中国安全科学学报

作者：李怀谦, 陈雨昊, 付宇翔, 沈嘉意

单位：1 中国民航大学 空中交通管理学院, 天津 300300；2 中国东方航空武汉有限责任公司, 湖北 武汉 430300；3 中国民航大学 理学院, 天津 300300

关键词：Wasserstein生成对抗网络(WGAN),极限梯度提升(XGBoost),广播式自动相关监视(ADS-B),异常数据检测,朴素贝叶斯

基金：国家级大学生创新创业训练计划项目(202410059019)

为保障航空运行安全、提升空域管理效率并增强系统对欺骗与干扰的防御能力,提出一种融合Wasserstein生成对抗网络(WGAN)和极限梯度提升(XGBoost)算法的异常数据检测模型。首先,通过WGAN学习预处理后ADS-B数据的内在分布特征,生成异常数据,将其与原始数据融合作为训练数据集;其次,基于XGBoost算法训练混合数据集,构建异常分类检测器;最后,通过试验与朴素贝叶斯、逻辑回归、感知机等基准模型开展性能对比。结果表明:与其他机器学习异常数据检测器相比,XGBoost 异常数据检测器在准确率、精确率、召回率、F1 分数等6项指标上均表现更优,其中准确率和精确率均超过0.999;模型检测 243 792 条数据的总耗时为 2.070 2 s,平均每条数据检测耗时 0.008 5 ms,在检测性能与时间成本间实现最优平衡,且经真实异常事件验证,具备良好的实用性与适用性。

来源：2025年第8期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第8期