Iteracyjna metoda lokalizacji wielu zagłuszaczy w współpracujących atakach UAV

Utrzymanie bezpieczeństwa zespołów dronów na hałaśliwym niebie

W miarę jak stada bezzałogowych statków powietrznych (UAV) wkraczają do działań ratowniczych, rolnictwa i ochrony, opierają się na delikatnych łączach radiowych i GPS, by pozostać zsynchronizowanymi. Złośliwe „zagłuszacze” radiowe mogą celowo zalewać pasmo, oślepiając całą grupę i powodując niepowodzenie misji. Artykuł podejmuje praktyczne pytanie leżące u podstaw bezpieczeństwa UAV: gdy równocześnie atakuje kilka ukrytych zagłuszaczy, czy stado potrafi szybko i wystarczająco dokładnie ustalić, gdzie się znajdują i ile ich jest, by móc przeciwstawić się atakowi?

Dlaczego wielu ukrytych źródeł zakłóceń jest tak trudnych do wykrycia

W rzeczywistości zakłócenia rzadko pochodzą z jednego, porządnego punktu. Kilka urządzeń naziemnych, wrogich dronów lub miejskich odbić może zakłócać ten sam fragment nieba, powodując nakładanie się i mieszanie stref sygnału. Utrudnia to rozdzielenie, które części zakłóceń należą do którego zagłuszacza. Tradycyjne metody zwykle zakładają znaną liczbę zagłuszaczy, czyste warunki radiowe lub dużą moc obliczeniową — założenia, które zawodzą, gdy dziesiątki dronów są atakowane w zatłoczonym mieście lub na polu walki. Autorzy koncentrują się na tej złożonej sytuacji z wieloma zagłuszaczami i projektują metodę, która potrafi jednocześnie zliczyć i zlokalizować wielu napastników, używając tylko danych, które mogą zmierzyć zaatakowane drony.

Wykorzystanie własnych zmysłów stada jako wskazówki

Ramę metody zaczyna modelowanie zachowania stada UAV pod atakiem. Drony dzieli się na trzy typy: te niezakłócone, całkowicie odcięte oraz „brzegowe”, które znajdują się na krawędzi stref zagłuszania. Te drony brzegowe są kluczowe: wciąż mogą komunikować się z centralnym koordynatorem i raportować, jak silne jest zakłócenie w ich lokalizacji. Sedno metody to pomysł „minimalizacji błędu”. System zgaduje położenia i moce zagłuszaczy, przewiduje, jaką siłę sygnału powinien odbierać każdy dron brzegowy, a następnie porównuje to z rzeczywistymi pomiarami. Im lepsze przypuszczenie, tym mniejsza rozbieżność. Lokalizację wielu zagłuszaczy przekształca się więc w pojedynczy miernik — jak duży jest błąd — który algorytm stara się zredukować do możliwie najmniejszej wartości.

Szare wilki jako cyfrowi łowcy

Aby wydajnie przeszukać wszystkie możliwe konfiguracje zagłuszaczy, autorzy korzystają z techniki inspirowanej naturą zwanej Grey Wolf Optimizer. W tym podejściu zbiór kandydatów zachowuje się jak wataha polujących wilków: kilka „liderów” prowadzi resztę ku obiecującym obszarom przestrzeni poszukiwań. Artykuł wprowadza wzmocnioną wersję nazwaną Multi-Strategy Improved Grey Wolf Optimizer (MSIGWO). Pozwala ona „wąsatom” szeroko eksplorować początkowo, a następnie stopniowo zawężać fokus, używając krzywoliniowego, a nie prostoliniowego harmonogramu zacieśniania. Czerpie też pomysły z algorytmów ewolucyjnych i teorii chaosu, by delikatnie wytrząsać watahę z martwych punktów i zachować różnorodność wysokiej jakości kandydatów, zamiast pozwalać im zbyt wcześnie zbiec do słabego rozwiązania.

Od przetestowanego algorytmu do mapy zagłuszaczy

Odnalezienie kilku zagłuszaczy naraz oznacza nie tylko wskazanie ich pozycji, ale też ustalenie, ile ich jest. Proponowany system rozwiązuje to, przechodząc przez serię założeń: najpierw przyjmuje, że są dwa zagłuszacze, potem trzy, potem cztery, i tak dalej — do rozsądnego górnego limitu. Dla każdego przypadku MSIGWO poszukuje układu, który najlepiej wyjaśnia pomiary dronów i zapisuje najmniejszy osiągnięty błąd. Przypadek z najniższym błędem ogólnym jest uznawany za najbardziej prawdopodobny: wskazuje zarówno liczbę zagłuszaczy, jak i ich położenia. Obszerne symulacje komputerowe pokazują, że ta połączona strategia jest dokładniejsza i szybciej zbiega niż kilka wiodących alternatyw, pozostając odporna nawet wtedy, gdy strefy zakłóceń mocno się nakładają lub gdy zagłuszacze działają na różnych poziomach mocy.

Co to oznacza dla przyszłych operacji dronów

Autorzy dochodzą do wniosku, że starannie dostrojona, watahą inspirowana strategia poszukiwań może dać stadom UAV potężne nowe narzędzie: zdolność przekształcenia fragmentarycznych, zaszumionych odczytów sygnału w wiarygodną mapę wielu ukrytych napastników. W testach metoda nie tylko oszacowała pozycje zagłuszaczy z większą precyzją niż konkurencyjne podejścia, ale też lepiej zliczała, ile zagłuszaczy faktycznie było obecnych. Choć autorzy zauważają, że potrzeba jeszcze bardziej realistycznych modeli radiowych i szybszych implementacji dla wymagających misji w czasie rzeczywistym, ich wyniki sugerują, że przyszłe floty dronów mogłyby używać algorytmów takich jak MSIGWO, by kontynuować lot nawet w wrogim, pełnym zakłóceń powietrzu.

Cytowanie: Huang, L., Xiong, L., Huang, S. et al. Iterative localization method for multiple jammers in UAV collaborative jamming attacks. Sci Rep 16, 7927 (2026). https://doi.org/10.1038/s41598-026-35259-1

Słowa kluczowe: formacje UAV, zagłuszanie radiowe, lokalizacja zagłuszacza, optymalizacja metaheurystyczna, bezpieczeństwo bezprzewodowe