08 juli 2020

2020-07-08: Wie vliegt er met die Pesky Drone? Nieuwe Israëlische technologie heeft het antwoord - Who’s Flying that Pesky Drone? New Israeli Technology has the Answer

Foto; ter illustratie: een vliegende drone . (Foto: Shutterstock.com)

Nederlands - English

NEDERLANDS:

Drones - kleine commerciële onbemande vliegtuigsystemen of UAS's - kunnen onschadelijk speelgoed zijn, handige apparaten om pizza's af te leveren en zelfs levensreddende apparaten om vermiste personen te vinden of speeders te vangen op snelwegen. Maar de drones kunnen ook aanzienlijke veiligheidsrisico's met zich meebrengen wanneer ze worden gebruikt door vijandige krachten zoals terroristen. 

Onderzoekers van de Ben-Gurion University of the Negev (BGU) in Beersheba hebben nu bepaald hoe de locatie van een drone operator die kwaadwillig of schadelijk in de buurt van luchthavens of beschermd luchtruim werkt, kan worden bepaald door het analyseren van de vliegroute van de drone. 

Aangezien drones wendbaar, toegankelijk en goedkoop zijn, is er een groeiende behoefte om methoden te ontwikkelen voor het opsporen, lokaliseren en neutraliseren van kwaadwillige en andere schadelijke vliegtuigoperaties. Onder leiding van senior docent en dronexpert Dr. Gera Weiss van de afdeling computerwetenschappen van BGU heeft het team op 3 juli hun ontwikkeling toegelicht tijdens het Vierde Internationale Symposium over Cyber Security, Cryptografie en Machine Learning (CSCML 2020). De toespraak was getiteld: "Kan de operator van een drone worden gelokaliseerd door het pad van de drone te volgen?

" Dit document presenteert ons werk voor het autonoom lokaliseren van drone-operators op basis van alleen het volgen van hun pad in de lucht. We gebruiken een realistische simulatieomgeving en verzamelen het pad van de drone wanneer deze vanuit verschillende gezichtspunten wordt gevlogen. 

"Op dit moment worden drone operators gelokaliseerd met behulp van radiofrequentietechnieken en hebben ze sensoren nodig rond het vluchtgebied die vervolgens kunnen worden getrianguleerd," zegt onderzoeker Eliyahu Mashhadi, een student computerwetenschappen van de BGU. "Dit is een uitdaging vanwege de hoeveelheid andere WiFi, Bluetooth en IoT [Internet of Things], een systeem van onderling verbonden computerapparatuur, mechanische en digitale machines die voorzien zijn van unieke identificatiemiddelen en de mogelijkheid om gegevens over een netwerk over te brengen zonder dat er mens-naar-mens of mens-naar-computer interactie nodig is] signalen in de lucht die de dronesignalen blokkeren". 

De onderzoekers hebben een diep neuraal netwerk getraind om de locatie van de drone operators te voorspellen, waarbij alleen het pad van de drones wordt gebruikt, waarvoor geen extra sensoren nodig zijn. 

"Ons systeem kan nu patronen in de route van de drone identificeren wanneer de drone in beweging is, en het gebruiken om de drone operator te lokaliseren," legde Mashhadi uit.

Toen het model werd getest in gesimuleerde dronepaden, kon het de locatie van de operator met een nauwkeurigheid van 78% voorspellen. De volgende stap in het project is het herhalen van dit experiment met gegevens van echte drones. "Nu we weten dat we de locatie van de droneoperator kunnen identificeren, zou het interessant zijn om te onderzoeken welke extra gegevens uit deze informatie kunnen worden gehaald", aldus Dr. Yossi Oren, een senior docent aan de afdeling software- en informatiesysteemtechniek van BGU en hoofd van het Implementation Security and Side-Channel Attacks Lab, die ook een bijdrage heeft geleverd aan het onderzoek. "Mogelijke inzichten zouden het technische ervaringsniveau en zelfs de precieze identiteit van de drone-operator omvatten."


**************************
ENGLISH:

Drones – small commercial unmanned aerial systems or UASs – can be harmless toys, convenient devices to delivering pizza and even life-saving devices to find missing persons or catch speeders on highways. But it drones can also pose significant security risks when used by hostile forces such as

Researchers at Ben-Gurion University of the Negev (BGU) in Beersheba have now determined how to pinpoint the location of a drone operator who may be operating maliciously or harmfully near airports or protected airspace by analyzing the flight path of the drone. 

As drones are agile, accessible and inexpensive, there is a growing need to develop methods for detection, localization and neutralizing malicious and other harmful aircraft operation. Led by senior lecturer and drone expert Dr. Gera Weiss from BGU’s computer science department, the team explained their development at the Fourth International Symposium on Cyber Security, Cryptography and Machine Learning (CSCML 2020) on July 3rd. The speech was entitled: “Can the operator of a drone be located by following the drone’s path?”

“This paper presents our work towards autonomously localizing drone operators based only on following their path in the sky. We use a realistic simulation environment and collect the path of the drone when flown from different points of view.” 

“Currently, drone operators are located using radio frequency techniques and require sensors around the flight area that can then be triangulated,” says researcher Eliyahu Mashhadi, a BGU computer science student. “This is challenging due to the amount of other WiFi, Bluetooth and IoT [Internet of Things, a system of interrelated computing devices, mechanical and digital machines provided with unique identifiers and the ability to transfer data over a network without requiring human-to-human or human-to-computer interaction] signals in the air that obstruct drone signals” 

The researchers trained a deep neural network to predict the location of drone operators, using only the path of the drones, which doesn’t require more sensors. 

“Our system can now identify patterns in the drone’s route when the drone is in motion, and use it to locate the drone operator,” Mashhadi explained.

When tested in simulated drone paths, the model was able to predict the operator location with 78% accuracy. The next step in the project will be to repeat this experiment with data captured from real drones. “Now that we know we can identify the drone operator location, it would be interesting to explore what additional data can be extracted from this information,” said Dr. Yossi Oren, a senior lecturer in BGU’s software and information systems engineering department and head of the Implementation Security and Side-Channel Attacks Lab, who also contributed to the research. “Possible insights would include the technical experience level and even precise identity of the drone operator.”

 

143 views