چکیده:
استفاده از سامانه موقعیتیابیجهانی(GPS)در سامانههای فوق خودکار،روزبهروز رو به افزایشاست و لذا مسئله امنیت این سامانهها بسیار حائز اهمیت میباشد.یک خطر بزرگ در تخمین موقعیت توسط GPS،حمله فریباست. فریبنده سیگنال ماهواره را جعل میکند تا گیرنده را مجبور به تخمین اشتباه موقعیت نماید. تحقیقات بسیاری بر روی آشکارسازی و کاهش فریب در گیرندهGPSتمرکز دارند.در این مقاله،بهکارگیریمعماری چند همبستهساز مبتنی بر شبکه عصبی جهت مقابله با حمله فریب پیشنهاد شده است. حمله فریب با سازوکار ترکیب و تأخیر بر مبنای یک سیگنال واقعی GPS ساخته شده است. نتایج شبیهسازیهای انجام شده در گیرنده نرمافزاری، حاکی از مؤثر بودن راهکار پیشنهادی در جهت کاهش حمله فریب میباشد. با مورد مطالعه قرار دادن سه سناریو فریب عملی، روش پیشنهادی مورد ارزیابی قرار گرفت و نتایج حاصله نشان میدهند که میزان کاهش خطای فریب با بهکارگیری این روش، 42/88% میباشد.
The use of Global Positioning System (GPS) in highly automated systems is increasing day by day. Therefore, itssecurity of these systems is getting important more and more. The reliability of the obtained position by GPS is in danger by spoofing attacks. A spoofer transmits replicas of authentic satellite signals to force the victim receiver to misjudge the its position estimate. Numerousresearches have been focused on spoofing detection and mitigation in the GPS receivers. In this paper, mitigation of spoofing attack is suggested by using multi-correlator architecture associated with neural network. Spoofing signal is generated by mixing two signals which are produced by authentic GPS signal and its shifted. The results of the simulations which wasperformed in the software defined receiver, indicate the solution was effective in mitigating the spoofing attack. By studying three scenarios of spoofing, the proposed method was evaluated and the results show that the rate of reduction of deception error is 88.42% by using multi-correlation architecture.