随着科学技术的不断进步,无人机产业迎来了快速发展的机遇期,商用无人机变得越来越普遍。无人机以其低能耗、体积小、机动性强、使用方便等特点,在安防巡检、医疗救援、物流运输等方面发挥了重要作用,随之而来的网络安全问题也逐渐显现出来。无人机软件系统漏洞是导致无人机安全问题的重要因素,安全漏洞如果被恶意利用,将会产生严重的后果。当前,针对无人机系统进行漏洞挖掘的相关研究较少,采用模糊测试技术是比较可行的方式。模糊测试技术的关键在于测试用例的有效性,由于无人机设备封闭性强,相关的通信协议格式、代码无法获取,导致测试用例针对性不强,常用的模糊测试工具并不适用。同时,无人机在测试过程中反馈信息少的问题,也在一定程度上降低了漏洞挖掘效率。为此,本文以常见的商用小型无人机为研究对象,通过深度学习无人机通信协议数据格式来生成符合条件的模糊测试用例并开展漏洞挖掘,替换人工对无人机通信协议进行逆向分析,同时基于无人机信息交互方式,研究无人机运行状态异常检测方法,提高漏洞挖掘的效率。本文研究工作主要包括:（1）基于深度学习的无人机模糊测试用例生成技术,使用生成对抗网络对无人机飞控协议数据格式进行学习,获取飞控协议语法信息,进而生成飞控协议测试用例,提高模糊测试用例针对性。（2）无人机模糊测试过程管理技术,提出基于中间人攻击的测试用例注入方法和基于网络运行状态与交互信息的异常状态监测方法,实现了无人机模糊测试全过程管理,提高了测试效率。本文基于上述研究内容,实现了面向商用小型无人机的模糊测试工具,并在实际环境中针对多款无人机设备进行了验证。实验结果证明,该方法在测试目标上有较好的实验效果,能够挖掘目标中存在的安全漏洞,且测试效率与自动化程度较高,具有一定的通用性和应用价值。