threats to the perception capabilities of non-cooperative UAVs

数据类型	用途	安全威胁
简单轨迹	提供最基础的轨迹信息，适用于广泛的低空安防监管需求	虚警、漏报、感知态势泄露
多站信息	面向应用的融合，提供多设备低空监视能力	攻击者可获取突破防区的方法，造成数据间矛盾，改变多站融合置信度
轨迹方差	方差可以作为推理轨迹质量判断的依据，面向更高精度的大范围的系统监管体系	攻击者可据此调整飞行轨迹，使得跟踪性能变差
点云特征	从电磁成像角度进一步降低虚警，应用于低空目标识别和反制	攻击者可据此找到欺骗目标识别的方法等
感知谱信息	用于从源头上改善数据质量，提升系统的性能；能获取环境杂波统计特性，优化检测器相关参数，进行故障分析等	找到规避感知或干扰基站工作的方法

（1）简单轨迹。在低空空域管理中，轨迹数据的准确性至关重要。首先，数据篡改或丢失会直接对飞行器的安全性和监管效率构成严重威胁。对于非合作无人机而言，“隐身”是其主要目的之一，通过隐藏飞行轨迹、避开监管系统的监控，非合作无人机可以避免被检测和干预。其次，数据篡改或丢失也可能导致虚警的出现，误判非合作目标或正常飞行器的行为会给空域监管人员带来不必要的困扰，影响其对真实威胁的有效识别和响应。此外，还会导致空域安全风险评估的准确度降低。第三，如果相关的感知态势数据泄露，那么可能会辅助攻击者判断出监管方的部署和监控模式。

（2）多站信息。数据泄露可能暴露监测站点的覆盖能力和感知水平。每个监测站点的感知范围、监控能力和覆盖区域是空域安全防护体系的重要组成部分。如果这些敏感数据泄露，那么攻击者能够全面了解每个监测站的相关参数，通过这些信息攻击者可以有针对性地规避或突破监管方的防范。例如，攻击者可能发现某些监测站的覆盖盲区，或者利用特定站点感知能力较弱的时段或区域进行飞行。了解监测站点的部署情况后，攻击者可以更加精准地调整飞行轨迹，避开重点监控区域，从而提高突破防区的成功率。另外，数据篡改可能导致信息之间的不一致性和矛盾。在多站信息融合过程中，多个站点的数据需要进行对比和合成，以得到统一的空域感知结果。然而，一旦数据被篡改，可能导致不同站点的信息出现矛盾，从而影响最终的监控结果。例如，攻击者通过篡改某个站点的感知数据，使其显示空域内没有目标存在，而实际上目标已经进入该区域。这种数据不一致将影响多站融合后的置信度评估，可能使监管方无法准确识别威胁，甚至导致错误的空域管理决策。这种篡改所带来的虚假信息将严重干扰监管人员的判断。

（3）轨迹方差。轨迹方差反映了监测系统对目标位置的不确定性，数据泄露可以导致攻击者获知滤波算法的性能边界。攻击者可以根据这一信息，采用策略性手段使目标轨迹超出滤波器的预设处理能力。例如，攻击者可以通过变换目标飞行的速度、方向或高度，故意制造复杂的飞行轨迹，使得滤波算法无法准确预测目标的真实位置。这种方式可以有效降低系统的轨迹跟踪精度，甚至导致跟踪失败或严重误判。

（4）点云特征。在多传感器融合系统中，点云数据通常与其他传感器数据（如雷达、光学图像等）结合，用于综合分析目标的特征并生成更为精准的轨迹。然而，点云数据泄露使得攻击者能够分析并推测出系统在融合不同数据源时的算法和权重分配。一旦了解这些信息，攻击者可以通过精心设计的目标行为，迫使系统难以有效融合来自不同传感器的数据。例如，攻击者可以故意使目标的特征在点云数据中变得模糊不清，降低目标与其他数据源融合的效果，从而造成系统无法准确识别目标或产生虚假警报。

（5）感知谱信息。数据泄露可能导致攻击者获知系统的工作模式，如波束扫描模式和工作频段等关键参数。这些信息的泄露使得攻击者能够推测出系统的感知策略，从而有针对性地规避感知系统的工作。此外，数据泄露还可能让攻击者分析出基站的关键工作参数，从而采取措施如频谱干扰、信号屏蔽或其他技术手段影响系统的监测精度，降低其对空域的感知能力，甚至可能使系统瘫痪或误判目标。

4 未来低空安全的研究方向

随着低空经济的蓬勃发展，各类低空基础设施建设日新月异，然而，安全问题始终是其发展的底线。低空产业的多样性和复杂性意味着在推动这一新兴行业时，必须时刻关注其面临的安全威胁。未来，低空监视网络在发展过程中可能面临更多未知的风险与挑战，以下是几个值得深入研究的潜在方向：

（1）智能化的威胁检测与主动防御体系的构建。低空监视能力的智能化安全研判需要突破传统的被动防御模式，建立基于人工智能的主动威胁检测框架。未来研究可聚焦多模态入侵检测、威胁预测与自主响应等方面。通过融合通信链路特征、空域态势信息等多源异构数据，构建深度学习驱动的异常行为识别模型，实时捕捉恶意攻击的蛛丝马迹。结合数字孪生技术，在虚拟空域中对潜在攻击场景进行模拟推演，训练自主决策算法生成动态防御策略。此外，针对低空安全管控数据共享需求，研究基于联邦学习的分布式威胁检测框架，在保障隐私的前提下实现跨平台威胁情报的协同分析。

（2）加强合作和非合作目标监视的统一纳管。在一些可能遭遇劫持或被控制的情境下，合作类无人机一旦被“转化”为非合作目标，将带来严重的安全隐患。因此，如何高效管理并及时应对这种变化，确保空域监管的连贯性和有效性，成为当前低空监视网络亟须解决的问题。未来的研究可以聚焦实现合作与非合作目标的统一监控与动态调控机制，通过灵活的目标分类与行为识别方法，实时监测不同类型无人机的飞行状态，并根据空域的不同需求，动态地调整监视与干预策略。这将有助于提升低空空域的安全性，确保在动态变化的空域环境中无人机行为的有效管控。

（3）有人/无人融合飞行的安全监控与协同。经空中交通管理机构批准，无人驾驶航空器与有人驾驶航空器可以进行融合飞行。然而，这种融合飞行对低空监视的安全性和协调性提出了更高的要求。有效的信息共享与跨平台协同成为降低融合飞行安全风险的关键。未来的研究可以探索构建基于区块链等分布式技术的协同安全框架，实现飞行器之间、飞行器与空域管理系统之间的数据共享与协同防护。这一框架不仅能够增强飞行器间数据传输的安全性，还能提供更加高效的协同监控能力，确保不同类型飞行器在同一空域中的安全运行，及时发现潜在的飞行冲突与安全威胁。

5 结束语

当前，低空监视基础设施仍处于建设阶段，合作与非合作目标监视能力面临诸多挑战。为了支撑其关键技术的同步安全研究，首先基于合作类目标监视架构进行了设备与数据资产识别，介绍了国内外研究中发现的无人机传感器、飞行控制系统和网络等方面的攻击，以及这些攻击可能对数据资产造成的威胁。基于数据安全威胁，深入分析了这些问题可能对低空合作类目标监视业务带来的影响。其次，介绍了基于5G-A的非合作目标感知技术架构和数据资产，提出了数据分类模型，并在现有针对基站和核心网安全研究的基础上，分析了不同类型的感知数据泄露可能给非合作目标监视带来的严重后果。最后，展望了未来低空安全的研究方向，期望为后续研究提供有价值的参考。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	廖小罕, 徐晨晨, 叶虎平. 低空经济发展与低空路网基础设施建设的效益和挑战[J]. 中国科学院院刊, 2024, 39 (11): 1966- 1981. LIAO X H, XU C C, YE H P. The benefits and challenges of low-altitude economy development and low-altitude network infrastructure construction[J]. Bulletin of Chinese Academy of Sciences, 2024, 39 (11): 1966- 1981.

2	谢华, 尹嘉男, 朱永文, 等. 数字低空空域栅格化的表征度量与最优标定[J]. 数据采集与处理, 2024, 39 (1): 31- 43. XIE H, YIN J N, ZHU Y W, et al. Characterization and optimal calibration of digital low-altitude airspace gridding[J]. Journal of Data Acquisition & Processing, 2024, 39 (1): 31- 43.

3	覃睿. 再论低空经济: 概念定义与构成解析[J]. 中国民航大学学报, 2023, 41 (6): 59- 64. QIN R. Reconsidering the low-altitude economy: Concept definition and constituent analysis[J]. Journal of Civil Aviation University of China, 2023, 41 (6): 59- 64.

4	廖小罕, 屈文秋, 徐晨晨, 等. 城市空中交通及其新型基础设施低空公共航路研究综述[J]. 航空学报, 2023, 44 (24): 6- 34. LIAO X H, QU W Q, XU C C, et al. A review on urban air traffic and its new infrastructure for low-altitude public airways[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44 (24): 6- 34.

5	李章萍, 马怡君. 国内外无人机交通管理系统比较[J]. 科技导报, 2024, 42 (8): 91- 100. LI Z P, MA Y J. A comparison of domestic and international drone traffic management systems[J]. Science & Technology Review, 2024, 42 (8): 91- 100.

6	陈义友, 张建平, 邹翔, 等. 民用无人机交通管理体系架构及关键技术[J]. 科学技术与工程, 2021, 21 (31): 13221- 13237. DOI CHEN Y Y, ZHANG J P, ZOU X, et al. Architecture and key technologies of civil drone traffic management system[J]. Science & Technology and Engineering, 2021, 21 (31): 13221- 13237. DOI

7	SIDOROV V,NG W K,LAM K Y,et al. Cyber-threat analysis of a UAV traffic management system for urban airspace[C]//Air Transport Research Society World Conference. 2017.

8	SAMPIGETHAYA K,KOPARDEKAR P,DAVIS J. Cyber security of unmanned aircraft system traffic management (UTM)[C]//2018 Integrated Communications,Navigation,Surveillance Conference (ICNS). IEEE,2018:1C1-1-1C1-15.

9	TANG A C. A review on cybersecurity vulnerabilities for urban air mobility[C]//AIAA SCiTech 2021 Forum. AIAA,2021:0773.

10	FAS-MILLÁN M Á,SORO F,JUNG O,et al. Cybersecurity analysis in the UAV domain:the practical approach of the labyrinth project[C]//Proceedings of the 2023 ACM Conference on Information Technology for Social Good. ACM,2023:446-454.

11	陈唯实. 轻小型无人机监管、探测与干扰技术[J]. 中国民用航空, 2017, (7): 33- 34. CHEN W S. Light and small unmanned aerial vehicle regulation, detection, and jamming technologies[J]. China Civil Aviation, 2017, (7): 33- 34.

12	徐开明, 王佰录, 李溯琪, 等. 低空监视雷达“走-停-走”目标跟踪技术[J]. 雷达学报, 2022, 11 (3): 443- 458. DOI XU K M, WANG B L, LI S Q, et al. “Go-stop-go” target tracking technology for low-altitude surveillance radar[J]. Journal of Radar, 2022, 11 (3): 443- 458. DOI

13	陈小龙, 陈唯实, 饶云华, 等. 飞鸟与无人机目标雷达探测与识别技术进展与展望[J]. 雷达学报, 2020, 9 (5): 803- 827. CHEN X L, CHEN W S, RAO Y H, et al. Progress and prospects of bird and UAV target radar detection and recognition technologies[J]. Journal of Radar, 2020, 9 (5): 803- 827.

14	于飞, 刘东华, 贺飞扬. 无人机“黑飞” 对电磁空间安全的挑战[J]. 中国无线电, 2018, (8): 43- 44. YU F, LIU D H, HE F Y. The challenge of “illegal flying” unmanned aerial vehicles to electromagnetic space security[J]. China Radio, 2018, (8): 43- 44.

15	LIN L, BAR-SHALOM Y, AND KIRUBARAJAN T. New assignment-based data association for tracking move-stopmove targets[J]. IEEE Transactions on Aerospace and Electronic Systems, 2004, 40 (2): 714- 725. DOI

16	中国移动通信集团有限公司. 低空智联网技术体系白皮书[R/OL]. (2024-6-28) [2024-12-27]. https://mp.weixin.qq.com/s/oDLI6gafUrrLVS5I5JLGDg. China Mobile Communications Group Co. ,Ltd. Low-altitude smart IoT technology system white paper [R/OL]. (2024-06-28) [2024-12-27]. https://mp.weixin.qq.com/s/oDLI6gafUrrLVS5I5JLGDg.

17	何道敬, 杜晓, 乔银荣, 等. 无人机信息安全研究综述[J]. 计算机学报, 2019, 42 (5): 1076- 1094. HE D J, DU X, QIAO Y R, et al. A review on unmanned aerial vehicle information security research[J]. Journal of Computer Science, 2019, 42 (5): 1076- 1094.

18	吴小松, 房之军, 陈通海. 民用无人机反制技术研究[J]. 中国无线电, 2018, (3): 55- 58. DOI WU X S, FANG Z J, CHEN T H. Research on countermeasures for civil unmanned aerial vehicles[J]. China Radio, 2018, (3): 55- 58. DOI

19	罗淮鸿, 卢盈齐. 国外反“低慢小”无人机能力现状与发展趋势[J]. 飞航导弹, 2019, (6): 32- 36. LUO H H, LU Y Q. Current status and development trends of foreign countermeasures against “low, slow, small” unmanned aerial vehicles[J]. Aviation and Missile, 2019, (6): 32- 36.

20	陈唯实, 万显荣, 李敬. 机场净空区非合作无人机目标探测技术[J]. 民航学报, 2018, 2 (5): 54- 57. CHEN W S, WAN X R, LI J. Non-cooperative UAV target detection technology in airport clearance zones[J]. Journal of Civil Aviation, 2018, 2 (5): 54- 57.

21	郭珊珊. 反无人机技术与产品发展现状[J]. 军事文摘, 2016, (19): 36- 39. GUO S S. Development status of counter-unmanned aerial vehicle technologies and products[J]. Military Digest, 2016, (19): 36- 39.

22	苗铎, 杨东凯, 许志超, 等. GNSS外辐射源雷达低慢小目标探测概率[J]. 北京航空航天大学学报, 2023, 49 (03): 657- 664. MIAO D, YANG D K, XU Z C, et al. Detection probability of low-slow-small targets using GNSS-based passive radar[J]. Journal of Beijing University of Aeronautics and Astronautics, 2023, 49 (03): 657- 664.

23	许道明, 张宏伟. 雷达低慢小目标检测技术综述[J]. 现代防御技术, 2018, 46 (1): 148. XU D M, ZHANG H W. A review on radar detection technology for low, slow, small targets[J]. Modern Defense Technology, 2018, 46 (1): 148.

24	LIU F, CUI Y, MASOUROS C, et al. Integrated sensing and communications: Toward dual-functional wireless networks for 6G and beyond[J]. IEEE Journal on Selected Areas in Communications, 2022, 40 (6): 1728- 1767. DOI

中国移动通信集团有限公司. 网络协作通感一体化技术白皮书[R/OL]. (2023-10-12) [2024-12-27]. https://mp.weixin.qq.com/s/EH_BBhZI5mygO2ESdczs6A.

China Mobile Communications Group Co. ,Ltd. Network collaborative sensing and integration technology white paper [R/OL]. (2023-10-12) [2024-12-27]. https://mp.weixin.qq.com/s/EH_BBhZI5mygO2ESdczs6A.

26	民用无人驾驶航空器空中交通管理信息服务系统数据接口规范:MH/T 4053-2022[S]. 北京:中国民用航空局,2022. Interface specification of civil unmanned aircraft traffic management information service system:MH/T4053-2022 [S]. Beijing:Civil Aviation Administration of China,2022.

27	BASAN E,MAKAREVICH O,LAPINA M,et al. Analysis of the impact of a GPS spoofing attack on a UAV[C]//CEUR Workshop Proceedings. CEUR,2022,3094:6-16.

28	HE D, QIAO Y, CHEN S, et al. A friendly and low-cost technique for capturing non-cooperative civilian unmanned aerial vehicles[J]. IEEE Network, 2018, 33 (2): 146- 151.

29	SATHAYE H,STROHMEIER M,LENEDRS V,et al. An experimental study of GPS spoofing and takeover attacks on UAVs[C]//31st USENIX security symposium (USENIX security 22). USENIX ,2022:3503-3520.

30	BOUKABOU I, KAABOUCH N, RUPANETTI D. Cybersecurity challenges in UAV systems: IEMI attacks targeting inertial measurement units[J]. Drones, 2024, 8 (12): 738. DOI

31	WEI X,XU Y,ZHANG H,et al. Sensor attack online classification for UAVs using machine learning[J]. Computers & Security,2025,150:104228.

32	WEI X,MA J,SUN C. A survey on security of unmanned aerial vehicle systems:Attacks and countermeasures[J]. IEEE Internet of Things Journal,2024,11(21):34826-34847.

33	RUGO A, ARDAGNA C A, IOINI N E. A security review in the UAVNet era: Threats, countermeasures, and gap analysis[J]. ACM Computing Surveys （CSUR）, 2022, 55 (1): 1- 35.

34	PANDEY G K, GURJAR D S, NGUYEN H H, et al. Security threats and mitigation techniques in UAV communications: A comprehensive survey[J]. IEEE Access, 2022, 10, 112858- 112897. DOI

35	NI L,YAO Y Y,ZHANG Y J,et al. Network threat analysis and protection technology of UAV system[C]//2023 IEEE 3rd International Conference on Electronic Technology,Communication and Information (ICETCI). IEEE,2023:236-240.

36	AIRLANGGA G, LIU A. A study of the data security attack and defense pattern in a centralized UAV-cloud architecture[J]. Drones, 2023, 7 (5): 289. DOI

37	GUO R,WANG B,WENG J. Vulnerabilities and attacks of UAV cyber physical systems[C]//Proceedings of the 2020 International Conference on Computing,Networks and Internet of Things. ACM,2020:8-12.

38	DE CARVALHO BERTOLI G,PEREIRA L A,SAOTOME O. Classification of denial of service attacks on Wi-Fi-based unmanned aerial vehicle[C]//2021 10th Latin-American Symposium on Dependable Computing (LADC). IEEE,2021:1-6.

39	AMPONIS G, RADOGLOU-GRAMMATIKIS P, LAGKAS T, et al. Threatening the 5G core via PFCP DoS attacks: the case of blocking UAV communications[J]. EURASIP Journal on Wireless Communications and Networking, 2022, 2022 (1): 124. DOI

40	APRUZZESE G, VLADIMIROV R, TASTEMIROVA A, et al. Wild networks: Exposure of 5G network infrastructures to adversarial examples[J]. IEEE Transactions on Network and Service Management, 2022, 19 (4): 5312- 5332. DOI

41	STROHMEIER M,LENDERS V,MARTINOVIC I. Lightweight location verification in air traffic surveillance networks[C]//Proceedings of the 1st ACM Workshop on Cyber-Physical System Security. ACM,2015:49-60.

维沃移动通信有限公司,中国电信,中国移动. 通感一体化系统架构与关键技术[R/OL]. (2023-3-24)[2024-12-27]. https://mp.weixin.qq.com/s/2V1Wr3gZBDwOElTOanQpWQ.

Vivo Mobile Communications Co. ,Ltd. ,China Telecom,China Mobile. Integrated sensing system architecture and key technologies [R/OL]. (2023-03-24) [2024-12-27]. https://mp.weixin.qq.com/s/2V1Wr3gZBDwOElTOanQpWQ.

43	CHENG Y,DU J,LIU J,et al. Nested tensor-based framework for ISAC assisted by reconfigurable intelligent surface[J]. IEEE Transactions on Vehicular Technology,2023,73(3): 4412-4417.

44	马洪源, 肖子玉, 卜忠贵, 等. 面向 5G 的核心网演进[J]. 电信科学, 2019, 35 (9): 135- 143. MA H Y, XIAO Z Y, BU Z G, et al. Evolution of the core network for 5G[J]. Telecommunications Science, 2019, 35 (9): 135- 143.

45	杨峻一, 裴凡迪, 许兆龙, 等. 基于微服务的 6G 空天地一体化新型网络架构仿真系统[J]. 天地一体化信息网络, 2022, 3 (3): 87- 96. YANG J Y, PEI F D, XU Z L, et al. Simulation system for the 6G air-ground integrated network architecture based on microservices[J]. Integrated Information Network for Air and Space, 2022, 3 (3): 87- 96.

46	RICHARDS M A. Fundamentals of radar signal processing[M]. New York:Mcgraw-hill,2005.

47	LIU G,XI R,HAN Z,et al. Cooperative sensing for 6G mobile cellular networks:Feasibility,performance and field trial[J]. IEEE Journal on Selected Areas in Communications,2024,42(10): 2863-2876.

48	HAN Z,DING H,ZHANG X,et al. Multistatic integrated sensing and communication system in cellular networks[C]//2023 IEEE Globecom Workshops (GC Wkshps). IEEE,2023:123-128.

49	邵晓萌, 韩文婷. 5G网络攻击技术研究及防护建议[J]. 信息通信技术与政策, 2022, 48 (12): 79- 81. SHAO X M, HAN W T. Research on 5G network attack technologies and defense suggestions[J]. Information and Communication Technology and Policy, 2022, 48 (12): 79- 81.

50	王瀚洲, 周洺宇, 刘建伟, 等. 5G网络安全威胁发现及解决方法综述[J]. 信息安全研究, 2024, 10 (4): 340- 346. WANG H Z, ZHOU M Y, LIU J W, et al. A review on 5G network security threat detection and solutions[J]. Information Security Research, 2024, 10 (4): 340- 346.

51	PARK J,LEE J H. Impact analysis of DoS attacks on N2/N3 interfaces in a 5G-advanced core network[C]//Annual Conference of KIPS. Korea Information Processing Society,2024:383-385.

52	WOO S,PARK J,KWON S,et al. Simulation of data hijacking attacks for a 5G-advanced core network[C]//2023 Joint European Conference on Networks and Communications & 6G Summit (EuCNC/6G Summit). IEEE,2023:538-542.

Options

文章导航

模态框（Modal）标题

摘要