Аңдатпа: Зерттеудің мақсаты авиациялық байланыс және навигациялық жүйелердегі киберқауіптерді анықтау үшін машиналық оқыту үлгілерін әзірлеу және бағалау болып табылады. Қазіргі заманғы авиациялық инфрақұрылымдар, соның ішінде ADS-B және ACARS хаттамалары, GPS спуфинг, DoS және жалған хабарлама инъекциясы сияқты шабуылдарға осал. Зерттеу 50 000 жазбадан тұратын біріктірілген деректер жиынтығын пайдаланады, оның 30% шабуылдарды модельдейді және 70% жүйенің қалыпты жұмысын көрсетеді. Әдістеме Random Forest, SVM және автокодер үлгілерін пайдалануды қамтиды. Қалыпқа келтіру және өлшемділікті азайтудан кейін (10 PCA құрамдастарына дейін) модельдер 5 еселік стратификацияланған кросс-валидацияны қолдану арқылы оқытылды және сынақтан өтті. Random Forest ең жақсы жіктеу дәлдігін көрсетті — 96,4%, F1-өлшемі 94,9%, Recall 95,1% және Precision 94,7%. SVM 91,2% дәлдікті көрсетті, ал автокодер 4,1% аспайтын жалған оң көрсеткішпен 92,3% сәтті шабуылды анықтауға қол жеткізді. ROC талдауына сәйкес, Random Forest моделінде AUC = 0,98 болды, ал Precision-Recall талдауы AP = 0,96 көрсетті. Ғылыми жаңалық хаттамалардың ерекшеліктері мен уақытша ерекшеліктерін ескере отырып, нақты авиациялық сценарийлерге қолдану мүмкіндігі бойынша оқытушысы бар және оқытушысыз үлгілерді жүйелі түрде салыстыруда.
Тәжірибелік маңыздылығы оқытылатын үлгілерді әуе қозғалысын бақылау жүйелеріне және қауіпті ерте анықтау, ақаулар қаупін азайту және ұшу қауіпсіздігін арттыру үшін сандық борттық жүйелерге біріктіру мүмкіндігінде жатыр.

Түйін сөздер: авиациялық киберқауіпсіздік, машиналық оқыту, басып кіруді анықтау, ADS-B, GPS спуфинг, автокодер, Random Forest.