流氓无人机在空中运动的微小细节可能会不知不觉地揭示出无人机飞行员的位置-可能使当局能够放下无人机，比如说它有机会干扰空中交通或造成事故。而且不需要昂贵的无线电三角测量和信号定位天线阵列就可以实现。
因此，一支以色列研究人员小组说，他们训练了一种AI无人机追踪算法，可以以超过80％的准确度显示无人机操作者的下落中国机械网okmao.com。他们现在正在研究该算法是否还可以揭示飞行员的专业水平，甚至可能揭示他们的身份。
以色列内谢夫市内盖夫本古里安大学计算机科学教授格拉·韦斯说，他的团队开发的算法部分取决于机场或其他高安全性地点周围的特定地形。
在测试了包括 密集网络 和 卷积神经网络的神经网络后，研究人员发现一种 称为“门控递归单元”（GRU）网络的 递归神经网络最适合用于无人机跟踪。“循环网络擅长于此，”魏斯说。“他们不仅考虑空间，而且考虑时间，都考虑了数据的有序现实。”
因此，他说，例如，机场的一名安全专业人员会雇用白帽子的坏人从机场周围的各个地方发射无人驾驶飞机。然后，安全团队将在机场雷达系统上记录无人机的确切动作。
最终，GRU算法将根据这些数据进行训练，在这种情况下，飞行员将知道飞行员的位置以及无人机飞行模式的特殊细节。
例如，根据任何给定机场的特定地形，在无人驾驶的森林附近，驾驶无人机的飞行员可能会看到跑道的通畅视线。但是该位置也可能相距很远，可能使操作员更容易在无人驾驶飞机的精确跟踪中出现错误。然而，在靠近跑道的位置操作的飞行员可能不会犯同样的跟踪错误，但由于它们靠近停车场或控制塔，可能还必须应对较大的盲区。
他说，在每种情况下，简单的几何形状也可以开始揭示有关飞行员位置的重要线索。当无人驾驶飞机足够远时，沿着飞行员视线的运动可能比垂直于他们视线的运动更难被飞行员察觉。这也可能成为AI算法从特定的无人机飞行模式中发现飞行员位置的重要因素。
因此，这些各种特定于地形和不可知地形的效果的总和可能是指着操作员的巨大手指。该AI应用程序也不会受到飞行员可能已安装的任何中继塔或其他信号欺骗机制的影响。
魏斯说，他的小组使用Microsoft Research的开源无人机和自动驾驶汽车模拟器AirSim测试了他们的无人机跟踪算法 。该小组 在本月初于本古里安大学举行的第四届国际网络安全，密码学和机器学习国际研讨会上介绍了他们的研究进展 。
他们的 论文 在发现无人机飞行员的位置时具有73％的准确率。魏斯说，自从发布结果以来的几周内，他们现在已经将准确率提高到了83％。
Weiss说，既然研究人员已经证明了该算法的概念，他们希望下一步可以在现实世界的机场环境中对其进行测试。他说：“拥有飞行许可的人已经与我联系，” “我是大学教授。我不是训练有素的飞行员。现在，确实拥有无人驾驶飞机设施的人[可以]进行这项物理实验。”
Weiss说，目前还不清楚他们的算法与地形无关。是否可以将在一个机场周围地形上训练的神经网络有效地部署在另一个机场（或同一机场的另一个未经训练的区域）上？
他说，另一个悬而未决的问题涉及该算法是否也可以逆转：可以将无人机在未映射地形周围的飞行模式用于发现地形特征吗？
Weiss说，他们希望在未来的研究中解决这些问题，以及一系列最新 发现的可能应用， 这些 新发现 试图从运动跟踪数据中评估操作员的技能水平。
一项发现 甚至可以精确定位和分类飞行员技能，因此也许有一天可能会再次被屡犯者发现，因为他们的直升飞机在天空上留下的指纹印记了这一点。