随着无人机技术的快速发展,无人机被广泛用于商业、农业及其他领域。无人机既可单独执行简单任务,也可由多机组成飞行集群协作执行更复杂的任务。集中式控制与分布式控制是常见的飞行集群控制方案。在分布式控制中,由于飞行集群节点自身的分布式特性,集群缺少一个中心节点对系统状态与行为进行统一规划,该方案虽然规避了集中式控制中因中心节点崩溃致使集群无法正常飞行的顽疾并使集群节点拥有较高的自由度,但分布式控制下飞行集群的一致性需要依赖集群各节点的密切配合。倘若,集群节点遭受恶意攻击成为恶意节点并对邻居节点展开攻击致使自身与邻居节点飞行状态发生异常且该异常状态将随着集群通信拓扑传播至整个网络严重影响飞行集群安全。同时,随着飞行集群边缘端算力的飞速提升、神经网络加速模块的广泛应用、边缘端神经网络框架的不断成熟,将神经网络应用于飞行集群逐渐成为可能。在构建神经网络检测模型后,本文提出了一种基于社区划分的飞行集群恶意节点检测规划。本文主要研究内容如下:1.本文从飞行集群分布式控制原理出发,在简要介绍多智能体一致性问题与飞行集群主要控制理论与方法后,探讨了在飞行集群控制拓扑与通信拓扑下多种恶意节点攻击对飞行集群的影响与威胁。2.针对飞行集群中存在的多种恶意节点攻击本文提出了三种神经网络检测模型。分别为基于CNN与LSTM、基于CNN与自注意力机制、基于图神经网络的检测模型。同时,本文结合飞行集群运动模型细致分析了集群状态数据特征,详细介绍了如何利用飞行集群状态数据构建神经网络训练数据集并使用数据增强方法获得更多训练样本。3.针对神经网络检测模型或集中式检测模型规模大参数多占用集群大量计算资源与通信资源无法应用于大规模集群网络的问题,本文提出了一种基于社区划分的飞行集群恶意节点检测规划。该规划综合考虑了飞行集群通信拓扑与控制拓扑提出了一种组合节点重要性判据,并针对集群面临的通信拓扑恶意节点攻击提出了一种综合考虑集群节点重要性、节点信任度、节点剩余能量的社区领导者节点选择机制。此外,本文还综合考虑了节点信任度与节点剩余能量提出了一种社区内安全通信链路构建方案。