Najdrobniejsze szczegóły ruchów drona w powietrzu mogą nieświadomie ujawnić lokalizację pilota – być może umożliwiając władzom sprowadzenie maszyny, zanim, powiedzmy, będzie miał okazję zakłócić ruch lotniczy lub spowodować wypadek. Jest to możliwe bez konieczności stosowania drogich zestawów triangulacji radiowej i anten do lokalizacji sygnału.
Tak twierdzi zespół izraelskich naukowców, którzy wyszkolili algorytm sztucznej inteligencji do śledzenia dronów, aby ujawnić miejsce pobytu operatora drona z dokładnością lepszą niż 80%. Obecnie badają, czy algorytm może również odkryć poziom wiedzy pilota, a nawet być może jego tożsamość.
Gera Weiss – profesor informatyki na Uniwersytecie Ben-Guriona w Negev w Beer-Szebie w Izraelu – powiedział, że algorytm opracowany przez jego zespół częściowo opiera się na specyficznym terenie wokół lotniska lub innej lokalizacji o wysokim stopniu bezpieczeństwa.
Po przetestowaniu sieci neuronowych, w tym gęstych sieci i konwolucyjnych sieci neuronowych, naukowcy odkryli, że rodzaj powtarzającej się sieci neuronowej zwanej siecią „Gated-Recurrent Unit” (GRU) sprawdza się najlepiej w przypadku śledzenia dronów. „Powtarzające się sieci są w tym dobre” – powiedział Weiss. „Biorą pod uwagę sekwencyjną rzeczywistość danych – nie tylko w przestrzeni, ale w czasie”.
Powiedział więc, że na przykład pracownik ochrony na lotnisku zatrudniłby złoczyńców w białych kapeluszach do wystrzelenia drona z różnych miejsc na lotnisku. Zespół bezpieczeństwa rejestrowałby następnie dokładne ruchy drona w systemach radarowych lotniska.
Ostatecznie algorytm GRU trenowałby następnie na tych danych – znając w tym przypadku lokalizację pilota i szczególne szczegóły wzorców lotu drona.
W zależności od konkretnego terenu na danym lotnisku, pilot obsługujący drona w pobliżu maskującego skrawka lasu, na przykład, może mieć niezakłócony widok na pas startowy, ale ta lokalizacja może również znajdować się w dużej odległości, co może sprawić, że operator będzie bardziej podatny na błędy w precyzyjnym śledzeniu drona. Podczas, gdy pilot lecący bliżej drogi startowej może nie popełniać tych samych błędów śledzenia, ale może również zmagać się z dużymi martwymi punktami ze względu na bliskość, powiedzmy, parkingu lub wieży kontrolnej.
W każdym przypadku prosta geometria może również zacząć ujawniać ważne wskazówki dotyczące lokalizacji pilota. Gdy, dron jest wystarczająco daleko, ruch wzdłuż linii wzroku pilota może być trudniejszy do wykrycia przez pilota niż ruch prostopadły do linii wzroku. Może to również stać się istotnym czynnikiem w algorytmie sztucznej inteligencji pracującym nad ustaleniem lokalizacji pilota na podstawie określonego wzorca lotu drona.
Suma tych różnych efektów i niezależnych od terenu może być zatem „palcem” wskazującym na operatora. Na tę aplikację AI nie miałyby również wpływu żadne wieże przekaźnikowe ani inne mechanizmy fałszowania sygnału, które pilot mógł wprowadzić.
Weiss powiedział, że jego grupa przetestowała algorytm śledzenia dronów przy użyciu drona typu open source firmy Microsoft Research i symulatora pojazdów autonomicznych AirSim. Grupa zaprezentowała swoje prace w toku na czwartym międzynarodowym sympozjum na temat bezpieczeństwa cybernetycznego, kryptologii i uczenia maszynowego na Uniwersytecie Ben-Guriona.
Ich artykuł może pochwalić się 73-procentową dokładnością w wykrywaniu lokalizacji pilotów dronów. Weiss powiedział, że w ciągu kilku tygodni od opublikowania tego wyniku poprawili współczynnik dokładności do 83 procent.
Teraz, kiedy naukowcy udowodnili koncepcję algorytmu, powiedział Weiss, mają nadzieję, że następnie przetestują go w rzeczywistych warunkach lotniska. „Zgłosili się już do mnie ludzie, którzy mają pozwolenie na loty” – powiedział. „Jestem profesorem uniwersytetu. Nie jestem wyszkolonym pilotem. Teraz ludzie, którzy mają możliwość latania dronami, mogą przeprowadzić ten fizyczny eksperyment”.
Weiss powiedział, że nie jest jeszcze jasne, jak bardzo ich algorytm jest niezależny od terenu. Czy sieć neuronowa trenowana na terenie otaczającym jedno lotnisko może być następnie skutecznie rozmieszczona na innym lotnisku – lub innym niewyszkolonym regionie tego samego lotniska?
Inne otwarte pytanie dotyczy tego, czy algorytm można również odwrócić: czy można następnie wykorzystać wzorce lotu drona wokół niezmapowanego terenu do odkrywania cech terenu?
Weiss powiedział, że mają nadzieję odpowiedzieć na te pytania w przyszłych badaniach, obok możliwych zastosowań serii ostatnich odkryć, które mają na celu ocenę poziomu umiejętności operatora na podstawie danych śledzenia ruchu.
