Modulares GenAI-Framework für Spoofing- und Jamming-Erkennung in UXS
Gezielte Störungen von Navigationssystemen beinträchtigen alle Bereiche der Gesellschaft in zunehmenden Maß. Jede Beeinträchtigung oder Manipulation kann unmittelbare und schwerwiegende Folgen mit teilweise stark nichtlinearen Auswirkungen haben („butterfly effect“). Nur die Fähigkeit, Störungen präzise und effizient zu erkennen, liefert die Grundlage für die sachgerechte Einleitung von Gegenmaßnahmen.
Zur Detektion von Spoofing- und Jamming-Attacken werden bislang überwiegend konventionelle, validierte Verfahren angewandt (z. B. Physical Cross-Check, Pairwise Distance Monitoring, etc.). Neuere Studien evaluieren zusätzlich den Einsatz von Methoden aus dem Machine Learning (z. B. Support Vector Machine, Convolutional Neural Networks, etc.). Allerdings sind die meisten dieser Ansätze nur für eng umrissene Szenarien anwendbar und weisen eine geringe Generalisierbarkeit auf. Vor diesem Hintergrund schlagen wir einen generativen KI-basierten Ansatz (GenAI) zur universellen Anomalieerkennung für Spoofing- und Jamming-Attacken vor.
Siehe geschützter Anhang.
Siehe geschützter Anhang.
Siehe geschützter Anhang.
Siehe geschützter Anhang.
Siehe geschützte Angaben.
