本发明属于无人机防御，具体涉及一种针对安全威胁的无人机主动防护方法和系统。
背景技术：
1、随着低空经济的飞速发展，无人机在各个领域的应用日益广泛，包括物流配送、环境监测、影视拍摄等。然而，与此同时，无人机面临的安全威胁也日益严峻。在当前的网络环境中，gps欺骗攻击成为无人机安全的一大隐患。攻击者通过伪造虚假的gps信号，误导无人机的定位系统，使其偏离预定的航线或位置，这可能导致无人机执行错误的任务，甚至造成坠毁等严重后果。
2、同时，信道攻击同样不容忽视，无人机与控制端之间的通信信道可能遭到攻击者的入侵，窃取关键的通信数据，从而获取无人机的控制权或者重要信息。信号干扰则是另一种常见的威胁手段。外界的干扰源可能会干扰无人机的正常信号接收，导致其与控制端失去联系，无法正常执行指令。dos攻击会使无人机的网络系统陷入瘫痪，无法正常处理和响应指令，严重影响无人机的正常运行。中间人攻击更是具有极大的危害性，攻击者能够截取和篡改无人机与控制端之间的通信内容，导致指令错误或信息泄露。
3、为了解决无人机受到的上述攻击，人们通过加密算法、认证机制、加密通信、多传感器融合等复杂的技术来对无人机进行安全防御，抵制外界干扰，保证无人机网络的安全性。上述方法在进行安全威胁的识别时，依赖于预设的阈值和规则，在应对复杂的网络环境时需要频繁的更新和改进防御策略，使得整个无人机威胁识别和防御的处理过程复杂，需要消耗大量的计算资源和能量，进而影响了无人机的续航能力和性能。
技术实现思路
1、为了解决上述问题，本发明提供了一种针对安全威胁的无人机主动防护方法。
2、为了实现上述目的，本发明提供如下技术方案：
3、一种针对安全威胁的无人机主动防护方法，包括：
4、实时采集无人机网络安全域的网络流数据；所述网络流数据包括非结构化的描述型字段、结构化的统计型字段以及半结构化的比例型字段；
5、将网络流数据中的描述型字段和比例型字段中的数据转化为结构化数据，并对统计型字段及转换数据结构后的描述型字段和比例型字段进行数据特征的提取，获得描述型字段的特征向量、统计型字段的特征向量及比例型字段的特征向量，对各特征向量进行组合和特征融合，根据组合的特征向量和特征融合结果生成包含威胁类型的安全威胁日志；
6、根据威胁类型制定安全策略，无人机系统根据安全策略进行安全威胁主动防护。
7、优选地，所述将网络流数据中的描述型字段和比例型字段中的数据转化为结构化数据，具体为：
8、利用one-hot编码方式对描述型字段中的每个属性进行特征处理，将所有的离散型数据进行量化，得到字段属性的量化结果；
9、利用sigmoid 函数将比例型字段中属性值大于1的数据映射到(0，1)之间，再与原来属性值在[0，1]之间的数据进行联合分析，得到比例型字段的映射值。
10、优选地，所述对统计型字段及转换数据结构后的描述型字段和比例型字段进行数据特征的提取之前，还对统计型字段进行归一化处理，得到字段属性值归一化结果。
11、优选地，通过深度学习算法对所述字段属性的量化结果、字段属性值归一化结果及比例型字段的映射值分别进行数据特征的提取，获得描述型字段的特征向量、统计型字段的特征向量及比例型字段的特征向量。
12、优选地，所述深度学习算法为卷积神经网络cnn，利用卷积神经网络cnn对描述型字段进行数据特征的提取，得到描述型字段的特征向量；
13、；
14、式中，为卷积核，为描述型字段经one-hot编码后的值， b为偏置项， f为激活函数，用于将经卷积操作后的特征值进行映射；
15、利用卷积神经网络cnn对字段属性值归一化结果进行数据特征的提取，得到统计型字段的特征向量；
16、；
17、式中，为统计型字段经归一化处理后的值；
18、利用卷积神经网络cnn对比例型字段的映射值进行特征提取，得到比例型字段的特征向量；
19、；
20、式中，为比例型字段的映射值。
21、优选地，所述对各特征向量进行组合和特征融合，根据组合的特征向量和特征融合结果生成包含威胁类型的安全威胁日志，具体包括：
22、对描述型字段的特征向量、统计型字段的特征向量和比例型字段的特征向量进行组合，每一组都包含了，具体共有下面四种组合：、{，}、{，}以及{，，}；
23、对于只有的情况，直接利用分类模型对进行特征学习和分类；对于有两个及以上的特征组合，采用级联的方式将每个特征集进行连接，然后再利用cnn分别提取每个组合的特征向量；
24、；
25、；
26、；
27、式中，为级联符号，用来将两种或多种特征串联在一起；为将第 i条数据的和级联后的特征集；为将第 i条数据的与级联后的特征集；为将第 i条数据的、以及全部级联后的特征集，为卷积核， b为偏置项， f为激活函数，用于将经卷积操作后的特征值进行映射；
28、根据及各组合的特征向量、及生成包含威胁类型的安全威胁日志。
29、本发明还提供了一种针对安全威胁的无人机主动防护系统，包括：
30、数据采集模块，其部署在无人机端，用于实时采集无人机网络安全域的网络流数据；所述网络流数据包括非结构化的描述型字段、结构化的统计型字段以及半结构化的比例型字段；
31、单蜜罐，其通过通信串口部署在地面端，用于通过网络接口接收数据采集模块发送的网络流数据，将网络流数据中的描述型字段和比例型字段中的数据转化为结构化数据，并对统计型字段及转换数据结构后的描述型字段和比例型字段进行数据特征的提取，获得描述型字段的特征向量、统计型字段的特征向量及比例型字段的特征向量，对各特征向量进行组合和特征融合，根据组合的特征向量和特征融合结果生成包含威胁类型的安全威胁日志；
32、蜜罐管理平台，用于接收单蜜罐发送的安全威胁日志，根据威胁类型制定安全策略，并将安全策略下发给单蜜罐；
33、所述单蜜罐将安全策略传输至无人机系统，无人机系统根据安全策略进行安全威胁主动防护。
34、本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现所述一种针对安全威胁的无人机主动防护方法中任一项所述的步骤。
35、本发明还提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，该计算机程序被处理器加载时，能够执行所述一种针对安全威胁的无人机主动防护方法中任一项所述的步骤。
36、本发明提供的一种针对安全威胁的无人机主动防护方法具有以下有益效果：
37、本发明通过将网络流数据中的描述型字段和比例型字段中的数据转化为结构化数据，将数据结构进行了统一，并对统计型字段及转换数据结构后的描述型字段和比例型字段进行数据特征的提取，获得描述型字段的特征向量、统计型字段的特征向量及比例型字段的特征向量，对各特征向量进行组合和特征融合。上述数据处理的方法不受网络环境复杂度的影响，能够对无人机的不同网络环境下的各种信号和数据进行实时监测和分析，根据组合的特征向量和特征融合结果生成包含威胁类型的安全威胁日志，根据威胁类型制定安全策略，而不仅仅依赖于预设的阈值和规则。该安全日志包含了由多种网络流数据最终处理生成的安全威胁，使得整个方法能够自动适应新型攻击和复杂的攻击场景，无需频繁更新和改进防御策略，能够在保证安全的前提下，降低系统的资源消耗，提高无人机的续航能力和性能，提升了整个无人机网络的安全性。
1.一种针对安全威胁的无人机主动防护方法，其特征在于，包括：
2.根据权利要求1所述的一种针对安全威胁的无人机主动防护方法，其特征在于，所述将网络流数据中的描述型字段和比例型字段中的数据转化为结构化数据，具体为：
3.根据权利要求2所述的一种针对安全威胁的无人机主动防护方法，其特征在于，所述对统计型字段及转换数据结构后的描述型字段和比例型字段进行数据特征的提取之前，还对统计型字段进行归一化处理，得到字段属性值归一化结果。
4.根据权利要求3所述的一种针对安全威胁的无人机主动防护方法，其特征在于，通过深度学习算法对所述字段属性的量化结果、字段属性值归一化结果及比例型字段的映射值分别进行数据特征的提取，获得描述型字段的特征向量、统计型字段的特征向量及比例型字段的特征向量。
5.根据权利要求4所述的一种针对安全威胁的无人机主动防护方法，其特征在于，所述深度学习算法为卷积神经网络cnn，利用卷积神经网络cnn对描述型字段进行数据特征的提取，得到描述型字段的特征向量；
6.根据权利要求5所述的一种针对安全威胁的无人机主动防护方法，其特征在于，所述对各特征向量进行组合和特征融合，根据组合的特征向量和特征融合结果生成包含威胁类型的安全威胁日志，具体包括：
7.一种针对安全威胁的无人机主动防护系统，其特征在于，包括：
8.一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1至6任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器加载时，能够执行权利要求1至6任一项所述方法的步骤。
