Tłumaczenie maszynowe, niezweryfikowane przez osobę, dla której polski jest językiem ojczystym. Wzorcem jest wersja angielska.

Strony rodzajów scenariuszyEdytuj na GitHubieŹródło: docs/kinds/by-kind/spoof-detect.md

spoof-detect (rodzaj scenariusza)

Rodzaj scenariusza silnika v0.40.0, rodzina Zagłuszanie (jamming), spoofing i widmo. Wyłącznie doradczo: wynik analizy z narzędzia badawczo-inżynieryjnego; nie jest to sprzęt nawigacyjny z zatwierdzeniem typu ani usługa bezpieczeństwa życia. Każda etykieta tutaj pochodzi z silnika lub z macierzy weryfikacji; rodzaj jest MODELLED, chyba że macierz stanowi inaczej (jak zdobywa się etykietę: sekcja Evidence w README).

Co robi#

Połączony detektor spoofingu RF/pomiarowy (spójność RAIM wielu SV + AGC + SQM, zespolone) wobec sparametryzowanego ataku (przewaga mocy, wyrównanie fazy nośnej, przesunięcie czasu/pozycji; w stylu TEXBAT).

Jeden przebieg scenarios/spoof-detect.toml podsumowuje się tak: scenario e046ee4ca90a | spoof-detect | 8 SV, +1,5 dB | Przesunięcie pozycji | wynik zespolony 0,70 (próg 0,50) | SPOOF DETECTED (zespolony) — warstwy: RAIM+SQM

Wejścia#

Ze schematu (kshana kinds --json):

  • Pola wymagane: attack
  • Pola opcjonalne: satellites, detector

Przykład scenarios/spoof-detect.toml ustawia między innymi:

Pole Wartość Jednostka
attack.carrier_aligned false flaga
attack.el_imbalance 0.12 1
attack.num_biased 3 liczba
attack.power_advantage_db 1.5 dB
attack.push pozycja tekst
attack.push_magnitude_m 75 m
detector.agc_margin_db 3 dB
detector.fusion_threshold 0.5 nie podano
detector.raim_p_fa 0.001 nie podano
detector.sat_power_dbm -130 dBm
detector.sigma_m 5 m
detector.sqm_tolerance 0.1 nie podano

Uruchom#

kshana scenarios/spoof-detect.toml

Tego rodzaju używa 2 dołączonych scenariuszy; pozostałe są w scenarios/.

Co daje#

Wyniki skalarne tego przebiegu, z jednostkami podanymi przez silnik:

Wynik Wartość Jednostka
attack.carrier_aligned false flaga
attack.el_imbalance 0.12 1
attack.num_biased 3 liczba
attack.power_advantage_db 1.5 dB
attack.push pozycja tekst
attack.push_magnitude_m 75 m
decision.agc_excess_db 1.5 dB
decision.fused.alert true flaga
decision.fused.layers.agc false flaga
decision.fused.layers.raim true flaga
Wykres zapisany przez silnik dla scenarios/spoof-detect.toml, rodzaj spoof-detect

Dowody#

MODELLED: wiersze macierzy weryfikacji, które wymieniają ten rodzaj.

  • MODELLED Miara jakości bezpieczeństwa na epokę, zespolona z χ² wspomaganego zegarem, RAIM, AGC i SQM Testy: spoof_texbat_validation.rs.

Wiersze, które sam przebieg wykorzystał, wraz z wyrocznią, jaką macierz podaje dla każdego (publiczne źródła są tam wymienione):

  • MODELLED Zintegrowana dla każdej epoki miara jakości bezpieczeństwa z χ² wspomaganego zegarem, RAIM, AGC, SQM. Wyrocznia (ExternalDataset): parametry scenariusza TEXBAT (Humphreys 2012) — charakteryzacja, a nie przypięte wektory. 0,30 porównanie zewnętrzne, ustalenie (pozostaje MODELLED): w JammerTest 2024 (Bleik; dane GPL-3.0) monitory na poziomie obserwabli (chi-kwadrat wspomagane zegarem, RAIM, niepowodzenie rozwiązania) nie podniosły alarmu w ciągu 10 s od żadnego z 8 ocenialnych opublikowanych początków spoofingu (tam, gdzie okno przed początkiem było czyste, pierwszy alarm przyszedł 10,2 do 39 s po pu
  • MODELLED Deterministyczne, haszowane na poziomie scenariusza, bramki SBOM i złotych wyników między platformami. Wyrocznia (ExternalDataset): zgodność SBOM z oficjalnym schematem JSON CycloneDX 1,5 (+ prawidłowe identyfikatory SPDX): zewnętrzny opublikowany standard, zero błędów walidacji w całym grafie zależności; część dotycząca determinizmu wskaźników jakości i odtwarzalności bajt w bajt pozostaje przypiętą kontrolą samospójności, więc wiersz pozostaje MODELLED
  • PARTNER Nie zapewnia się — Kshana modeluje osiągi sygnału, a nie sprzęt ładunku użytecznego / anten. Wyrocznia (NoneKind): brak: dyscyplina należąca do partnera, z założenia bez modułu i bez testu

Ograniczenia#

Co raport samego przebiegu podaje jako niemodelowane lub niesprawdzone względem niezależnego wzorca:

  • Detekcja spoofingu jest MODELLED, nie jest sprawdzona względem niezależnego wzorca: jedno twierdzenie składowe jest sprawdzone zewnętrznie, ale cała możliwość składa się z elementów obliczonych na podstawie modelu, więc pozostaje obliczona na podstawie modelu. (macierz weryfikacji (docs/MODELLED-RATIONALE.md))
  • Odtwarzalność i zapewnienie jakości oprogramowania jest MODELLED, nie jest sprawdzona względem niezależnego wzorca: jedno twierdzenie składowe jest sprawdzone zewnętrznie, ale cała możliwość składa się z elementów obliczonych na podstawie modelu, więc pozostaje obliczona na podstawie modelu. (macierz weryfikacji (docs/MODELLED-RATIONALE.md))

Zobacz też#