El rápido desarrollo de la tecnología del Internet de las Cosas (IoT), junto con la tecnología de redes móviles, ha creado un mundo de interconexión nunca antes visto, evocando investigaciones sobre cómo hacerlo más amplio, rápido y seguro. Para apoyar la lucha continua contra el uso malicioso de las redes, en este documento proponemos un nuevo algoritmo llamado AMDES (sistema de detección de intrusiones de análisis multifractal de sistemas aéreos no tripulados) para la detección de ataques de suplantación. Este nuevo algoritmo se basa tanto en el análisis multifractal de líderes de wavelet (WLM) como en principios de aprendizaje automático (ML). En investigaciones anteriores sobre sistemas aéreos no tripulados (UAS), se han utilizado sistemas de detección de intrusiones (IDS) basados en análisis espectral multifractal (MF) para proporcionar estimaciones precisas del espectro MF del tráfico de red. Tal estimación se utiliza luego para detectar y caracterizar anomalías de inundación que se pueden observar en una red de vehículos aéreos no tripulados (UAV). Sin embargo, las contribuciones anteriores han carecido de la consideración de otros tipos de intrusiones en la red comúnmente observadas en redes de UAS, como el ataque de hombre en el medio (MITM). En este trabajo, esta prometedora metodología se ha adaptado para detectar un ataque de suplantación dentro de un UAS. Esta metodología destaca un enfoque robusto en términos de rendimiento de falsos positivos en la detección de intrusiones en un sistema de informes de ubicación de UAS.