基于载噪比同步变化的北斗欺骗检测方法

马志奇,叶红军,魏 亮

(中国电科网络通信研究院,石家庄 050081)

0 引言

随着北斗三号卫星导航系统的全球组网成功,其具备了全天时、全天候、全区域覆盖的导航定位与授时服务能力,在气象预报、交通运输、电力调度、救灾减灾和侦察制导等民用与军用诸多领域产生了深远影响。但是在空间复杂电磁环境的影响下,北斗导航系统在有效性和可靠性方面面临着巨大的挑战。由于北斗信号结构的公开性、信号强度极低和信号处理的脆弱性所导致的自身的脆弱性[1],使其极易受到自然干扰和人为干扰等方面的影响。虽然由自然环境引起的干扰很多时候无法避免,但是这类干扰对接收机的影响并不大,很多时候会随着环境的改变而自动消失。因此真正对接收机构成严重威胁的是人为干扰,这类干扰是由攻击方恶意针对接收机而产生的干扰,对接收机性能影响最大。

实际上,全球导航卫星系统(global navigation satellite system,GNSS)的干扰问题早已突显。早在2011年12月,伊朗军方就声称使用GPS欺骗干扰设备,通过改变航向与目的地后,成功捕获了一架美军侦察无人机RQ-170[2];2018年11月,伊朗再次捕获了一架美军MQ-9大型无人机[3];2019年11月,在北约多国联合部队举办的三叉戟军事演习期间,芬兰北部地区以及东北部地区GPS信号出现了明显的干扰情况,从而使得大批民航客机因为机上的航电设备受到干扰而滞留机场无法起飞,芬兰空军原本的军事演习计划也受到了很大的影响[4]。由这些案例可以看出,有针对性地对GNSS进行干扰会对GNSS造成极坏的影响。

对于使用信号强度作为观测量进行欺骗检测的方法,许多国内外学者已经进行了深入研究,文献[5]利用接收机前端的AGC增益检测欺骗信号,由于欺骗装置会产生比真实信号功率更强的信号,所以可以依据AGC增益等级检测欺骗信号;文献[6]通过信号载噪比和绝对功率对欺骗信号进行检测,由于欺骗信号会导致接收机载噪比与绝对功率发生变化,所以可以通过一段时间内信号强度的跳变情况来检测欺骗信号;文献[7]提出了一种通过监测信号功率异常和接收机跟踪阶段自相关输出异常所组成的联合监测方法,并通过真实数据进行了验证;文献[8]提出了一种基于接收信道中噪声功率与载噪比异常变化的欺骗信号检测方法,并通过德州大学的德州欺骗测试数据集(Texas spoofing test battery,TEXBAT)对检测方法进行了验证;文献[9]提出了一种基于载噪比移动方差的欺骗检测方法,在欺骗信号功率优势时能达到很好的检测效果。这些方法都验证了利用信号强度来检测欺骗式干扰的可行性,但是利用接收机前端AGC增益以及单一观测星的载噪比值异常变化进行欺骗干扰的检测,容易受到环境因素变化以及单星数据异常影响而产生虚警。本文基于在施加欺骗干扰后北斗信号同一观测频点下不同可见星信号载噪比值具有相同变化趋势的规律,可以充分利用当前观测频点下各高俯仰角可见星的载噪比值数据信息,避免了因环境变化或数据异常导致的使用单一卫星载噪比值突变使检测方法失效的问题,实现了对由同一干扰天线发射出的大功率优势欺骗信号的检测,并通过外场搭建环境进行实际实验,验证了方法的有效性。

1 卫星导航欺骗干扰形式

欺骗干扰是指攻击方利用干扰信号与导航信号之间的强相关性来实施干扰行为,最终导致导航系统提供错误的导航信息,而且欺骗干扰信号与导航信号的相关性越强,干扰效果越好。按照欺骗干扰的欺骗方式进行分类,可以将欺骗干扰分成生成式欺骗干扰和转发式欺骗干扰[10]。

转发式干扰是先通过接收机获取真实信号,然后对获取的真实信号进行码延迟、增加功率等处理后进行转发传播,如图1所示。

图1 转发式欺骗干扰示意图

生成式欺骗干扰是通过干扰源产生所需的欺骗信号,同时,为了保证干扰源产生的信号和真实卫星信号具有相同的载波频率等信号特征,生成式欺骗干扰源通常还需要先解算出真实卫星信号的信息,然后再根据真实信号的信息来合成所需要的欺骗信号。因此,根据是否需要解算真实卫星信号进行划分,生成式欺骗干扰源可以分成两类,如图2所示。

图2 生成式欺骗干扰示意图

以图2中的生成式欺骗干扰源-1为例,生成式欺骗干扰源的工作流程一般是先通过定向接收天线将不同真实卫星的信号接收下来,之后将接收到的真实卫星信号进行解调,得到相应的真实载波频率、电文等信息,攻击方再根据这些信息利用干扰源产生新的欺骗信号,最后将欺骗信号通过发射端发送给用户接收机。

欺骗式干扰导致导航卫星系统的接收机出现的异常现象可分为三类[11]:

1)接收信号参数异常:信号频带内功率异常、信号载噪比异常、相关峰畸变和载波多普勒与伪码多普勒一致性异常;

2)接收信号方向异常;

3)解算结果异常:定位结果跳变、多个位于不同位置的接收机定位结果一致和伪距残差过大。

由此可见,欺骗干扰对于卫星导航系统的危害十分显著,采用欺骗检测方法及时检测出欺骗干扰信号对保障终端接收机正常有效工作具有重要意义。

2 基于信号强度的欺骗干扰检测方法

在一般欺骗干扰场景中,攻击方为了能够达到较好的欺骗效果,会使欺骗信号的功率高于真实信号功率。所以通过检测接收信号的能量,可以判断接收机是否受到欺骗干扰。能量检测可以分为绝对功率检测和相对功率检测两种检测方式[12]。绝对功率检测是指直接对接收信号的功率大小进行检测,当检测到的信号功率超过所设阈值时,就认为该信号为欺骗信号;相对功率检测是指通过监测接收信号的载噪比等间接方式来进行检测。

2.1 二元假设检验

对于导航欺骗干扰检测问题可以简化为二元假设检验问题[13],即

H0:当前接收数据只有真实信号;

H1:当前接收信号存在欺骗信号。

本文选取北斗接收机跟踪阶段输出的载噪比(carrier-to-noise ratio,C/N0)建立检测统计量,则假设检验模型可以表示为

(1)

式中,ωn为高斯白噪声向量。

假设统计检测量C在H0和H1下的概率密度函数分别为p(C;H0)和p(C;H1),由奈曼-皮尔逊准则可得似然比为

(2)

设置检测门限γ,若L(C)>γ,则判定为H1成立,即存在欺骗干扰;否则判定H0成立,即不存在欺骗信号,仅存在真实信号。漏警概率PMD和虚警概率PFA分别表示为

PMD=P(L(C)<γ|H1|)

(3)

PFA=P(L(C)>γ|H0|)

(4)

在确定虚警概率PFA的情况下,检测门限γ可由式(5)求出

(5)

由于欺骗干扰环境的灵活性和多变性,所以在H1条件下的统计分布情况并不容易得知,但是在H0条件下的分布可以近似看作是高斯分布,可以表示为

(6)

2.2 K-means聚类算法

K-means聚类算法(也称为K均值聚类算法)是一类基于距离的经典算法。K-means聚类算法以距离指标作为评判依据,如果两个对象之间的距离越小,那么就认为它们之间的相似度越高,算法认为距离相互靠近的对象构成类簇,并且最终可以得到独立紧凑的簇。

K-means算法的基本原理是给定数据样本X,X={x1,x2,…,xn},n个对象,每个对象均包括m个维度的属性。首先,初始化k个聚类中心{c1,c2,…,ck}(1

(7)

式中,Xi表示第i个样本;Cj表示第j个聚类中心;t为属性顺序。通过式(7)计算所得距离,然后互相进行比较,根据最近原则将样本分配得到k个类簇{S1,S2,…,Sk}。

类簇中心计算公式如式(8)所示

(8)

其算法流程可以归结如下。

1)选点:从样本数据中随机选取k个样本作为初始中心点;

2)归类:根据计算所得每个样本到每个聚类中心的欧氏距离划分类簇;

3)迭代:重新计算簇中心点,重复前面步骤,直至中心点收敛。

2.3 基于载噪比同步变化的欺骗干扰检测方法

由于导航卫星处于距离地面几万千米的高空中,所以对于真实的导航信号来说,正常情况下接收到的载噪比值并不会有很大的变化[16]。在一般欺骗干扰环境当中,由于不同卫星的欺骗信号是通过同一欺骗干扰天线发射出的,所以接收机在受到欺骗干扰攻击后,同一频点下不同可见星的载噪比值会产生相同的变化趋势。在外场实验中,分别对北斗B1I频点与B3I频点进行实际测试。通过接收软件进行正常对天收星,在施加欺骗干扰前后各可见星的载噪比值发生了明显的变化。

B1I频点施加欺骗前后各可见星的载噪比值情况如图3和图4所示,此时对天可见星分布如图5所示。

图3 实验一无欺骗干扰下正常收星载噪比值情况

图4 施加B1I频点欺骗干扰下收星载噪比值情况

(a) 无欺骗正常对天可见星分布图

B3I频点施加欺骗前后各可见星的载噪比值情况如图6和图7所示,此时对天可见星分布图如图8所示。

图6 实验二无欺骗干扰下正常收星载噪比值情况

图7 施加B3I频点欺骗干扰下收星载噪比值情况

(a) 无欺骗正常对天可见星分布图

观察施加欺骗干扰前后各可见星的载噪比值情况,可以看出在施加欺骗干扰前后当前频点下的各可见星载噪比值变化明显,B1I频点下第1,7,8,10,13和29号星的载噪比值产生了相同的变化趋势,B3I频点下第1,8,9,13,16和21号星的载噪比值产生了相同的变化趋势,即相较于正常情况下有明显的增加,并且最终载噪比值几乎相同。也就是说,无论在正常情况下当前频点各可见星的载噪比值是多少,在施加由同一天线发射出的欺骗干扰后,高俯仰角可见星的载噪比值会变化至一个基本相同的确定数值范围内。

基于此规律,本文提出了一种欺骗干扰检测方法,方法流程图如图9所示。提取接收信号中当前频点各可见星的载噪比值作为检测量,如果在施加欺骗前后当前观测频点下有多于3颗可见星的载噪比值发生明显变化并超过预设的检测阈值,此时使用K-means聚类算法对施加欺骗前后的载噪比值进行分析。

图9 检测方法流程图

施加欺骗前后第i颗观测星载噪比值Ci的类簇中心分别可以表示为

(9)

(10)

其中,Sl表示观测数据区间长度,然后计算每个对象到每个类簇中心的欧氏距离,互相进行比较,根据最近原则将样本分配到不同的类簇当中。对于当前观测频点下所选取的k颗高俯仰角可见星,在施加欺骗后其施加欺骗类簇中心基本相同,即

CSPOOFING,1≈CSPOOFING,2≈…≈CSPOOFING,k=CSPOOFING

(11)

当超过检测阈值的这些可见星在变化后的载噪比值之间的“距离”小于一个确定值(因为在短时间内卫星的载噪比值基本为一稳定值,可能会有1～2 dB·Hz的波动,所以可以将这个确定值设为1 dB·Hz),即

(12)

此时就可以认为这些星的载噪比值相似度高,都进入了CSPOOFING类簇,将此类簇定义为施加欺骗载噪比变化域,那么就可以判定这几个信号为由同一天线发射出的欺骗信号,由此实现对由同一干扰天线发射出的大功率优势欺骗信号的检测。

3 实验验证

在外场实际搭建欺骗环境进行测试,实验环境与设施如图10所示。欺骗干扰源选用卫导NGS4000多功能干扰源,接收板卡选用BZ4321部分频点板卡,分别使用欺骗干扰源的内置星历发射针对B1I频点的生成式欺骗干扰以及使用外接天线实时对天收星后发射针对B3I频点的转发式欺骗干扰,调整干扰源输出功率,使得欺骗干扰信号至接收天线口面功率为-115 dBm,分别接收正常对天信号和施加欺骗干扰信号各35 min,存储载噪比值数据进行分析。

(a) 实验环境

对施加欺骗干扰前后北斗系统B1I频点的第1,3,8,10和13号可见星的载噪比值实采数据结果如图11所示。

图11 BDS B1I频点 PRN1,3,8,10,13卫星载噪比变化示意图

通过观察可以得出B1I频点所选5颗可见星在施加欺骗前后的大致载噪比值如表1所示。

表1 B1I频点PRN1,3,8,10,13可见星大致载噪比值

对数据结果进行分析,可以看出在正常情况下,不同编号可见星信号的载噪比值基本稳定在某一数值附近,会因可见星俯仰角的不同而有所差异,但是在施加欺骗干扰后,高俯仰角可见星的载噪比都产生了一定程度的增强,并且载噪比值最终都重合地落在了同一数值范围,即施加欺骗载噪比变化域内,则可以判定为此时接收机受到了欺骗干扰,如图12所示。

图12 B1I频点施加欺骗载噪比变化域示意图

图13 BDS B3I频点 PRN1,8,13,16,21卫星载噪比变化示意图

同样地,对于B3I频点,其第1,8,13,16和21号星的载噪比值实采数据结果图如13所示。

B3I频点所选5颗可见星在施加欺骗前后的大致载噪比值如表2所示。

表2 B3I频点PRN1,8,13,16,21可见星大致载噪比值

则B3I频点下的施加欺骗载噪比变化域示意图如图14所示。

图14 B3I频点施加欺骗载噪比变化域示意图

可见B3I频点的结果如同B1I频点一样,在施加欺骗后各高俯仰角可见星的载噪比值都重合地落在了同一数值范围内。

将卫星信号载噪比值作为观测量,使用K-means算法进行聚类分析[17]。首先将正常收天情况下的各星载噪比值作为一个类簇,即无欺骗干扰类簇,然后在施加欺骗干扰后,设置到施加欺骗载噪比变化域中心距离为1 dB·Hz,将观测时间内超过检测阈值的这些高俯仰角可见星的载噪比值聚类后,若都落在施加欺骗载噪比变化域内,则将其划分为另一个类簇,即施加欺骗干扰类簇,以此实现对欺骗干扰的检测。

选取实际实验环境下B1I频点和B3I频点施加欺骗干扰前后各1 min的实采数据进行聚类检测,结果示意图分别如图15和图16所示。

图15 B1I频点聚类检测结果示意图

图16 B3I频点聚类检测结果示意图

通过对B1I频点正常收天时间段内各可见星载噪比值的观察,确定一个略高于各星载噪比值的确定值作为检测阈值,如图15中红色虚线,在当前观测时间段内将检测阈值设置为49 dB·Hz,将超过这个门限的各星载噪比值进行聚类分析以形成施加欺骗类簇。从图中可以看出,利用K-means聚类后结果分为两个类簇,分别为蓝色无欺骗干扰与红色施加欺骗类簇,并可以看出此时的B1I频点施加欺骗载噪比变化域为(51±1) dB·Hz,选取的第1,3,8,10,13号5颗高俯仰角可见星施加欺骗后的载噪比值都落入此施加欺骗载噪比变化域内,即检测到欺骗干扰。

同理对B3I频点正常收天时间段内各可见星载噪比值的观察,确定46 dB·Hz作为检测阈值,如图16中红色虚线。可以看出,此时的B3I频点施加欺骗载噪比变化域为(48±1) dB·Hz,选取的第1,8,13,16,21号5颗高俯仰角可见星施加欺骗后的载噪比值都落入此施加欺骗载噪比变化域内,即检测到欺骗干扰。

设置欺骗干扰信号相对于真实卫星信号的功率优势分别为3 dBm,6 dBm和9 dBm,进行500次蒙特卡罗仿真,得到不同欺骗干扰功率优势情况下ROC曲线如图17所示。

图17 不同功率优势欺骗检测ROC曲线

可以看出,此方法对欺骗干扰信号的检测概率随着欺骗信号相对于正常信号功率优势的增大而增大,对于受到的大功率优势(欺骗功率优势≥6 dBm)欺骗信号,在虚警概率为0.05时检测概率可以达到95%以上,即此方法对于大功率优势欺骗干扰具有很好的检测效果。但是当欺骗功率优势为3 dBm甚至更小时,即所施加的欺骗干扰为隐蔽性欺骗干扰,恒虚警条件下已不能实现对欺骗干扰的检测,即此方法失效,此时需要结合其他检测方法和策略进行联合检测。

4 结论

欺骗干扰是北斗卫星导航系统服务安全使用的一个严重威胁。本文提出了一种载噪比同步变化的欺骗干扰检测方法,以载噪比作为观测量,利用受同一天线发射出的欺骗干扰后各高俯仰角可见星的载噪比值会落在同一施加欺骗载噪比变化域的特性,结合聚类算法对实采数据进行检测分析,验证了此方法的可行性和有效性。对实测数据的处理结果表明:

1)本文提出的方法可以充分利用当前观测阶段各高俯仰角可见星的载噪比值数据,避免了因数据异常导致的使用单一卫星载噪比值突变检测方法的失效问题;

2)对于大功率优势的欺骗信号,本文提出的欺骗检测方法可以有效地检测出欺骗,正确率可以达到95%以上;

3)对于功率相近的隐蔽式欺骗干扰,由于欺骗信号与真实信号交互作用的影响,使得此方法检测性能大幅下降,此方法不再可靠,此时需要借助其他检测方法进行精细检测。

本文提出的欺骗干扰检测方法和策略为提高北斗接收机抗干扰能力提供了有益参考。但是此方法是在单一天线发射欺骗干扰的欺骗场景下进行欺骗检测的,适用范围受限,在使用多天线发射欺骗干扰信号以及隐蔽式欺骗干扰的复杂欺骗干扰场景下,此方法失效,需要辅以其他检测方法以提高欺骗干扰检测的成功率和可靠性。