Hava araçlarının ADS-B sinyalleri yardımıyla sınıflandırılması
Classification of aircrafts by means ADS-B signals
- Tez No: 883687
- Danışmanlar: PROF. DR. ALİ KARA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Hava trafik yoğunluğunun günden güne artması ve bu trafiğin yönetilebilmesi amacıyla giderek daha fazla öneme sahip olan Otomatik Bağımlı Gözetim-Yayın (ADS-B) sistemleri, herhangi bir yer/hava kullanıcısının ihtiyaç duyacağı pozisyon, iz ve yer hızı vb. bilgilerin bir yayın kaynağı aracılığıyla belli aralıklarla iletimini sağlayan bir gözetim uygulamasıdır. ADS-B out ve ADS-B in olarak 2 farklı servisi olan ADS-B, radar sisteminin yerini alarak tüm dünyada hava trafiğini yönetme yolundadır. ADS-B protokolünde yayınlanan mesajlar kriptolu (encrypted) ya da yetkilendirilme anahtarına sahip (authenticated) değildir. Bu sebeple bir çeşit SDR (Software Define Radio) ya da benzeri düşük bütçeli cihaz ile bu yayınlar kolayca dinlenebilir ya da sahte ADS-B mesajları yayınlanarak siber saldırılar gerçekleştirilebilir. Bu tarz saldırıların önüne geçilmesi için Radyo Frekans Parmak izi (RFF), sinyallerin sınıflandırılması için başarılı sonuçlar üretebilir. Bu çalışmada, hava araçlarının kimliklendirilebilmesi için ADS-B yayın kaynakları RFF vasıtasıyla sınıflandırılmıştır. SDR yardımıyla 8 farklı uçaktan 3480 adet gerçek ADS-B sinyali kaydedilmiştir. Bu sinyallerin benzersiz parmak izinin çıkartılması için güç spektral yoğunluğu (PSD) özelliği kullanılmıştır. Doğrusal, polinom ve dairesel tabanlı (RBF) kernel fonksiyonu ile destek vektör makinaları kullanarak hava araçları kimliklendirilmiştir. Kimliklendirme esnasında farklı sinyal-gürültü oranlarına (SNR) göre test sonuçları gözlemlenmiştir. En düşük SNR seviyesinde (10 dB) dahi önerilen SVM metodunda polinom kernel fonksiyonu kullanarak %92'lik bir başarım yakalanmıştır. Az sayıda ve düşük SNR'a sahip gerçek sinyallerden oluşan veri setiyle dahi RFF sınıflandırmasının başarılı olabileceğini gösterilmiştir.
Özet (Çeviri)
The increasing daily air traffic density and the necessity to manage this traffic have elevated the importance and usage of Automatic Dependent Surveillance-Broadcast (ADS-B) systems. These systems serve as a surveillance application that broadcasts essential information such as position, track, and ground speed at regular intervals through a broadcast source to any terrestrial or aerial user requiring it. ADS-B, with its two distinct services, ADS-B Out and ADS-B In, is on the path to replace radar systems, managing air traffic worldwide. The messages broadcasted by the ADS-B protocol are neither encrypted nor authenticated. Therefore, these broadcasts can be easily intercepted or spoofed with fake ADS-B messages using a Software Defined Radio (SDR) or similar low-cost devices, leading to potential cyber-attacks. Radio Frequency Fingerprinting (RFF) of signals for classification can produce successful results in preventing such attacks. In this study, ADS-B broadcast sources were classified to identify aircraft. With the assistance of SDR, 3480 real ADS-B signals from 8 different aircraft were recorded. The Power Spectral Density (PSD) feature was utilized to extract the unique fingerprint of these signals. Air vehicles were identified using Support Vector Machines (SVMs) with linear, polynomial, and Radial Basis Function (RBF) kernel functions. The test results were observed across different Signal-to-Noise Ratios (SNRs). At the lowest SNR level (10 dB), the proposed SVM method using the polynomial kernel function achieved a success rate of 92%. This demonstrates that RFF classification can be successful even with a small dataset consisting of real signals at low SNRs.
Benzer Tezler
- Modelling, control and implementation of an unmanned vertical take-off and landing aircraft
Dikey iniş kalkış yapabilen bir insansız hava aracının modellenmesi, kontrolü ve gerçeklenmesi
FARABİ AHMED TARHAN
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Otomatik bağımlı gözetim - yayın verileri kullanılarak anomali tespiti ve uçuş istatistiklerinin değerlendirilmesi
Anomaly detection and statistical analysis of flights by using automatic dependent surveillance - broadcast database
ÖMER GÜNEŞ
Yüksek Lisans
Türkçe
2023
Matematikİstanbul Medeniyet ÜniversitesiUygulamalı Matematik ve Hesaplamalı Bilimler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURULLAH ÇALIK
DOÇ. DR. BETÜL HİÇDURMAZ
- ADS-B cihazlarına yapılan saldırıların yapay öğrenme ile tespiti
Classification of attacks on ADS-B devices with artificial learning
İBRAHİM MERAL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELİF BOZKAYA
- ADS-B radar transponder için yüksek kazançlı anten tasarımı
High gain antenna design for ADS-B radar transponder
MUSTAFA GÖKHAN TÜRER
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik MühendisliğiHava Harp Okulu KomutanlığıElektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA EMRE AYDEMİR
- İnsansız hava araçlarının ulusal hava sahalarına entegrasyonu ve yeni hava trafik yönetimi konsepti için otomatik HTK modellemesi ve uçuş yönetim sistemi geliştirilmesi
The design of automated atc and the development of flight management system for the integration of UAVs into the national airspaces within the new air traffic management paradigm
CENGİZ PAŞAOĞLU
Doktora
Türkçe
2016
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURSEL AKÇAM
PROF. DR. GÖKHAN İNALHAN