近日，中国科学院国家授时中心研究团队在卫星导航信号安全研究方面提出一种新方法，通过引入增量学习机制增强LSTM模型，用于检测GNSS信号中的欺骗干扰。该方法针对传统静态模型在长时序预测中易出现的性能下降问题，结合分层学习率与环形缓冲区技术，实现了对流式GNSS信号中欺骗干扰的动态检测。

    研究聚焦于GNSS信号在实际环境中面临的欺骗攻击风险，探索如何在连续信号流中实现稳定、及时的干扰识别。通过设计具有在线更新能力的LSTM模型，系统能够随着信号动态变化持续调整参数，提升对非平稳信号特征的适应能力。

图1 模型在数据集上的检测结果

    在公开数据集上的验证表明，该方法在欺骗干扰检测中具备较好的准确性，检测响应时间较短，资源占用较低，为轻量化、实时化的GNSS安全防护提供了一种可行思路。该研究对提升卫星导航系统在动态环境下的抗干扰能力具有参考意义，也可为相关嵌入式平台的算法部署提供参考。