一种基于KAN-LSTM的ADS-B数据异常检测方法

一种基于KAN‑LSTM的ADS‑B数据异常检测方法。其包括ADS‑B原始数据处理；构建KAN‑LSTM混合预测模型并进行训练：计算多维异常评分；实施动态阈值策略的S4阶段；输出异常检测结果等步骤。本发明效果：通过融合KAN的自适应非线性映射能力和LSTM的时序建模能力，实现了检测性能的显著提升，F1分数达到95.58％，相比传统LSTM方法提升6.74％，相比专门针对ADS‑B设计的GAN‑LSTM方法提升3.13％。基于马氏距离的多维评分机制能够有效识别涉及多个参数的复杂攻击，特别是对欺骗攻击的检测性能提升4.1％，增强了对复合异常的识别能力。信息熵动态阈值能够自动适应不同飞行阶段，无需人工调整参数，提高了系统的鲁棒性和实用性。