Assessment of GPS Spoofing Defences for UAVs

Les drones sont des aéronefs avec une utilité importante dans de nombreux domaines, que cela soit militaire, agricole, industriel, commercial, policier ou autres, où ils sont de plus en plus répandus. Ils sont cependant vulnérables à de nombreuses attaques, notamment certaines qui falsifient des signaux GPS. Bien que de nombreuses défenses aient été proposées, il n’existe que très peu de comparaisons de celles-ci permettant de bien comprendre leurs forces et faiblesses relatives. Il n’existe d’ailleurs pas non plus de jeu de données utilisable pour effectuer cette comparaison. Cette thèse a pour but de changer cela, fournissant un jeu de données de vols et une comparaison de plusieurs défenses afin de rendre l’amélioration et la comparaison de défenses, futures comme actuelles, plus aisées. Ce jeu de données regroupe cent vols d’un drone simulés au travers du système Ardupilot. Ces vols furent simulés dans une grande variété de conditions afin de représenter aux mieux les différentes conditions de vols auxquelles un drone pourrait faire face. Afin de bien pouvoir vérifier la capacité de détection d’attaques d’une défense, la moitié des vols contenaient une attaque qui fit dévier le drone de sa trajectoire prévue. Ces attaques étaient variées, allant de la simple téléportation à des versions bien plus discrètes et complexes. Différentes défenses furent ensuite implémentées pour essayer de détecter ces attaques au mieux tout en évitant autant que possible des fausses alarmes. Ces défenses furent principalement directement tirées de la littérature, notamment un autoencodeur, une machine à vecteurs de support à une classe ainsi qu’une régression linéaire et autres. À celles-ci s’ajoutent un filtre de Kalman étendu tel qu’implémenté dans le drone utilisé, ainsi que des variations sur celui-ci, et des défenses plus simples, basées sur la vitesse ou la direction du drone, qui servent pour améliorer la comparaison et l’évaluation des défenses précédentes, fournissant des points de repères supplémentaires. Ce mémoire a déterminé que la meilleure défense contre les attaques de falsifications de signaux GPS envers les drones est un autoencodeur. Ceci fut découvert en simulant l’application de la série de défenses mentionnées précédemment sur le jeu de données de cent vols en testant ces défenses dans une grande variété de conditions.

Abstract

Unmanned aerial vehicles are an important emerging technology with wide-ranging applications in multiple domains, whether these be military, agricultural, industrial, commercial, public safety, or others, where they are becoming more and more widespread. These crafts are however at risk from multiple attacks, notably some that spoof GPS signals. Even though multiple defences have been proposed, there are few comparisons between these that make it possible to understand their relative strength and weaknesses. There is also no dataset suitable to make that comparison. This thesis aims to change this, providing a dataset of a hundred flights as well as a comparison of multiple existing defences to make enhancements and comparisons of defences, both future and current, easier. This dataset contains one hundred flights of a UAV simulated using the Ardupilot system. These flights were simulated under a wide variety of conditions to better represent the different flight conditions that a UAV might face. To best test a defence’s ability to detect attacks, half of the flights contained an attack which made the UAV deviate from its expected trajectory. These attacks were varied, with some acting as simple teleportation while others were both subtler and more complex. A series of defences were then implemented to try and detect these attacks as best as possible while minimizing the number of false alarms. Defences inspired from literature, notably an autoencoder, a one-class support vector machine as well as a linear regression and others were used. On top of those, an extended Kalman filter as implemented within the used UAV, as well as some variations, and some simpler defences, based on the UAV’s speed or direction, were also implemented to add to the comparison and evaluation of the previous defences as they provide more points of comparison. This thesis found that the best defence against GPS spoofing attacks for UAVs was an autoencoder. This was discovered by simulating the application of the series of defences previously mentioned onto the dataset of one hundred flights, subjecting said defences to a diverse range of conditions.