5G网络技术（包括波束成形和侧向链接）的开发和实施将大大提高对手在视线范围外执行无人机行动的能力。本研究探讨了应对 5G 为无人机探测带来的挑战（如数据加密时）的方法。该方法通过捕获地面控制站和模拟无人机之间的数据包，生成无人机网络流量数据集。然后分离各个通信流，并根据提取的时间特征构建统计指纹：到达时间的平均值、中位数和标准偏差，以及数据包方向比。这些指纹用于训练和测试随机森林分类器，该分类器能在不到十分之一秒的时间内将通过 WiFi 或以太网模拟的无人机流量与正常 5G 流量区分开来，准确率高达 99%，F1 分数大于 98%。该分类器还能从通过不同传输系统发送的数据中检测出无人机流量，其 F1 分数高于 97%。虽然由于工具的限制，无人机数据没有在 5G 上进行测试，但无人机数据和其他正常 5G 数据（如数据定向率）之间的检测方面显示了无论采用哪种传输方式的前景。拟议方法的高性能和对时间特征的独家使用使其成为 5G 无人机检测的一个有前途的探索方向。