Une solution pour pister les opérateurs de drones malveillants
Les désordres imputables aux vols de drones intempestifs pourraient bien devenir de l’histoire ancienne. Des chercheurs ont en effet trouvé un moyen de localiser les opérateurs de drones susceptibles de causer des dommages ou des perturbations dans l’espace aérien protégé.
Pour rappel, les dommages occasionnés par ces vols impromptus à proximité de zones sensibles – telles que les bases militaires ou les aéroports – avaient été mis en lumière par l’incident du drone de Gatwick, à la suite duquel le principal aéroport britannique avait dû fermer pendant 33 heures entre le 19 et le 21 décembre. Le deuxième aéroport de Londres, inondé de passagers en ces fêtes de Noël, avait dû annuler vol sur vol à cause d’un drone malveillant. Au total, 140 000 passagers avaient été impactés par ce vol de drone.
Des universitaires de l’université Ben-Gourion du Néguev (BGU) ont démontré un moyen potentiel de mettre fin à ces agissements. Ceux-ci ont examiné comment l’analyse des trajectoires de vol peut être utile pour retrouver les opérateurs malveillants. « Actuellement, les opérateurs de drones sont localisés à l’aide de techniques RF et ont besoin de capteurs autour de la zone de vol, qui peuvent ensuite être triangulés », explique l’un des membres de l’équipe de recherche.
Une solution basée sur le machine learning
Si résoudre ce problème constituait « un défi en raison de la quantité d’autres signaux Wi-Fi, bluetooth et IoT dans l’air, qui obstruent les signaux des drones », les chercheurs israéliens y sont finalement parvenus, en se reposant sur l’utilisation d’un réseau neutre. Plutôt que de se concentrer sur des tentatives pour démêler une variété de signaux, le réseau a été formé pour prédire la position d’un opérateur en utilisant uniquement les trajectoires de vol – même en mouvement.
AirSim, un simulateur de drones multi-plateformes et open source a été utilisé pour effectuer les tests, en utilisant 10 km de routes et des obstacles réalistes tels que des bâtiments. Au total, les algorithmes ont pu prédire la position d’un opérateur de drone avec une précision de 78 % lors des simulations. Bien que l’expérience soit de petite envergure, le BGU indique que les pistes d’amélioration possibles comprennent l’amélioration du système de machine learning, ou même des tentatives de connaître le niveau de compétence ou de formation d’un opérateur.
L’équipe de recherche a maintenant l’intention de répéter les expériences avec les drones en temps réel. Les recherches de BGU ont été présentées lors du quatrième symposium international sur la cybersécurité, la cryptographie et l’apprentissage machine (CSCML 2020) le 3 juillet dernier.
Source : ZDNet.com
