衛星導航欺騙式干擾檢測技術綜述

倪淑燕 付琦瑋 陳世淼 祝新力

（1.航天工程大學 電子與光學工程系 北京市 100000 2.航天工程大學 研究生院 北京市 100000）

全球導航衛星系統(global navigation satellite system,GNSS)是能在地球表面或近地空間的任何地點任何位置為用戶提供全天候的3 維坐標、速度以及時間信息的天基無線電導航定位系統，包括美國的全球定位系統GPS、俄羅斯的格洛納斯衛星導航系統、歐盟的伽利略衛星導航系統和中國的北斗衛星導航系統。早在1990年的海灣戰爭美國研制出精密制導武器，使得美國在戰爭中成功進行了多次突襲。隨著定位導航以及授時精度提高，目前北斗導航系統授時的精度可以達到10 納秒量級,低成本高效益使得這項技術被各行業廣泛使用。

當前，GNSS 不僅應用于軍用導航，還逐漸涉及到許多專業領域，如為鐵路列車控制系統提供列車定位技術，測繪技術，自動識別系統，電子海圖顯示和信息系統，海事互聯網衛星通信也通過GNSS 調整天線方向。GNSS 正被越來越多地用于支持無人機、船舶、鐵路和自動駕駛汽車等應用中的自主駕駛。人們日常生活中常使用到的定位服務[3]比如車載導航、共享單車以及手機、耳機定位等都依賴于導航衛星系統。然而GNSS 設備的普遍應用使得潛在威脅遍布在生活的方方面面。

由于衛星導航與地面距離過大，地面接收機接收到的衛星信號經過極長的傳輸路程后，受空氣等因素的影響，會導致導航信號的衰減，信號功率非常低。信號在傳輸到地面過程中還會遇到各種障礙，在地形復雜的地方會受到過高的樹木，密布的高樓影響，容易受到欺騙干擾。并且因為導航信號結構的開放性，在信號傳輸過程中易于丟失，自身沒有抗干擾的能力，極易受到射頻干擾、遮擋和多徑影響，不容易被接收機準確識別出，所以GNSS會時常受到有意人為干擾或無意的自然干擾[1]。

有意的欺騙干擾最早公開在2011年12月5日，伊朗發出聲明控制了美國RQ-170“哨兵”；在之后的2016年初至2017年間陸續在莫斯科克里姆林宮附近發生游客導航失靈，錯誤定位到附近的機場的情況；還有在黑海附近工作的二十艘船只報告稱定位精度在100 米內的GPS 將定位定到了25 海里外的地方，雖然都未經證實是有意的干擾，但是都有受到欺騙干擾的痕跡[2]。

GNSS 欺騙攻擊使接收機輸出錯誤的位置、速度和時間的信息。隨著位置和時間信息在各領域重要性的提升，值得信賴的定位和時機服務是保護人們安全和財務的關鍵?？煽康臋z測是保證接收方接收安全的第一步，因此對于如何能快速、準確的檢測識別出欺騙干擾源是值得研究并且至關重要的。

1 欺騙干擾技術

有意識的人為干擾一般可分為兩種，壓制式干擾和欺騙干擾，而欺騙信號常因與真實信號的結構、參數、功率相似難以被識別出來。欺騙干擾危害性強，檢測難度高，主要有兩種形式分別是轉發式干擾與生成式干擾[3]。

轉發式干擾[4]是基于真實信號合成的，首先通過捕獲信號的GNSS 天線接收真實信號，然后再使用信號放大器增強信號功率并且經過適當延遲后通過定向的發射天線傳播高功率的欺騙信號，使接收機捕獲，該欺騙實現成本較低且容易實現，應用場景比較廣泛。

生成式干擾[5]根據已知的公開信號結構由導航信號模擬器自主生成，在已知接收機大概位置的情況下基于GNSS 接收機的欺騙信號與真實的GNSS 衛星信號同步，因此這種攻擊下的欺騙信號是難以被檢測出的。生成式干擾對比轉發式干擾的局限性在于不能模擬出未公開信號結構的軍碼，欺騙難度較高，不易實現，只能對已知民用碼的信號進行模擬，實施欺騙。

2 欺騙干擾檢測研究

2.1 基于定位導航解的欺騙干擾檢測方法

2.1.1 接收機完好性監測

接收機的完好性監測[6](receiver autonomous integrity monitoring, RAIM)一般是導航數據安全可靠的最后保障，通過使用接收機冗余數據監測用戶的定位結果，是一種可以直接應用在固定接收器以及移動接收器的檢測方法。文獻[7]利用基于Mean Shift 模型的RAIM 算法，提高檢驗傳統多故障算法的計算效率和檢測識別能力。相比采用LSR 改進形式的RAIM 算法監測效率最少提升78.79%，既保證了定位精度和定位可靠性，又提高了計算效率，減少了計算耗時。為提高RAIM 方法定位精度，文獻[8]中使用GNSS 增強系統中的局部擴展系統，主要通過向接收器提供校正數據來提高衛星導航接收器的定位精度。使用配備GPS 接收器的無人機模擬信號，根據移動接收器的測量值來計算導航解決方案。同時利用衛星導航校正數據和測量值進行欺騙信號的檢測，不管對單通道欺騙還是全通道欺騙引起的干擾都可以做出更加有效的檢測，欺騙檢測過程如圖1 所示。

圖1：檢測過程

2.1.2 基于慣性測量傳感器的欺騙干擾檢測方法

通常情況下，GNSS 傳感器容易被欺騙，但慣性測量傳感器(Inertial Measurement Sensor, IMU)不會被電磁干擾，IMU 是一種先進傳感器，穩定性較強，有三種不同類型的輸出，分別是陀螺儀、磁力計和加速度計。目前，包括很多智能手機在內的大部分設備都配備了IMU，使用IMU 測量值不受欺騙攻擊，提高了抗干擾性能。研究使用GNSS 與IMU 傳感器相結合的檢測方法，通過一致性檢測識別異常，可以有效檢測欺騙。文獻[9]中使用GNSS 接收器配備一個慣性測量傳感器，首先利用磁力計和陀螺儀測量估計方向，然后使用最大似然比估計位置、速度和加速度，最后通過簡單的矩陣乘法解決二次規劃問題，執行廣義似然比檢驗進行欺騙檢測。這種情況下還可以通過比較GNSS 接收機和IMU 測量出的位置信息進行欺騙檢測[10]。在該實驗中誤檢率極低，對IMU 的方向估計有較高要求。文獻[11]使用一種基于加速度計的一致性檢驗方法來檢測欺騙干擾，關注恒速度，與以往關注移動加速度不同，恒速度情況下提出一種新的決策變量，使用決策變量提供的概率密度函數（PDF）分析比較兩種場景下的欺騙檢測性能。通過將加速度作為狀態變量加入到GNSS 動態模型中，使用卡爾曼濾波估計來自GNSS 接收器的加速度，用卡爾曼濾波得到的加速度作為狀態變量，用速度差的平均值得到加速度。當移動加速度為零時，GNSS 欺騙檢測性能取決于欺騙信號和傳感器精度。得出結論恒速度情況下的欺騙檢測性能優于以往移動加速度情況下的性能。文獻[12]中使用GNSS/INS 集成導航系統，INS 可以保障短期測量精度，提供姿態信息，GNSS 可以提供長期測量精度，組合導航形成的系統功能互補。通過利用IMU 測量，在集成導航算法之前運行并檢查GNSS 測量值。特定的力和旋轉速率在一定時間內得出的車輛加速度，通過IMU 測量得出的平均加速度(Time Diあerential of Average Accelerations, TDAA)。該文獻提出的檢測方法的性能會隨著噪聲的增加而下降，噪聲越大，欺騙就更容易，被檢測出的概率就會下降。通過IMU 測量得出的TDAA不受GNSS 欺騙攻擊的影響，仍舊反應系統的速度變化，所以可以發現GNSS 接收器中測量出的TDAA 與IMU測量的不一致，因此檢測出欺騙的存在。

2.2 基于導航數據的電文校驗技術

軍用信號一直有加密技術保護，通過這種技術，可以免受欺騙干擾的攻擊，只有被授權的用戶才能得到導航的有用信息[13]。對導航信號加密可以直接在偽碼上設計加密安全碼，安全碼包含的芯片片段可以被建模為隨機的，有著不可預測性，所以是不可能被欺騙的，需要對接收機的結構進行改變。導航消息認證（NMA）方法也是現在常用的加密技術，通過數字簽名技術，對整個導航電文進行加密，需要改變導航信號接口。加密技術對提高GNSS 安全性的提高有很重要的作用，但是實現規模大，耗時久，成本高昂，不易實現，且對只需要改變偽距測量值進行欺騙的轉發式干擾沒有識別抑制作用。

2.3 基于基帶信號處理的檢測方法

2.3.1 基于鐘差和多普勒頻移的欺騙干擾檢測方法

欺騙干擾從發射機到目標接收機的傳播時延會使接收機接收延遲，對于單天線欺騙，所有從一個方向發出的干擾信號都會因欺騙天線和目標接收機/天線之間的傳播距離造成時延，在位置解中很難觀察到異常，而欺騙干擾源和接收機之間的相對運動造成了一個時鐘偏差估計的變量，在時鐘狀態中可以被觀察到，尤其是對于可移動的目標接收機而言[14]。一般接收機采用的晶體振蕩器有溫度補償晶體振蕩器和壓控溫補晶振,比起芯片級原子鐘頻率穩定性和確定性較差。在文獻[15]中通過比較應用于組合導航系統中的芯片級原子鐘和傳統常見振蕩器，可以得出結論，芯片級原子鐘提供的高精度、高效率時間數據可以提供更加準確有效的欺騙干擾檢測。文獻[16]在短時間內分析接收機時鐘的穩定性通過接收機自主信號認證方法來確認欺騙干擾的存在，并嘗試將欺騙信號從真實信號中剝離出來。接收器時鐘相位誤差可以通過導航解決方案中的時鐘狀態估計，分析短時間內時鐘狀態估計的時間序列，以確認是否可能包含欺騙干擾，使用卡方檢測評估統計的置信區間。接收機自主信號認證方法利用導航一致性檢，通過目標接收機與欺騙干擾源的相對運動產生的異變，不需要外部的慣性傳感器，此方法為移動GNSS 用戶提供了基本的抵御欺騙干擾的能力。

衛星發射信號到接收機的過程中，由于相對運動和延遲會造成發生頻率與接收頻率的頻率差。文獻[17]提出的一種基于多普勒頻移的單天線欺騙檢測識別技術，只需要一個單天線接收機。當接收機移動時，真實的信號之間的多普勒頻移在時域上是非線性的，而兩個單天線的欺騙信號之間的多普勒頻移在時域上是線性的。通過構造多普勒頻差模型，將欺騙識別問題轉化成了序列線性檢測問題。利用多普勒頻率知識，不需要附加信息，復雜度較低，通過實驗證明在0.001%的虛警概率下，檢測概率可輕易超過99.99%，可以有效檢測出GNSS欺騙信號，并且區分出欺騙與真實信號。

2.3.2 基于信號功率的欺騙檢測方法

當前最常用的檢測方法就是信號功率的欺騙檢測，針對生成式欺騙干擾，利用欺騙信號生成器與發射真實信號的衛星距離的差別，接收機接收到信號時信號功率會有不同的特點，通過構建接收到信號的功率變化模型，進行檢測[18]。但是單一的基于信號功率的檢測在欺騙信號與真實信號功率接近時，欺騙信號就難以被識別出來而且欺騙檢測的有效性會受到欺騙源與接收機距離和欺騙信號入射方向影響。文獻[19]對基于接收機輸出數據的檢測方法進行了詳細研究，在設定為單通道衛星信號，接收機已被欺騙的情況下進行仿真。對接收機輸出數據包括接收機位置、原始測量信息、信號功率和導航消息數據進行組合檢測。其中信號功率會隨導航衛星仰角變化，如果對仰角較低的衛星進行欺騙攻擊，逐漸增加信號功率，干擾可能不會被檢測到，所以通過正常情況下的平均信號功率來設置閾值。引入了可變閾值的概念，以防欺騙一直過于微弱而無法被檢測出的情況發生，可以有效降低欺騙檢測誤差，組合檢測的方法也可以使檢測效率大大提升。

2.3.3 基于相關函數的欺騙檢測方法

當前，基于互相關函數(Cross Correlation Function,CCF)失真的檢測是較為可靠的，如果存在欺騙，CCF中會存在很多峰，檢測易于實現，無需硬件支持。Phelts 最早提出Delta 度量和Ratio 度量，分別用來評估相關峰的對稱性和平坦度，通常使用窄帶相關器[20]。信號質量監測(Signal Quality Monitoring, SQM)的原始度量方法對GNSS 接收機的相關器輸出進行計算，噪聲影響大[21]，所以虛警概率很高，性能損失也大[22]。而且當欺騙信號與真實信號的相位和載波多普勒相似時，CCF 會變得相對平滑，欺騙信號就難以被檢測出來。對于真實信號，欺騙信號的碼相位和載波相位的許多特定組合也會降低當前的檢測性能。

文獻[23]中提出一種四重復雜的相關指標，稱作加權雙倍比。通過構造一個名叫RatioQ 的度量，欺騙檢測率比傳統Ratio 度量方法高，利用quadra-phase（四相制）相關輸出,結合兩雙復雜相關器由一個大型相關器間距分離，根據噪聲水平加權形成WDR。使用四個復雜的相關器檢測欺騙信號，對于接收功率相當于載波噪聲比為45dB-Hz 的欺騙情況，此方法的檢測率高于現有最佳性能指標。仿真結果表明，WDR 檢測覆蓋率高，接收機特性、檢測概率和載波噪聲比得到顯著提高，使用TEXBAT 數據集進行的實驗也可以表明WDR 可以檢測出8 種場景下的所有異常，并且檢測率高于現有的四相關器。雖然能夠應對更加復雜的欺騙干擾，但因額外使用了相關器，計算更加復雜。文獻[24]提出的方法克服了真實信號與欺騙信號之間的相對載波相位變化難以識別的問題。提出了一種基于多個相關器時域瞬態響應的加權二階中心矩差（Weighted Second-Order Central Moment, WSCM）的欺騙檢驗方法。首先擴展信號波形的二階中心矩，建立多相關器時域瞬態響應的加權準則，最后構建了能夠準確量化相關峰對稱性的WSCM 檢驗統計量，通過分析得出相關峰兩側WSCM 差服從高斯分布。采用奈曼-皮爾遜準則檢驗方法確定閾值，判斷接收器是否到欺騙干擾。使用TEXBAT 數據集中的場景4 和場景7 對WSCM 度量進行測試和評估，與兩種常規的Delta 度量和Ratio 度量相比，該方法檢測速度更快，可以提供即時的檢測，應對比較復雜微妙的欺騙更加敏感，尤其是在虛警概率相同的情況下，檢出率更高。文獻[25]也是基于相關函數失真的檢測，通過分解相關函數來估計GNSS 信號所經歷的無線電傳播信道參數的檢測欺騙方法。建立信道參數后計算信道脈沖響應，執行最大似然比檢驗來識別異常的信道條件，從而檢測出欺騙，該方法靈敏度高，檢測速度快。同時監測相關函數失真和多峰，可以在接收器被欺騙前檢測到干擾。通過空中客車公司開發的FFT 處理算法MTLL 可以有效減少處理量。多徑信號也會在信道脈沖響應中造成二次峰值，但多徑效應導致的額外相關峰值功率較小，比真實信號到達晚，峰值總是延遲的，可以通過處理相關函數法用于區分欺騙干擾和多徑干擾。通過觀察信道異常來檢測欺騙，該方法還需對載波多普勒信息影響進行進一步研究，完善對更復雜的干擾的檢測。

2.4 多天線

基于接收機完好性檢測、信號功率、載波與噪聲比率（C/N0）和相關函數等的檢測方法都易于實現，并且不需要其他硬件支持。但是這些方法的局限性在于僅能在時間初始捕獲階段起作用，屬于瞬間探測器，一旦接收器被欺騙就無法檢測到攻擊。即使欺騙攻擊可以被檢測出，接收機還是難以區分真實信號與欺騙信號，造成定位錯誤等影響。對于研究在捕獲階段可以隨時進行檢測的“穩態檢測”是非常重要的，實現穩態檢測的其中一個方法是利用GNSS 信號的空間多樣性，因為真實信號可能來自各個方向，而欺騙信號來自于同一方向。根據“到達角”進行識別的方法已被證明非常有效，但需要額外的組件，以實現其魯棒性，硬件成本高，如單個天線、多單元天線、雙極化天線或者在移動平臺上的慣性傳感器[26]。

在文獻[27]中提出了一種基于信號位置的GNSS 欺騙檢測方法，通過空間處理進行欺騙檢測，將雙極化天線安裝在C12 飛機上來收集數據。該文獻將算法推導應用于政府進行的真實欺騙事件中，使用雙極化天線可有效降低成本，對安裝條件沒有過多要求。通過假設迭代算法減弱多徑信號影響來檢測欺騙，這樣即使存在弱的多徑，也可以有效識別出干擾。但是此主要有兩個缺點，首先每個組合都解決了非凸優化問題，相關組合有明顯的計算負載。其次迭代算法雖然計算更加容易，但是該算法的測試要從測試所有的衛星開始，沒有警報再測試N-1 衛星子集，該算法僅考慮有限數量的衛星子集，以最小計算負載，減弱多徑的影響?；贒OA 的欺騙檢測通常使用廣義似然比測試，為了在不降低檢測能力的情況下，減輕干擾對虛假警報的影響，利用RAIM，可以檢測到單個GPS 衛星上的故障，而高級接收機自主完好性監測算法可以檢測衛星故障和星座故障，因為RAIM 提供了單個衛星的錯誤信息，就可以將單個衛星排除在檢測中[28]。證實了假設迭代算法使用低質量方位角DOA 測量值檢測了許多衛星的欺騙子集，降低遺漏檢測概率，同時保證了最大的有效檢測概率。

多單元天線陣列的欺騙檢測方法基于真實信號與欺騙信號的空間位置差異，利用假設欺騙信號來自同一方向，或者通過使用額外的IMU 分析多天線的姿態獲取姿態信息來檢測欺騙干擾。文獻[29]中提出使用兩個低成本天線，兩個GNSS 接收機和一個信號處理單元，不需要IMU 提供任何姿態信息，該系統可以檢測來自相同方向或者不同方向的欺騙信號。利用載波和相位的雙差數據和星歷數據結合估計基線矢量，利用已知的基線長度對估計的基線矢量進行修正，修正后的數據平均值與真實值相當接近，所以將修正后的值作為真實值的近似值。歸一化基線矢量后，通過SSE（誤差平方和）測試統計量來檢測欺騙是否存在。分別進行了動態和靜態的實驗，證明了該方法的有效性，并且沒有任何時延。對于動態場景下，由于信號的不穩定性出現的信號頻繁失鎖現象，進行進一步研究，解決了動態場景下會出現的不穩定情況。

2.5 基于人工智能算法的欺騙檢驗方法

常用的單參數檢測方法是通過被欺騙前后參數變化來識別干擾，比如在被欺騙信號干擾后接收到的信號功率會大大提高，但是考慮到場景的復雜度會出現多徑干擾以及更復雜的欺騙干擾，漏警概率大大提高，單參數檢測方法的局限性就逐漸暴露出來。文獻[30]-[31][32]提出了基于支持向量機的多參數聯合檢測方法，針對接收機處理各階段的欺騙，建立支持向量機欺騙檢測的二元分類模型。其中文獻[30][31]通過使用復合SQM 方法檢測欺騙信號，信號質量監測的設計是為了監視由于多徑和誘導欺騙干擾而引起的相關峰異常尖銳、平坦或不對稱的現象，因此多徑效應嚴重的情況下，欺騙檢測分辨率低，相關器輸出值量化指標不完善，單純的SQM 方法對中高級的欺騙檢測性能較差。采用多參數的欺騙檢測方法比僅選取一種參數的SQM 方法提高了準確率，為處理復雜多變的GNSS 欺騙干擾提供了有價值和可行的檢測思路。多參數檢測方法也可用于多徑信號干擾的檢測與識別，但是沒有具體分析特征參數的組合和偏好。多參數可以被視為真實與欺騙兩類信號場景的特征，支持向量機是一種用于二元分類的算法，文獻[30]選用高斯核函數和SMO 算法作為支持向量機模型，解決拉格朗日因子和偏移量問題，構造出GNSS 欺騙檢測模型的分類器。因為[31]等大多文獻中用于欺騙檢測的數據都選用TEXBAT 數據集，導致場景比較固定，文獻[30]選取了兩個數據集分別是得克薩斯大學的TEXBAT 數據集和美國橡樹嶺國家實驗室的OAKBAT 數據集，為欺騙檢測研究提供了更多的測試場景。文獻[32]更是使用布谷鳥搜索算法替代傳統網格搜索算法優化了支持向量機的屬性，縮短了檢測時間，降低虛警概率并提高了分類的準確性。表1 為三篇文獻分別采用的參數特征和數據集。文獻[33]從接收機采集信號階段開始研究，針對欺騙信號的碼相位偏移量在0-2 個芯片時的小時延欺騙場景，提出了基于卷積神經網絡算法的檢測方法。實驗結果證明，當欺騙信號與真實信號的碼相位差在0.5 個碼片以上，該方法有效且具有高精度檢測能力。文獻[34]使用收集到的GPS 信號數據組合，形成用于基于BP 神經網絡的欺騙干擾檢測方法的數據集。使用六個特征參數數據進行訓練，得到了有效的神經網絡模型，檢測準確率達到了83%。

表1：基于支持向量機的欺騙干擾檢測方法

基于人工智能算法的欺騙檢測方法不需要額外的硬件支持與復雜的算法，優化了檢測能力，提高了檢測精度，有良好的應用前景。

3 未來工作

當前的研究為避免因信號堵塞或多徑造成信號功率波動等影響，實驗大多選在較為空曠的無人場地，但是現實中的欺騙干擾不會在理想條件下攻擊。并且當前大多數研究都是基于生成式欺騙干擾的檢測研究，今后應更加深入研究轉發式欺騙干擾的檢測，注重多徑影響下的算法性能，優化應對各種復雜場景的欺騙檢測干擾方法。單一的信號特征檢測難以應對未知可變的干擾，多參數的應用減小了漏警概率。多種方法的融合檢測也是未來研究的一大趨勢，尤其是如何將人工智能的算法與傳統的方法結合，提高欺騙干擾的檢測性能。大部分檢測方法還都處于理論分析階段，今后可進一步在軟件定義的接收機系統中進行實踐與應用。