Ложное срабатывание: почему системы обнаружения дронов по радиосигналу путают пульты с летательными аппаратами

Исследователи показали, что пассивные радиочастотные системы обнаружения дронов в половине случаев ложно подтверждают наличие летательного аппарата, когда в эфире работает только пульт управления без подключённого БПЛА.

Точность обнаружения дрона «на фоне шума» не означает точности обнаружения дрона, когда пульт управления включён, но летательный аппарат от него отключён — и этот вид ошибки нужно измерять отдельно.

Пассивные системы радиочастотного обнаружения дронов считаются одним из перспективных направлений в сфере безопасности. Идея простая: вместо того чтобы излучать сигнал и искать отражение (как радар), система просто «слушает» эфир и по характерным признакам радиочастотных пакетов определяет, летает ли поблизости БПЛА. Такие решения привлекательны тем, что не требуют лицензирования, не создают помех и сложнее обнаруживаются самим дроном.

Производители и исследователи регулярно отчитываются о впечатляющей точности — мол, 99% и выше. Но новая работа, выложенная на arXiv, обращает внимание на важную деталь, которую большинство предшествующих исследований игнорировало.

В чём проблема

Стандартный подход к тестированию RF-детекторов выглядит так: берут эфир «вхолостую» (ambient) и эфир с работающим дроном (linked), обучают классификатор на этих двух состояниях, измеряют точность. Результат — высокие цифры, публикация, грант.

Но в реальном мире существует третье состояние, которое не так редко, как кажется: оператор включил пульт управления, но дрон к нему не подключён. Пульт может быть в кейсе рядом, оператор может настраивать параметры перед полётом, дрон может быть разряжен или потерян — ситуаций масса. И вот тут возникает вопрос: а как система поведёт себя в этом случае?

Авторы работы — Раджендра Упадхай и его коллеги — решили это проверить систематически.

Как ставили эксперимент

Исследователи использовали два приёмника на базе USRP B210 — программно-определяемых радиосистем (SDR), которые позволяют гибко настраивать параметры приёма. Сканирование шло одновременно по двум диапазонам: 2,4 ГГц (8 окон наблюдения) и 5,8 ГГц (12 окон). Это те диапазоны, в которых работает большинство потребительских дронов.

В тесте участвовали три коммерческие платформы:

• DJI Phantom 3 4K — старшая модель, давно на рынке
• Hubsan H501S — бюджетный вариант с другими характеристиками радиоканала
• DJI Mavic Mini — компактный дрон нового поколения

Каждая платформа тестировалась в трёх состояниях: пульт выключен (ambient), пульт включён без дрона (controller-only), пульт и дрон связаны (linked). Всего — 20 раундов измерений.

Что нашли

Первый этап — обучение классификатора только на данных linked и ambient. Детектор на основе энергетического признака показал сбалансированную точность 0,992 для задачи «связанный дрон против фона». Всё выглядит отлично.

Но когда тот же детектор получил на вход данные controller-only — пульт работает, дрон не подключён — он ложно подтвердил наличие дрона в 30 из 60 случаев. False Confirmation Rate для controller-only состояния составил 0,500. Половина. Каждый второй включённый пульт без дрона система принимает за летающий БПЛА.

Это не баг конкретной реализации. Это системная проблема методологии: если классификатор не видел на обучении примеров «пульт без дрона», он не умеет их отличать от «пульт с дроном», потому что пульт излучает сигнал в обоих случаях.

Попытка исправить

На втором этапе исследователи включили controller-only данные в обучающую выборку и добавили явное ограничение на допустимый уровень ложных срабатываний (FCR-ограничение). Система теперь выдавала три решения вместо двух: подтверждено, отклонено, отложено (deferred) — то есть «недостаточно данных для вывода».

Результаты для объединённой выборки по всем трём платформам:

• Ложные срабатывания controller-only упали с 0,350 до 0,050 — в семь раз
• Но истинная положительная доля (TPR) для реальных связанных дронов снизилась с 0,900 до 0,400 — в 2,25 раза
• 42,1% сканирований были отнесены к категории «отложено»

Проще говоря, чтобы не ошибаться на пультах, система стала значительно хуже ловить настоящие дроны и чаще говорить «не знаю». Это классический компромисс между чувствительностью и специфичностью, знакомый любому, кто работал с системами детекции.

Платформы ведут себя по-разному

Интересная деталь: компактное сканирование показало существенно разные результаты для разных дронов. Hubsan H501S и DJI Mavic Mini давали лучшую разделяемость, чем DJI Phantom 3 4K. Это логично — у разных поколений и производителей разные протоколы связи, разная модуляция, разный пакетный формат. Phantom 3 — модель 2015 года с более простым радиоинтерфейсом, и его сигналы, видимо, труднее отделить от «голого» пульта.

Это важное замечание для интеграторов: нельзя считать, что RF-детектор, обученный на одном типе дрона, будет работать одинаково на другом. Каждая платформа — отдельная задача.

Оптимизация времени

В аппаратно-программной петле (hardware-in-loop) авторам удалось сократить время полного сканирования со 82,9 до 28,9 секунды — почти втрое. Для задач охраны периметра это критичный параметр: 83 секунды на одно решение — это слишком много, чтобы реагировать на угрозу в реальном времени. 29 секунд — уже приемлемее, но всё ещё ощутимо для быстролетящего объекта.

Что это значит на практике

Исследование ставит под сомнение распространённый маркетинговый narrative в индустрии противодействия БПЛА. Когда производитель заявляет «точность обнаружения 99%», это обычно означает точность разграничения «дрон в воздухе» versus «пустой эфир». Но реальный сценарий использования — аэропорт, правительственное здание, промышленный объект — далеко не всегда соответствует этим двум состояниям.

На площадке вокруг защищаемого объекта могут находиться люди с пультами управления, не подключёнными к дронам. Операторы могут готовиться к полёту, техники — тестировать оборудование. Если система реагирует на каждый пульт как на дрон, она засыпает ложными тревогами. Если её «откалибровать» от этих ложных срабатываний, она начинает пропускать реальные угрозы.

Авторы прямо формулируют рекомендацию: FCR для controller-only состояния нужно измерять и публиковать отдельно от общей точности. Без этой метрики сравнение разных RF-детекторов между собой бессмысленно — они могут показывать схожую точность на «чистом» тесте, но радикально различаться в реальных условиях.

Ограничения работы

Несколько оговорок, которые стоит иметь в виду. Во-первых, выборка из трёх дронов — это немного. Рынок БПЛА насчитывает десятки активных моделей с различными радиопротоколами, и выводы могут не переноситься на другие платформы, особенно на промышленные и военные системы с иной архитектурой связи.

Во-вторых, USRP B210 — это лабораторный инструмент с известными характеристиками. Коммерческие RF-детекторы используют другую элементную базу, и их реальные параметры чувствительности и селективности могут отличаться.

В-третьих, авторы не рассматривают гибридные системы — комбинацию RF с радаром, оптикой или акустикой. В продвинутых решениях по противодействию БПЛА радиочастотный канал — лишь один из нескольких, и ложные срабатывания одного канала могут компенсироваться данными других.

Тем не менее, основной вывод работы трудно оспорить: индустрия занижает сложность задачи, измеряя точность на упрощённых бенчмарках. Контроллер без привязанного дрона — реалистичный и частый сценарий, который нужно учитывать при проектировании и сертификации систем безопасности.