Cyber-Physical Dataset for UAVs Under Normal Operations and Cyberattacks

该数据集包含了在正常操作和遭受网络攻击下的无人机（UAVs）的网络和物理数据。数据集包括了四种网络攻击类型：去认证拒绝服务攻击、重放攻击、虚假数据注入攻击和邪恶双胞胎攻击。数据集分为良性数据和不同攻击类型的数据，详细记录了每种情况下的网络和物理特征。

This dataset encompasses network and physical data of Unmanned Aerial Vehicles (UAVs) under both normal operations and during network attacks. It includes four types of network attacks: deauthentication denial-of-service attacks, replay attacks, false data injection attacks, and evil twin attacks. The dataset is categorized into benign data and data under different attack types, meticulously documenting the network and physical characteristics for each scenario.

原始信息汇总

数据集概述

数据集名称

• Cyber-Physical Dataset for UAVs Under Normal Operations and Cyberattacks

数据集内容

• 文件类型：CSV文件
• 数据类型：
  • 物理数据：包含16个特征
  • 网络数据：包含37个特征
• 攻击类型：
  • De-authentication Denial-of-Service (DoS) Attacks
  • Replay Attacks
  • False Data Injection (FDI) Attacks
  • Evil Twin Attacks

数据集结构

• 良性数据：Cyber: 1--9426 | Physical: 9427--13717
• DoS攻击数据：Cyber: 13718--25389 | Physical: 25390--26363
• Replay攻击数据：Cyber: 26364--38370 | Physical: 38371--39344
• Evil Twin攻击数据：Cyber: 39345--45028 | Physical: 45029--50502
• FDI攻击数据：Cyber: 50503--53976 | Physical: 53977--54784

数据集用途

• 用于开发和测试无人机入侵检测系统，特别是在正常操作和遭受网络攻击条件下的数据分析。

数据集引用

• 鼓励用户在使用此数据集时引用相关论文：Cyber-Physical Intrusion Detection System for Unmanned Aerial Vehicles。

搜集汇总

数据集介绍

构建方式

在无人机（UAV）领域，随着应用场景的扩展，网络安全风险日益凸显。为了推动入侵检测系统（IDS）的研究，本数据集通过构建一个包含无人机、控制器和数据采集工具的实验平台，模拟了多种网络攻击场景，包括去认证拒绝服务攻击、重放攻击、虚假数据注入攻击和邪恶双胞胎攻击。在正常操作和攻击条件下，分别采集了网络和物理数据，最终形成了一套公开可用的数据集。

特点

该数据集涵盖了无人机在正常飞行和遭受网络攻击时的网络与物理数据，其中网络数据包含37个特征，物理数据包含16个特征。数据集详细记录了四种网络攻击类型的数据，包括去认证拒绝服务攻击、重放攻击、虚假数据注入攻击和邪恶双胞胎攻击。这些数据为研究无人机网络安全提供了丰富的实验基础，有助于深入分析攻击行为及其对无人机系统的影响。

使用方法

用户可通过下载数据集中的CSV文件，获取无人机在正常操作和遭受网络攻击时的网络与物理数据。数据集的结构清晰，网络数据与物理数据分别标注，便于用户根据研究需求进行数据提取与分析。此外，数据集的使用方法及相关实验平台的详细信息可在相关文献中查阅，用户可结合这些信息进行更深入的研究与验证。

背景与挑战

背景概述

随着无人机（UAVs）在多个领域的广泛应用，其面临的网络安全风险也日益增加。尽管机器学习技术已被成功应用于入侵检测系统（IDS）的开发，但现有研究普遍缺乏公开的用于开发IDS的网络安全或物理数据集，这阻碍了该领域的进一步研究。为此，由Samuel Chase Hassler、Umair Ahmad Mughal和Muhammad Ismail等研究人员在2023年开发了一个包含无人机、控制器和数据收集工具的实验平台，旨在模拟并收集无人机在正常操作和遭受网络攻击（如去认证拒绝服务攻击、重放攻击、虚假数据注入攻击和邪恶双胞胎攻击）时的网络与物理数据。该数据集由美国国家科学基金会（NSF）能源、电力、控制与网络计划（EPCN）资助，并已在IEEE DataPort公开发布，为无人机网络安全研究提供了重要的数据支持。

当前挑战

该数据集在解决无人机网络安全问题时面临多重挑战。首先，无人机在遭受不同类型的网络攻击时，其网络与物理数据的变化模式复杂且多样，如何准确捕捉并区分这些变化是构建有效入侵检测系统的关键。其次，数据集的构建过程中，研究人员需要设计并实施多种网络攻击场景，确保数据的真实性与多样性，同时还需克服数据采集设备与无人机系统之间的兼容性问题。此外，数据集的公开与共享也面临隐私与安全方面的挑战，如何在保护数据隐私的同时确保数据的可用性，是未来研究需要进一步解决的问题。

常用场景

经典使用场景

在无人机（UAV）领域，网络安全问题日益凸显，尤其是在无人机执行任务时面临的网络攻击风险。该数据集通过模拟四种常见的网络攻击（如拒绝服务攻击、重放攻击、虚假数据注入攻击和邪恶双胞胎攻击），收集了无人机在正常操作和遭受攻击时的网络和物理数据。研究人员可以利用这些数据开发入侵检测系统（IDS），以增强无人机的安全性。

实际应用

在实际应用中，该数据集为无人机操作者和制造商提供了重要的参考。通过分析无人机在遭受网络攻击时的行为数据，操作者可以提前识别潜在的安全威胁，并采取相应的防护措施。制造商则可以利用这些数据优化无人机的设计，增强其抗攻击能力，确保无人机在各种复杂环境下的安全运行。

衍生相关工作

基于该数据集，许多经典研究工作得以展开。例如，研究人员开发了多种基于机器学习的入侵检测算法，能够有效识别和防御无人机面临的各种网络攻击。此外，该数据集还被用于评估不同安全策略的有效性，为无人机网络安全领域的研究提供了重要的实验基础。这些衍生工作不仅推动了学术研究的进展，也为实际应用提供了有力的技术支持。