africa-drone-uav-cybersecurity

该数据集是一个专注于非洲地区无人机和无人驾驶飞行器（UAV）网络安全的合成表格数据集。其核心目标是建模在非洲运营的无人机所面临的网络威胁，以应对该地区无人机应用（涵盖反偷猎巡逻、医疗配送、采矿勘测、军事行动等多个领域）快速增长与网络安全措施严重缺失（如操作员缺乏培训、反无人机能力薄弱、对存在安全漏洞的商用无人机依赖度高）之间的矛盾。数据集包含10,000条平衡记录（50%攻击，50%合法），每条记录模拟了一次无人机飞行任务场景。数据内容高度结构化，涵盖了地理背景（20个非洲国家）、无人机属性（类别、制造商、通信链路）、20种具体的网络攻击类型（如GPS欺骗/干扰、无人机劫持、命令链路拦截、有效载荷操纵等）、攻击发生的技术细节（超过30个二进制指标，描述GPS、控制、有效载荷、蜂群、电池、地面站等是否受损）、攻击造成的后果（财务损失、数据泄露、财产损坏、人员伤亡等）以及事件响应情况（检测时间、恢复措施）。此外，数据集还包含一个二元分类标签（`label`），用于标识记录是模拟了网络攻击（1）还是正常的合法操作（0）。所有数据均为基于真实世界研究和报告生成的合成数据（`is_synthetic=1`）。该数据集适用于表格分类任务，特别是用于训练和评估模型以识别和分类针对无人机的网络攻击，对网络安全研究、威胁情报分析以及非洲地区关键基础设施（如医疗配送、边境巡逻、采矿）的航空安全风险评估具有应用价值。

This dataset is a synthetic tabular dataset focused on cybersecurity for drones and unmanned aerial vehicles (UAVs) in Africa. Its core objective is to model the cyber threats faced by drones operating in Africa, addressing the conflict between the rapid growth of drone applications in the region (covering areas such as anti-poaching patrols, medical delivery, mining surveys, and military operations) and the severe lack of cybersecurity measures (e.g., lack of operator training, weak anti-drone capabilities, high reliance on commercial drones with security vulnerabilities). The dataset contains 10,000 balanced records (50% attacks, 50% legitimate), with each record simulating a drone flight mission scenario. The data is highly structured, covering geographical context (20 African countries), drone attributes (category, manufacturer, communication links), 20 specific types of cyber attacks (such as GPS spoofing/jamming, drone hijacking, command link interception, payload manipulation, etc.), technical details of attacks (over 30 binary indicators describing whether GPS, control, payload, swarm, battery, ground station, etc., are compromised), consequences of attacks (financial loss, data leakage, property damage, casualties, etc.), and incident response (detection time, recovery measures). Additionally, the dataset includes a binary classification label (`label`) to indicate whether a record simulates a cyber attack (1) or normal legitimate operation (0). All data is synthetic (`is_synthetic=1`) generated based on real-world research and reports. This dataset is suitable for tabular classification tasks, particularly for training and evaluating models to identify and classify cyber attacks against drones, with application value for cybersecurity research, threat intelligence analysis, and aviation security risk assessment for critical infrastructure in Africa (such as medical delivery, border patrol, and mining).

原始信息汇总

数据集概述：Drone & UAV Cybersecurity (Africa)

基本信息

• 数据集名称：Drone & UAV Cybersecurity (Africa)
• 数据集提供方：Electric Sheep Africa
• 许可证：MIT
• 语言：英文
• 任务类型：表格分类（tabular-classification）
• 标签：网络安全、非洲、无人机、关键基础设施、航空安全、反无人机系统
• 合成数据：全部为合成数据（is_synthetic=1），基于真实研究数据生成
• 数据规模：10,000 行，正负样本平衡（50/50）

数据集背景与目的

该数据集模拟了非洲地区无人机（UAV）面临的网络威胁。非洲无人机应用正在快速扩展，包括：

• 肯尼亚：反盗猎巡逻（Ol Pejeta、Tsavo Conservancy）、DJI Agras 植保无人机、电子对抗
• 南非：矿区勘测、私人安保巡逻、SACAA 监管框架
• 卢旺达：Zipline 医疗配送（全球最大无人机配送网络，超过 100 万次配送）、超视距运行
• 加纳：Zipline 扩展、可可农场监测、农业喷洒合作社
• 尼日利亚：军用武装无人机（CH-3、CH-4）、石油管道监测
• 埃塞俄比亚：军事无人机（提格雷冲突）、农业监测
• 摩洛哥：Bayraktar TB2 军用无人机、温室 AgriTech 喷洒
• 博茨瓦纳：反盗猎无人机、奥卡万戈三角洲野生动物监测
• 赞比亚：Zipline 医疗配送、铜带省矿区勘测
• 全非洲：DJI 占据 80% 以上商用市场、反无人机能力几乎空白、跨境无人机走私、航空网络安全专业人才稀缺

攻击类型（20 种）

攻击类型	描述
gps_spoofing_jamming	GPS 拒止/欺骗
drone_hijacking_takeover	完全远程接管
command_link_interception	指挥链路拦截
video_feed_interception	视频流窃取
payload_manipulation	非法载荷释放
ground_station_breach	地面站入侵
firmware_backdoor_exploit	固件利用
swarm_disruption_attack	无人机集群干扰
sensor_data_poisoning	传感器数据投毒
denial_of_service_uplink	上行链路拒绝服务
battery_thermal_manipulation	电池攻击
collision_attack	诱导碰撞
fake_drone_injection	注入虚假无人机
operator_spoofing	操作员身份欺骗
maintenance_tool_malware	维护工具恶意软件
supply_chain_tamper	供应链篡改
drone_smuggling	无人机走私
jamming_counter_uas	干扰反无人机系统
ransomware_flight_controller	飞行控制器勒索软件
cellular_hijacking_uav	劫持蜂窝链路无人机

无人机类别

类别	非洲背景
多旋翼消费级	爱好无人机、摄影
多旋翼商用级	商业检查
固定翼勘测	矿业/农业勘测
固定翼配送	医疗配送（Zipline）
军用无人机	武装部队无人机
农业喷洒	作物喷洒（DJI Agras）
安保巡逻	私人安保、边境
反盗猎	保护巡护无人机
重型货运	重型货物配送
游荡弹药	军用自杀式无人机

特征字段（部分关键字段）

字段名	类型	描述
record_id	str	唯一标识符
country	str	非洲国家（20 个国家）
attack_type	str	攻击类型或 "none"
drone_category	str	无人机类别
operator_type	str	操作员类型
manufacturer	str	无人机制造商
communication_link	str	指挥通信方式
label	int64	1 = 攻击，0 = 合法
is_synthetic	int64	1 = 合成数据

此外还包括 GPS 攻击、控制接管、载荷攻击、集群攻击、物理破坏、基础设施攻击、安全关键影响、国家安全影响、操作员脆弱性评分、响应成熟度评分等大量派生特征。

智能情报来源

数据集中的合成攻击样本基于以下真实世界来源：

• CISA 无人机网络安全指南（2024）
• NIST 无人机安全框架（2024）
• INTERPOL 非洲网络威胁评估（2025）
• 非盟亚的斯亚贝巴无人机政策框架
• 南非 SACAA 无人机安全报告
• 肯尼亚 KCAA 无人机事件报告（2023-2025）
• 卢旺达 Zipline/UAV 医疗配送安全评估
• DJI 安全漏洞研究

使用方式

python from datasets import load_dataset dataset = load_dataset("electricsheepafrica/africa-drone-uav-cybersecurity")

搜集汇总

数据集介绍

构建方式

该数据集基于非洲无人机与无人航空器（UAV）领域的真实研究与态势报告，通过合成手段构建而成，共计包含10,000条记录，正负样本均衡分布（50/50）。构建过程中，团队系统吸纳了来自CISA、NIST、INTERPOL等机构的无人机网络安全指南与威胁评估报告，以及非洲各国航空监管机构与无人机运营企业的实际案例，覆盖肯尼亚、南非、卢旺达、尼日利亚等20个非洲国家的典型应用场景。每条记录均标注了攻击类型、无人机类别、操作者类型及制造商等核心信息，并依据真实攻击链逻辑生成多维二进制特征，如GPS欺骗、控制链路劫持、视频流窃取等，从而确保数据在统计与逻辑层面具备高度逼真性与领域针对性。

特点

该数据集以非洲大陆无人机安全生态的特殊性为核心设计导向，呈现出鲜明的区域化与精细化特征。其攻击类型涵盖了从GPS欺骗、遥控劫持到供应链篡改、蜂群干扰等20类威胁，无人机类别则细分为民用多旋翼、固定翼配送、军用无人机及反盗猎巡护等10种典型机型，充分反映了非洲地区农业喷洒、医疗配送、矿产勘探与边境监控等多元应用下的安全挑战。此外，数据集中集成了丰富的衍生特征，如操作者脆弱性评分、响应成熟度评分及区域风险标识，为评估威胁严重程度与防御能力提供了多维度量化维度。所有记录均为合成数据，有效规避了真实数据采集中的隐私与合规障碍。

使用方法

该数据集以HuggingFace Datasets库为标准接口进行分发，研究者可通过一行Python代码快速加载：`dataset = load_dataset("electricsheepafrica/africa-drone-uav-cybersecurity")`。加载后的数据集可直接用于二分类任务（正常/攻击），也可支持多标签分类与异常检测等下游应用。每条记录包含60余个结构化字段，涵盖攻击细节、环境参数与后果指标，便于构建评估模型。同时，数据集中预提取了复合特征向量，如GPS攻击标识、控制劫持标识、蜂群攻击指标等，可加速特征工程流程。推荐研究者结合非洲区域背景知识，基于该数据集训练入侵检测模型或威胁态势感知系统，并注意数据为合成生成，需验证其在真实场景中的泛化能力。

背景与挑战

背景概述

随着无人机在非洲大陆的广泛应用，从肯尼亚的反盗猎巡逻、卢旺达的医疗物资投递，到南非的矿产勘探与尼日利亚的军事侦察，无人机系统已深度嵌入非洲的关键基础设施与安全防护网络。然而，针对非洲无人机操作环境的网络安全研究仍处于萌芽阶段。在此背景下，Electric Sheep Africa团队于2026年推出了africa-drone-uav-cybersecurity数据集，旨在系统建模和分析非洲无人机面临的网络威胁。该数据集包含10,000条合成记录，基于真实研究数据与多源情报生成，涵盖20个非洲国家、多种攻击类型与无人机类别。其发布填补了非洲无人机网络安全领域高质量标注数据的空白，为相关安全评估、威胁检测与防御策略研究提供了关键支撑，对推动全球无人机安全体系的区域化与细粒度研究具有重要学术与应用价值。

当前挑战

该数据集所解决的领域问题核心在于：非洲无人机系统在快速普及的同时，暴露出制造商以中国大疆为主（占80%以上市场份额）导致的安全漏洞普遍存在、操作员缺乏网络安全培训、反无人机能力近乎空白等深层隐患。传统网络安全数据集多聚焦欧美场景，无法准确反映非洲独特的地理、经济与安全约束，例如跨境无人机走私、野生动物追踪干扰、医疗投递中断等特殊威胁模式。在构建过程中，团队面临的主要挑战包括：真实攻击数据的极端匮乏、多国政策与军事数据的保密限制、以及合成数据如何高保真地还原非洲本地化威胁特征。最终通过融合CISA、NIST、国际刑警组织及多国监管机构报告的交叉验证，平衡了数据的真实性与完备性，但合成数据固有的偏差与时效性仍是后续研究的难点。

常用场景

经典使用场景

该数据集专为无人机与无人航空系统（UAV）在非洲运营场景下的网络安全威胁建模而设计，其经典使用场景聚焦于基于表格数据的二分类任务。研究人员可借助数据集中包含的GPS欺骗与干扰、命令链路劫持、视频流窃取、地面站入侵、固件后门利用及蜂群瓦解等二十余种攻击类型标签，结合多维传感器状态、通信协议特征及运行环境参数，构建面向非洲特殊地缘环境下的入侵检测与威胁分类模型。数据集的平衡正负样本设计（50/50）使其特别适用于评估分类器在复杂攻击模式下的鲁棒性表现。

衍生相关工作

该数据集驱动了一系列衍生研究工作，包括基于GPS攻击特征与通信链路类型的无人机入侵检测递归神经网络模型，以及融合运营商类型与制造商风险评级的贝叶斯威胁概率估算框架。在特征工程层面，研究者从中提炼出全控制接管、蜂群降级、物理退化等聚合特征，开发出针对DJI固件后门的轻量级异常检测算法。同时，数据集启发了对非洲大陆反无人机系统部署策略的系统性评估，催生了结合地缘政治风险与国家网络安全成熟度的无人机威胁指数构建方法，为INTERPOL与非洲联盟的无人机安全政策制定提供了数据支撑。

数据集最近研究

最新研究方向

在非洲大陆无人机应用激增的背景下，该数据集聚焦于无人机与无人航空系统（UAV）面临的网络安全威胁这一前沿交叉领域。研究方向紧密关联当前非洲多国快速部署无人机的现实——从肯尼亚的反盗猎巡逻、卢旺达的医疗配送（Zipline已完成超百万次BVLOS递送），到尼日利亚与埃塞俄比亚的军事无人机行动，但非洲无人机网络安全防护几乎处于空白，80%以上的商用无人机（主要为DJI）存在已知安全隐患。该数据集模拟了GPS欺骗/干扰、遥控劫持、视频流窃取、蜂群攻击等20余种攻击类型，覆盖消费级、商用固定翼、军用等无人机类别，并结合非洲特有场景如跨境无人机走私、反无人机系统缺失及农业喷洒安全漏洞，为构建面向‘全球南方’的无人机威胁情报与防御体系提供了关键训练基准，其意义在于填补了非洲大陆无人机网络安全标准化数据集的空白，驱动该领域从理论框架向针对性风险评估与智能检测模型研发的跨越。