فناوری نظارت هوایی به عنوان یكی از فناوری های كلیدی در نسل نوین سامانه های مدیریت و نظارت ترافیك هوایی، نقش مهمی در ارائه اطلاعات موقعیتی دقیق و به هنگام از هواپیماها ایفا می كند. با این حال، فقدان ذاتی مكانیزم های امنیتی مانند رمزنگاری و احراز هویت در پروتكل ADS-B، این سامانه را به شدت در برابر حملات فریب، آسیب پذیر كرده است. این حملات می توانند با ایجاد هواپیماهای شبح یا دستكاری مسیر پروازهای واقعی، ایمنی هوانوردی را به خطر اندازند. در این پروژه، در كنار طراحی و پیاده سازی یك گیرنده ADS-B با حساسیت بالا، برای مقابله با تهدید فریب راهكاری ارائه شده است. این رویكرد شامل طراحی و پیاده سازی یك گیرنده كامل ADS-B بر بستر(SoC) Zynq و توسعه الگوریتم هوشمند تشخیص فریب مبتنی بر شبكه عصبی است. در این پژوهش طراحی و پیاد ه سازی سخت افزارهایی پردازش سیگنال دیجیتال، نرم افزار رمزگشایی پیام های ADS-B و سپس استفاده آموزش یك مدل مبتنی بر شبكه LSTM برای تشخیص فریب انجام شده است. تحلیل های انجام شده نشان داد كه بررسی موقعیت هواپیما و توان سیگنال دریافتی آن در یك توالی زمانی اطلاعات متمایزكننده ای برای شناسایی الگوهای نامعتبر فراهم می كند. مدل LSTM با یادگیری وابستگی های زمانی منطبق بر مسیر پرواز، قادر به تفكیك مسیرهای پروازی معتبر از داده های تزریق شده جعلی می شود. نتایج حاصل از پیاده سازی عملی و شبیه سازی نشان داد كه سامانه پیشنهادی می تواند ضمن دریافت و پردازش بلادرنگ سیگنال های ADS-B، حملات فریب را با دقت بالایی شناسایی كرده و یك لایه امنیتی هوشمند برای حفظ تمامیت داده ها در سیستم های نظارت هوایی فراهم آورد.