Trójstrumieniowa architektura multimodelowa do wykrywania w czasie rzeczywistym manipulacji sygnałem BeiDou w rojach UAV

Dlaczego uczciwość rojów dronów ma znaczenie

Wyobraź sobie flotę dronów dostawczych lub robotów ratunkowych lecących ciasną formacją nad zatłoczonym miastem. Polegają na sygnałach satelitarnych, by wiedzieć, gdzie się znajdują. Jeśli złośliwy aktor potajemnie sfałszuje te sygnały, cały rój może zboczyć z kursu, zderzyć się lub wejść w strefę zabronioną. W artykule badano, jak wykrywać i przeciwdziałać takim oszustwom w czasie rzeczywistym, tak aby duże grupy bezzałogowych statków powietrznych mogły pozostać bezpieczne i realizować misję, nawet gdy niebo ich oszukuje.

Ukryta słabość współczesnej nawigacji dronów

Większość nowoczesnych dronów korzysta z systemów nawigacji satelitarnej, takich jak chiński BeiDou, aby śledzić pozycję i czas. Konsumenckie drony zazwyczaj mają proste, jednokanałowe odbiorniki bez dodatkowych zabezpieczeń. To czyni je łatwym celem dla spoofingu, w którym napastnicy nadają sfałszowane sygnały satelitarne, które zagłuszają prawdziwe. W lotach w roju zagrożenie się mnoży: jeśli wiele dronów przyjmie te same kłamstwa o swojej pozycji, starannie zaplanowane odstępy ulegają zaburzeniu, co zwiększa ryzyko kolizji i niepowodzenia misji, zwłaszcza w miejskich „kanionach” pełnych odbić i zatorów sygnału.

Wiele sposobów na oszukanie roju

Autorzy przedstawiają bogaty katalog stylów ataku, które mogą wprowadzić rój w błąd. Potężny nadajnik naziemny może zalewać obszar podrabianymi sygnałami, odciągając całą grupę poza jej geozabezpieczony rejon. Ruchomy spoofer zamontowany na vanie może powoli przesuwać trasę roju, zanim nagle ją zmieni. Skompromitowany dron wewnątrz formacji może działać jako lokalny oszust, kierując pobliskie jednostki ku sobie nawzajem. Inne taktyki to odtwarzanie prawdziwych sygnałów z opóźnieniem, stopniowe przesuwanie częstotliwości albo łączenie zagłuszania i spoofingu, tak że odbiorniki najpierw tracą lock, a potem ponownie łapią fałszywe sygnały. Razem scenariusze te pokazują, że proste obrony pojedynczego drona nie wystarczają, gdy dziesiątki pojazdów muszą koordynować się w czasie rzeczywistym.

Wielowarstwowa obrona „wyczuwaj i dziel się”

Aby przeciwdziałać tym zagrożeniom, badanie proponuje hybrydowy system detekcji, który jednocześnie obserwuje zachowanie poszczególnych dronów i wzorce całego roju. U podstaw każdy dron uruchamia matematyczny śledzik, który przewiduje, jak powinien się poruszać na podstawie wcześniejszych ruchów i czujników pokładowych, a następnie porównuje to z informacjami z BeiDou. Nietypowe rozbieżności wzbudzają podejrzenia. Obok tego trzy typy modeli uczących się szukają wskazówek: jeden koncentruje się na wzorcach w samych sygnałach satelitarnych, drugi śledzi ewolucję ruchu w czasie, a trzeci bada relacje między dronami w formacji. Ich wyniki łączy się w pojedynczy wskaźnik ryzyka. Specjalizowany model językowy, wytrenowany na logach telemetrii dronów, zapewnia dodatkową „kontrolę rozsądku”, gdy sytuacja jest niejasna, pomagając odróżnić wrogie zakłócenia od normalnych anomalii, takich jak odbicia czy porywy wiatru.

Nauka wspólnej reakcji roju

Wykrywanie to tylko połowa historii; rój musi też mądrze reagować. W tym schemacie każdy dron regularnie dzieli się skondensowanymi podsumowaniami swojej pozycji, ruchu i ryzyka spoofingu z pobliskimi równorzędnymi jednostkami. Każdy dron następnie tworzy własny obraz tego, którzy sąsiedzi są godni zaufania, dając mniejszą wagę tym, którzy wydają się podejrzani lub komunikują się zawodnie. Ta ważona zaufaniem konsensus kształtuje, jak każda jednostka dostosowuje prędkość i kierunek. Drony wyglądające na bezpieczne pomagają przywrócić formację do zgodności, podczas gdy podejrzane jednostki są skutecznie zdegradowane, odsuwane lub traktowane jak ruchome przeszkody. System może też ponownie wyznaczać role „liderów” dla dronów o niskim ryzyku spoofingu i dobrych łączach komunikacyjnych, zachowując porządną formację bez centralnego kontrolera.

Testowanie pomysłu w wirtualnym niebie

Ponieważ nadawanie fałszywych sygnałów satelitarnych w rzeczywistości jest ściśle regulowane, zespół zbudował szczegółowy symulator programowy. Odtwarza on geometrię BeiDou, realistyczny szum sygnału, miejskie odbicia oraz szeroki zakres zachowań spoofingu i zagłuszania, w tym zbuntowane drony i wiele skoordynowanych nadajników. Każdy wirtualny dron ma symulowany odbiornik satelitarny i czujniki ruchu oraz uruchamia własną kopię algorytmów detekcji i kontroli. W dziesiątkach testów obejmujących różne kształty rojów, misje lotu i typy zagrożeń system prawidłowo wykrywał spoofing w około 97 procent przypadków, z bardzo niską liczbą fałszywych alarmów i średnim czasem reakcji poniżej trzech sekund. Nawet podczas złożonych ataków trajektoria roju zwykle odbiegała od zamierzonego kursu o mniej niż pięć metrów, a niemal wszystkie misje zostały pomyślnie zrealizowane.

Co to znaczy dla codziennego użycia dronów

Mówiąc prosto, praca pokazuje, że sieci współpracujących dronów mogą nauczyć się zauważać, gdy ich „poczucie miejsca” jest manipulowane, komunikować się o tym i dostosowywać formację w locie, by pozostać bezpiecznymi i użytecznymi. Podejście działa ze standardowymi czujnikami satelitarnymi i ruchu oraz zostało zaprojektowane do działania w sposób rozproszony, więc można je dostosować do rzeczywistych flot używanych do dostaw, inspekcji lub reagowania kryzysowego. Choć obecne wyniki pochodzą z symulacji i nadal wymagają stosunkowo wydajnych obliczeń pokładowych, wytyczają drogę do uczynienia rojów dronów znacznie bardziej odpornymi w miastach i innych środowiskach konfliktowych, gdzie zaufanej nawigacji nie można brać za pewnik.

Cytowanie: Tariq, U., Ahanger, T.A. & Shaukat, K. Tri-stream multi-model architecture for real-time detection of BeiDou signal manipulation in UAV swarms. Sci Rep 16, 15802 (2026). https://doi.org/10.1038/s41598-026-46655-y

Słowa kluczowe: roje UAV, podszywanie się pod GNSS, bezpieczeństwo BeiDou, nawigacja dronów, ataki cyber-fizyczne