ATAKRR/atakrr

# ATAKRR: ATAK 无线电侦察 请提交 PR 或打开议题以讨论功能。联系我 at atakrr (a@t) ethertech.org 进行讨论。 我们已经有 AI/ML、FPGA 和 ATAK 编码人员（Jeffrey Zurita、Jigish Shukla、RIIS 以及 Adeptus Cyber Solutions），但我们仍在寻找一位使用 Python **和** PCB 设计的高级架构师，以备将来走向边缘。我们很乐意与您合作！ 目前该项目处于提案阶段，我已有一份 HR001125S0002 的提案，将于 10/2025 结束时提交。我们正在寻找合作者和/或资金支持！ ## 知识产权 我们尚未收到 DARPA 的回复，因此目前搁置该项目。我愿意出售包括整个 plane.so 计划以及所有开发规范在内的知识产权，期限为 18 个月。我的所有知识产权均可在[此处找到](https://drive.google.com/drive/folders/1yF1Go5e1_nphQy5U_lw1S7jZcHvtrStE?usp=drive_link)，但我保留权利。如果您希望授权，请联系 jack a@t ethertech.org；如果您希望雇佣我。完整的 DARPA 提案 HR0011250001 也在其中。 ## 研究 用于创建本项目的研究论文[可在此处找到](https://drive.google.com/drive/folders/1nI4PxRj696r4SvfwzsQGl0-2W4ehx8ts?usp=sharing)。 ## 概述  ATAKRR 是一个开源的研究与开发平台，用于**被动宽带频谱监测**、**自动调制分类（AMC）** 和**射频指纹识别**，旨在直接与 [ATAK（Android 团队意识套件）](https://tak.gov/) 集成。 目标是实现实时的、共享的电磁态势感知。 我们正在寻求 DARPA（已提交）及其他军事项目的资金支持，同时也在寻找有兴趣的合作伙伴或企业。您可以联系 atakrr a@t ethertech.org 与一位 ATAK 与 Android 程序员交流。 您可以在[我们的 Notion 页面](https://bush-whale-713.notion.site/ATAKRR-ATAK-Radio-Reconaissance-1d1969c50c718012a578c902ec7ea564)找到更多信息。 ## 功能 - **被动宽带频谱监测**（1 MHz – 6 GHz，使用 HackRF） - **基于深度学习的信号分类**（CNN、RNN、Transformer、DBN、GNN） - **设备级识别的射频指纹识别** - **地理定位** - 多同步 HackRF 的三角测量/三边测量 - 单设备“狐猎”方向查找 - **ATAK 集成** - 发射器和设备的 CoT 叠加层 - 热图、标记和设备跟踪 - **数据集工具**，用于训练、增强和少样本学习 ## 为何选择 ATAKRR？ 我们被 RF 领域的信号包围——这是[电磁波谱](https://en.wikipedia.org/wiki/Electromagnetic_spectrum)的一小部分。人类只能看见可见光并听见声波，但电磁波谱始终围绕着我们。它包括[无线电波、微波、红外线、可见光、紫外线、X 射线和伽马射线](https://en.wikipedia.org/wiki/Electromagnetic_spectrum)。我们只能看见可见光（能听见声音，但那是声学而非电磁波），但整个电磁波谱始终围绕着我们。我们正在做的是让无线电波和微波“可视化”——不仅是指“像颜色一样看见”，更是“像理解图像一样理解它们”。 ATAKRR 使这些不可见信号变得“可见”且可解释： - “这是 WiFi 流量。” - “那是语音传输。” - “这是一个干扰器。” - “这个蓝牙设备匹配已知指纹。” 就像每个橙子或每个人都是独一无二的，**每个发射器都有独特的设备指纹**。ATAKRR 使您能够确定设备类型、编码（“语言”）、频率（“颜色”），并在可能的情况下确定每个发射器的位置。 您将获得一张地图，以及在您的 ATAK 设备上的叠加层，显示所有发射器及其位置，并在可用时提供唯一的设备指纹。您可以看到它们的位置、它们正在做什么，在某些情况下甚至知道它们正在与谁通信。您可以跟踪设备随时间的移动。您可以追踪特定设备，观察多个设备的运动模式，观察设备之间的相互关系（它们何时连接）。您可以追踪人员及其手机和蓝牙设备。您可以发现人们何时聚集。您可以“看见”一个此前对您隐藏的世界。 ## ATAKRR 是如何工作的？  ### 硬件/信号采集层 - **HackRF** 提供 1 MHz 至 6 GHz 的可调频谱视图，采样率为 20 MSps（≈20 MHz 带宽）。 - 该设备以增量方式扫描频谱，产生原始 RF 数据。 - 其他无线电（带 FPGA/ASIC 编解码器）可用于捕获协议特定细节（例如 WiFi、蓝牙 MAC）。 - 对于地理定位，多个同步的 HackRF 将数据馈送到共享计算节点（“母舰”）。 ### 信号处理/AI 层 - 使用 `hackrf_sweep` 风格的扫描实现**扫描 + 水瀑图**视图。 - 通过 FPGA/ASIC 编解码器进行**信号解码与特征提取**（如可用）。 - 使用深度学习（CNN、RNN、Transformer 等）进行**自动调制分类（AMC）**。 - **射频指纹识别**用于唯一设备识别。 - 对低信噪比提供支持，使用小波/CWT 表示与注意力模型。 ### 可视化层 - ATAK 插件显示叠加层： - 发射器位置与运动轨迹 - 可用时的唯一设备指纹 - 设备之间的相互关系（连接、聚类） - 光标目标（CoT）标记将信号映射到 ATAK 生态系统，实现团队共享感知。 ### ATAK 插件层 - ATAK 中的可视化叠加（热图、信号 ID、威胁标记）。 - 与 TAK 服务器集成，实现团队共享的频谱感知。 - 潜在接入 FoG/BAMMO/PEWPEW 模块。 ### 数据集与训练工具 - 用于录制、预处理和格式化数据集的脚本（RadioML、GNU Radio 捕获）。 - 多径、衰落、低信噪比的数据增强。 - 元学习少样本分类（用于现场捕获的稀有发射器）。 ATAKRR 由多个协同工作的模块/应用程序/插件组成，共同创建对您环境的超光谱、语义丰富感知。当前最大的障碍在于硬件，其形式可能各不相同。对于 RF 频谱，我们从 HackRF 开始，可在 1 MHz–6 GHz 范围内以 20 MSps 接收（[20 MHz 带宽](https://ham.stackexchange.com/questions/18077/how-is-the-hackrf-able-to-achieve-20mhz-of-bandwidth-with-an-adc-that-only-allow)），因为它具备 IQ ADC，并采用两个相位相差 90° 的样本，从而以该速率采样完整信号。 这使您能观察环境，以 20 MHz/步长进行扫描，实现对频谱的“扫视”。这展示了该频率处的原始值，理论上允许您接收（并在带宽小于 20 MHz 时传输）任何“语言”或编码——因为否则只能看到信号的一部分。 当接收 FHSS（跳频扩频）或其他跳频技术时，需要瞬时采样整个频率范围，或猜测跳频序列。存在其他限制，但这是主要限制。因此，我们也使用其他能够直接使用正在使用中的“语言”进行通信的硬件。 随后，我们使用带有硬件编解码器或通常为 FPGA/ASIC 软件编码的无线电来采集附加信息。例如，使用 WiFi/蓝牙 时，我们采集 MAC 地址、频率和信号强度。这使我们能够使用 CoT（光标目标）映射在 ATAK 上绘制发射器位置图（Android [战术部队/团队意识] 套件）。随后，我们可以将 HackRF 探测到的频率与 MAC 地址相关联，从而获得更完整的画面。 这为您提供设备的大致位置——任何“被看到”的设备都在接收器的“发射距离”范围内。但如果需要更精确的位置？如果需要找到发射器？那么我们可以使用三角测量/三边测量，或我们正在开发的单设备“狐猎”解决方案来实现地理定位或估计发射器方向。在至少拥有 3 台同步 HackRF 设备的前提下，通过采集测量值并传输到共享的 FoG 计算节点（“母舰”），我们可以进行数学计算，通常将发射器定位精度达到约 2 米。 ## 这提供了什么？ - 在 ATAK 上的**地图叠加**，显示所有检测到的发射器。 - 随时间跟踪设备移动。 - 将频率与 MAC 地址或标识符关联。 - 从 RF 活动推断聚集、关系或异常的能力。 - 在原本不可见的环境中获得实用的态势感知。 ## 仓库结构 /ATAKRR /docs → 白皮书、设计文档 /atak_plugin → Android ATAK 插件（Java/Kotlin） /rf_modules /sweep → HackRF/rtl-sdr 扫描工具 /amc → CNN/RNN/Transformer 分类器 /fingerprint → 射频指纹识别流水线 /datasets /preprocessing /augmentation /examples notebook_rf_classification.ipynb atak_plugin_demo.mp LICENSE → BSD 2-Clause（或许可双授权） README.md → 本文档 ## 路线图 **v0.1** - 基础 HackRF/rtl-sdr 扫描模块 - ATAK 插件骨架（热图叠加） **v0.2** - 集成 AMC 模块与 CNN 基线 - 数据集预处理与增强脚本 **v0.3** - 添加 RF 指纹识别引擎 - 支持多设备三角测量 **未来** - Transformer/GNN AMC 模型 - 面向稀有发射器的元学习少样本分类 - FoG/BAMMO/PEWPEW 集成钩子 ## 许可证 ATAKRR 在 **BSD 2-Clause License** 下发布。 核心仓库保持开放，而高级模块的商业授权仍有可能。

标签：AI/ML, AMC, Apex, ATAK, DARPA, FoG计算, FPGA, HackRF, PCB设计, Python, 三角定位, 三边测量, 传感器融合, 共享态势, 军事通信, 射频指纹, 开源研究, 插件, 无后门, 无线电侦察, 机器学习, 电磁态势感知, 自动调制分类, 被动频谱监测, 设备指纹识别, 软件定义无线电, 边缘计算, 逆向工具, 频谱分析