UAVCAN Dataset

arXiv2024-04-08 更新2024-08-06 收录

下载链接：

http://arxiv.org/abs/2212.09268v2

下载链接

链接失效反馈

官方服务：

资源简介：

该数据集收集了使用UAVCAN协议的无人机攻击数据，包括洪水攻击、模糊攻击和重放攻击，共涉及10种场景。

This dataset collects drone attack data using the UAVCAN protocol, including flood attacks, fuzzing attacks and replay attacks, covering a total of 10 scenarios.

创建时间：

2022-12-19

搜集汇总

数据集介绍

构建方式

在无人机网络安全研究领域，UAVCAN数据集的构建依托于精心设计的实验平台。研究团队采用配备Pixhawk 4飞控系统的四旋翼无人机作为测试载体，通过将CAN总线终端替换为CAN Shield模块，并连接树莓派4设备，构建了可注入与分析UAVCAN协议消息的内部网络环境。在此硬件基础上，团队模拟了三种典型攻击模式：洪水攻击通过周期性注入全零数据包以耗尽系统资源；模糊攻击则向数据负载注入随机值以触发异常行为；重放攻击则通过复现预先捕获的控制指令来操纵无人机。这些攻击被嵌入十个精心设计的飞行场景中，覆盖从起飞到降落的完整操作周期，每个场景持续180至270秒，从而系统性地采集了包含正常与攻击状态的网络流量数据。

特点

该数据集的核心特点在于其高度结构化的攻击场景设计与精细的数据标注。数据集囊括了十种独立场景，每种场景均严格定义了攻击类型、注入间隔与持续时间，确保了数据的时间序列特性与可复现性。数据以CAN帧为基础存储，包含时间戳、接口标识、CAN ID、数据长度及原始负载等字段，并特别增设了“正常”与“攻击”二分类标签，便于直接用于监督学习任务。此外，数据集不仅记录了单一攻击模式，还涵盖了洪水、模糊与重放攻击的混合变体，模拟了真实环境中可能出现的复杂威胁态势，为开发鲁棒性强的异常检测模型提供了多维度的训练与评估基础。

使用方法

研究人员可利用该数据集进行无人机内部网络安全的算法开发与验证。数据集以标准化的文本格式存储，可直接导入数据分析框架进行预处理。典型应用包括基于时间序列的异常检测模型训练，如利用循环神经网络或时序卷积网络识别攻击流量模式；亦可用于特征工程研究，从CAN ID、负载字节等字段提取统计或语义特征以构建分类器。在使用时，建议依据场景划分训练集与测试集，以评估模型在未见攻击模式上的泛化能力。同时，数据集中精确的时间戳与攻击间隔信息支持对实时检测算法的延迟与吞吐量进行性能评估，为实际部署提供参考依据。

背景与挑战

背景概述

随着无人机技术的飞速发展，其在物流、侦察等领域的应用日益广泛，然而无人机内部网络通信协议的安全性问题逐渐凸显。UAVCAN数据集由韩国大学网络安全学院的黑客与反制研究实验室于2022年11月发布，核心研究人员包括Dongsung Kim、Yuchan Song等。该数据集聚焦于无人机内部网络采用的UAVCAN协议，旨在通过模拟洪水攻击、模糊攻击和重放攻击等多种攻击场景，收集异常通信数据，以支持无人机安全威胁的检测技术研发，如异常检测系统的开发，从而提升无人机系统的安全防护能力。

当前挑战

UAVCAN数据集致力于解决无人机网络安全领域的关键问题，即针对UAVCAN协议的入侵检测与威胁响应。其挑战在于如何有效识别和防御复杂的网络攻击，例如洪水攻击可能导致系统资源耗尽，模糊攻击通过随机数据注入引发异常行为，而重放攻击则利用合法数据重传实施欺骗。在数据集构建过程中，研究人员面临实验环境搭建的复杂性，需精确模拟真实无人机内部网络，并确保攻击场景的多样性与数据标注的准确性，同时克服硬件兼容性与协议版本差异带来的技术障碍。

常用场景

经典使用场景

在无人机网络安全研究领域，UAVCAN Dataset 作为专门针对无人机内部网络协议攻击行为的数据集，其经典使用场景聚焦于异常检测系统的训练与验证。该数据集通过模拟真实无人机在起飞、巡航及着陆阶段遭受的 Flooding、Fuzzy 和 Replay 攻击，为研究者提供了丰富的攻击流量与正常流量对比样本。这些数据能够支撑机器学习模型学习攻击特征，进而开发出高效、精准的入侵检测算法，以应对日益复杂的无人机安全威胁。

衍生相关工作

围绕 UAVCAN Dataset，学术界已衍生出多项经典研究工作。例如，基于序列相似性的异常检测系统被提出，专门针对 UAVCAN 协议的攻击模式进行识别；同时，深度学习驱动的入侵检测框架也利用该数据集进行训练，实现了对虚假 MAVLink 注入攻击的高精度检测。这些研究不仅拓展了无人机安全防护的技术边界，还促进了跨协议安全分析工具的发展，为构建多层次、自适应的无人机网络安全体系奠定了坚实基础。

数据集最近研究