近年来，航空器互联互通程度达到空前水平，机型种类亦日趋多元。无人机（UAV）依托各类技术在复杂环境中运行，面临多重攻击威胁。构建针对此类攻击的高效入侵检测系统始终是一大挑战，其症结在于缺乏充足的攻击数据以支撑先进计算算法设计检测模型。本研究提出一种创新框架，利用生成式人工智能算法构建无人机攻击数据集。具体而言，采用变分自动编码器（VAE）、高斯Copula模型、去噪扩散概率模型（DDPM）及条件表格生成对抗网络（CTGAN）生成合成攻击数据，重点模拟针对无人机的干扰与欺骗攻击，旨在规避机载入侵检测系统的识别。实验评估表明，若入侵检测系统基于不充分攻击数据训练，合成生成的攻击数据将显著降低其检测准确率。进一步分析结果显示，DDPM在生成攻击数据方面表现最为优异，可使干扰攻击检测的F1分数降低21%，欺骗攻击检测降低28%。本研究凸显了对更具鲁棒性与自适应能力的入侵检测系统的迫切需求，此类系统可依托合成数据构建，从而最终实现无人机平台上可持续计算系统的安全运行。