Onderzoekers ontwikkelen methode om locatie dronepiloten te achterhalen
Onderzoekers van de Ben Gurion University in Israël hebben een methode ontwikkeld om de locatie van dronepiloten te achterhalen, gebaseerd op het vliegpad van de drone (pdf). Er zijn op dit moment al verschillende manieren om de locatie van een dronepiloot te bepalen, maar die vereisen vaak de aanwezigheid van sensoren in het vlieggebied. Daarnaast kunnen allerlei andere signalen in de lucht het radiosignaal van de drone verstoren.
De onderzoekers zochten daarom naar een andere manier. Ze trainden een neuraal netwerk om de locatie van de dronepiloot, gebaseerd op alleen het vliegpad van de drone, te voorspellen. Het systeem werkt zonder aanvullende sensoren. Volgens de onderzoekers bevat het vliegpad interessante informatie omdat de dronepiloot meestal reageert op zijn omgeving, zoals obstakels en de stand van de zon.
De onderzoekers maakten gebruik van een realistische vliegsimulator voor drones, waarbij piloten een echte afstandsbediening in hun handen kregen en met allerlei obstakels in het terrein rekening moesten houden. De data uit de simulator werd vervolgens gebruikt om een neuraal netwerk te trainen. Uiteindelijk lukt het de onderzoekers om de locatie van de dronepiloot met een nauwkeurigheid van 73 procent te voorspellen.
De volgende stap in het project is het herhalen van het onderzoek met data van echte drones. Daarnaast willen de onderzoekers kijken wat voor informatie er nog meer uit de data is te halen. Het gaat dan mogelijk om de technische bekwaamheid en zelfs de identiteit van de dronepiloot.
Maar wat als een drone nu een LTE kaartje heeft ?
theoretisch gezien kan de piloot zich dan overal bevinden..
Ze hebben de piloten op 3 mogelijke locaties neergezet, en hun neural network wist (na training) in 73% van de gevallen de juiste van die 3 locaties aan te geven. Dus je hebt eerst training-data nodig voor je neural network vanaf alle mogelijke locaties die je wil kunnen aanwijzen, en dan nog haal je slechts 73%. Voor 3 locaties. Wat er gebeurt als er meer dan 3 mogelijke locaties voor de piloot zijn, wordt niet genoemd.
Dit lijkt me verre van realistisch. Om te beginnen ga je in een 'echte' situatie geen trainings-data beschikbaar hebben. Verder lijkt 73% voor 3 locaties me een bijzonder magere score. Als je zeker weet dat een piloot zich op 1 van 3 locaties moet bevinden, kun je daar ook 3 arrestatie-teams heen sturen, en dan kun je de piloot met 100% zekerheid in de kraag vatten.
De hele paper ademt de sfeer van "we hebben iets bedacht, toen hebben we iets gemeten, en dit zijn de getallen die eruit komen". Geen enkele justificatie van waarom hun model waarde zou hebben. Of interpretatie van de data. Of toepasselijkheid van het model op praktijk-situaties. Verder proberen ze een ander neuraal netwerk in te zetten, en dat blijkt het slechter te doen. En dan schrijven ze "We do not know how to explain this performance degradation.".
Kortom, ze doen maar wat. Het idee om op basis van het vliegpad iets over de lokatie van de operator te kunnen zeggen is misschien interessant, maar dit 'onderzoek' geeft absoluut geen antwoord op de vraag of er iets mee te doen is of niet.
Maar wat als een drone nu een LTE kaartje heeft ?
theoretisch gezien kan de piloot zich dan overal bevinden..
Er wordt geen radiosignaal gebruikt.
Deze posting is gelocked. Reageren is niet meer mogelijk.
Junior DevOps Engineer
Certified Secure is op zoek naar een Junior DevOps Engineer. Deze functie is een stuk interessanter dan de term doet vermoeden! Om jou als potentiële nieuwe collega meteen te laten zien wat we doen hebben we speciaal voor jou een selectie gemaakt van een aantal leuke security challenges. Are you ready for a challenge?
Cybersecurity Trainer / Streamer
Toe aan een nieuwe nieuwe job waarmee je het verschil maakt? In de Certified Secure trainingen laat je deelnemers zien hoe actuele kwetsbaarheden structureel verholpen worden. Ook werk je actief mee aan de ontwikkeling van onze gamified security challenges. Bij het maken van challenges kom je telkens nieuwe technieken tegen, van Flutter tot GraphQL, van Elastic Search tot Kubernetes.
