网站建设前期准备方案,镇江公交优化,wordpress开启启gzip,1688外贸平台Fly Catcher 的开发者 Angelina Tsuboi 是一名飞行员、网络安全研究员和发明家。
她决定着手一个将这三个不同兴趣结合起来的项目#xff0c;以解决航空雷达系统的一个重大问题。
ADS-B 系统最初用于基本的飞机定位和跟踪#xff0c;Tsuboi 对该系统的网络安全方面进行了深… Fly Catcher 的开发者 Angelina Tsuboi 是一名飞行员、网络安全研究员和发明家。
她决定着手一个将这三个不同兴趣结合起来的项目以解决航空雷达系统的一个重大问题。
ADS-B 系统最初用于基本的飞机定位和跟踪Tsuboi 对该系统的网络安全方面进行了深入研究。
令人惊讶的是她发现该系统缺乏安全措施。
意识到飞行员和地面控制人员广泛使用 ADS-B 后开发人员决定利用他们的创客技能来提高人们对这一安全漏洞的认识并创造解决方案。
借助备用的 Raspberry Pi、SDR 和 1090 MHz 天线他们开始开发 Fly Catcher这是一种旨在解决这些安全问题的设备。
在整个项目中我意识到找到检测欺骗飞机的 AI 模型在很大程度上取决于具体情况。
例如我了解到神经网络是检测明显“脚本小子”飞机的最佳模型。
然而必须进行更多研究来优化模型以对更多隐蔽的欺骗案例进行分类。
在尝试了各种优化方法后我发现 RSSI 指纹识别是最准确的它涉及通过分析飞机 ADS-B Out 发射器的信号强度来对欺骗飞机进行分类。
Fly Catcher 特点
Fly Catcher 与其他防伪检测产品相比脱颖而出因为它利用了价格实惠且文档齐全的组件例如 Raspberry Pi 和 FlightAware SDR 平台从而大大降低了组装成本。
此外Fly Cather 背后的设计和研究完全是开源的任何人都可以制造该设备只要他们拥有所有材料。
其他防伪检测设备通常不向公众开放价格昂贵并且没有详尽的文档这对有兴趣探索航空和网络安全交集的人来说是一个进入障碍。
功能列表 检测伪造的 ADS-B 消息 在 1090 MHz 频率上记录消息 ✈️ 映射和可视化 ADS-B 消息 ⚙️ 基于 Raspberry-Pi 的便携式设备 ⚡️ 准确的神经网络分类器 体积小巧可 3D 打印 与 FlightAware SDR 兼容
未来计划
考虑到该项目的长期前景开发人员旨在增强该设备的核心功能以提高其检测欺骗的准确性。
目前由于开发人员对实际伪造信号的访问有限该设备的训练基于伪造数据。
Tsuboi 热衷于与航空领域的信号情报专家合作从现实世界中获取真实的伪造 ADS-B 数据。
这将大大改善为该设备提供支持的 AI 模型。
此外开发人员有兴趣探索各种 AI 模型和范例包括 RNN 和 LSTM以提高模型的准确性。
前往GitHub详细了解如何自己构建该设备。
https://github.com/ANG13T/fly-catcher
