Tien jaar geleden werden drones beschouwd als een technologie die alleen voorbehouden was aan officiële autoriteiten, zoals het leger, de politie, enz. Maar veel bedrijven en burgers gebruiken tegenwoordig UAV's (onbemande luchtvaartuigen) voor recreatieve fotografie, inspectie, levering van goederen en diensten. De Federal Aviation Administration (FAA) schat dat er in 2019 meer dan 2 miljoen drones in gebruik zijn in de VS. Daarvan zijn er ongeveer 1,3 miljoen in eigendom voor recreatief gebruik.
Deze hoge bevolkingsdichtheid van drones en frequente drone-gerelateerde incidenten vormen aanzienlijke veiligheids- en beveiligingsuitdagingen voor kritieke infrastructuren (CI's), vooral rond luchthavenfaciliteiten.
Tussen 19 en 21 december 2018 werden honderden vluchten geannuleerd op Gatwick Airport, Londen, na meldingen van drone-waarnemingen dicht bij de landingsbaan. Naar schatting werden 140.000 passagiers getroffen, waarbij ongeveer 1000 vluchten werden omgeleid of geannuleerd, wat miljoenen ponden kostte voor de luchthaven en luchtvaartmaatschappijen.
Bij een soortgelijk evenement was Newark Airport in New Jersey in januari 2019 gedurende 90 minuten gesloten vanwege een drone die in de buurt werd gespot. Het incident veroorzaakte 90 miljoen dollar aan economisch verlies.
Ondanks de inspanningen van de FAA om de risico's van onveilige en niet-conforme drone-operaties in te dammen, lijkt het probleem toe te nemen, met meer dan 2000 bijna-ongevallen per jaar die worden gerapporteerd door vliegtuigpiloten, luchtverkeersleiders en andere belanghebbenden in de luchtvaart.
Hierdoor is de noodzaak ontstaan om malafide drones en ongeoorloofde drone-activiteiten te detecteren en uit te schakelen, waardoor een nieuw gebied van onderzoek en ontwikkeling op het gebied van contra-dronetechnologieën (C-UAS) is ontstaan.
Het tegengaan van een drone is een complex proces dat uit meerdere stappen bestaat, waarbij interactie plaatsvindt tussen verschillende verschillende sensoren, methodologieën en communicatie met menselijke operators. Dit omvat drie hoofdcategorieën:(i) detectie, (ii) preventie en (iii) mitigatie. Om malafide drones te detecteren, gebruiken luchthavens vier soorten sensoren, namelijk radar, radiofrequentiedetectiesensoren, akoestische sensoren en visuele sensoren. Laten we eens kijken naar de voor- en nadelen van deze commercieel beschikbare drone-detectiesystemen die worden gebruikt om luchthavens te verdedigen.
1. Radar
Een surveillanceradar met enkele of meerdere antennes zendt een signaal uit om de reflectie van vliegtuigen te ontvangen, waarbij ruimtelijke coördinaten worden gemeten en, optioneel, snelheid, versnelling en richting.
Pluspunten
- Primair bewakingsdetectiesysteem op lange afstand tot 100 km, afhankelijk van RCS en hoogte.
- Kan de meeste soorten drones volgen, ongeacht de autonome vlucht.
- In combinatie met machine learning-algoritmen kan het vogels van drones onderscheiden.
- Hoog nauwkeurig volgen binnen een waarnemingshoek.
- In staat om meerdere doelen tegelijk te volgen bij gebruik van multitracking-dekking.
- Bistatische en multistatische radars verhogen de nauwkeurigheid van UAV-detectie.
- Onafhankelijk van visuele omstandigheden (dag, nacht, bewolkt weer, enz.)
- Geen RF of akoestisch signaal nodig
Nadelen
- Detectiebereik afhankelijk van dronegrootte en radardoorsnede (RCS).
- Radarsystemen ontworpen voor bemande luchtvaart kunnen kleine vliegende objecten niet detecteren.
- Hoge aanschaf- en installatiekosten
- Vereist een transmissielicentie en frequentiecontrole om interferentie met andere RF-transmissies te voorkomen.
- Moeilijk te detecteren op lage hoogte vliegende, langzaam bewegende of zwevende UAV's.
- Geen mogelijkheid om piloten te volgen of geolocatie op de grond
- Gebrek aan automatisering en grote afhankelijkheid van getrainde radaroperators
- Valse positieven met objecten met dezelfde vorm (vogels, wolken, enz.)
2. Radiofrequentiedetectie
Radiofrequentiescanners (RF) maken gebruik van passieve detectietechnologie. Deze kosteneffectieve oplossing detecteert en volgt UAV's op basis van hun communicatiesignatuur. Ze onderzoeken algoritmen om bekende radiofrequenties te scannen en RF-emitterende drones te vinden en te geolokaliseren, ondanks weers- en dag/nacht-omstandigheden.
Pluspunten
- Lagere kosten dan radarsensoren met een middelgroot bereik tot 600 m
- Detecteert bepaalde radiofrequentiebanden waar UAV's en GCS communiceren voor commando en controle (C2)
- Kan RF vastleggen die wordt uitgezonden door UAV's en kan UAV's en controllers lokaliseren
- Kan wifi-uitzendende drones vastleggen
- Hoognauwkeurige detectie
- Vroegwaarschuwing mogelijk zelfs voordat de UAV opstijgt (indien ingeschakeld)
- Triangulatie is mogelijk met meerdere RF-sensoren.
- Machine learning-algoritmen kunnen drone-uitzendingen classificeren.
- Passieve detectie, geen licentie vereist.
Nadelen
- RF-signaal kan autonoom vliegende drones niet detecteren.
- Elektromagnetische interferentie en gezichtsverlies verslechteren de detectiemogelijkheden.
- Variabele detectienauwkeurigheid afhankelijk van dronetype en frequentieband
- De aanvaller kan MAC-adressen vervalsen.
- Kan slechts een paar UAV's tegelijk detecteren
- Minder effectief in omgevingen met veel RF en een bereik van minder dan 100 m
- Detectiebeperkingen voor zwerm drones
- Sommige passieve systemen kunnen RF-signalen uitzenden, ondanks dat ze worden gekenmerkt als passieve systemen.
3. Akoestische detectie
Dronepropellers zenden een audiopatroon uit dat kan worden gedetecteerd en gebruikt voor drone-positionering en classificatie door akoestische sensoren. Gewoonlijk detecteert een microfoon het geluid van een drone en berekent de locatie met behulp van de tijdverschil-van-aankomsttechniek (TDOA).
Pluspunten
- Classificatie op basis van de akoestische signatuur
- Kan onderscheid maken tussen geautoriseerde en niet-geautoriseerde UAS
- Geen RF-signaal nodig voor detectie. Kan autonoom vliegende UAV's detecteren
- UAV-detectie kan verder gaan dan de gezichtslijn
- Classificatie op basis van de akoestische handtekeningen van UAV's
- Tijdsverschil van aankomst (TDOA)-techniek wordt gebruikt voor UAV-lokalisatie, terwijl triangulatie mogelijk is met een reeks gedistribueerde sensoren
- Voordelige sensoren
- Kan de richting van de drone of een ruwe schatting geven
Nadelen
- Afhankelijk van een beschikbare bibliotheek met reeds vastgelegde geluidssignaturen
- Hogere valse positieven door het toenemende aantal drone-modellen
- Onbetrouwbare detectie op afstand>300 m
- Werkt niet zo goed in rumoerige omgevingen
- Detectiebeperkingen voor zwermen drones
- De detectieprestaties worden beïnvloed door windrichting, temperatuur, zichtlijn en signaalreflecties als gevolg van obstakels.
- Ze worden niet gebruikt als primaire detectiebron.
- Geen mogelijkheid om piloten te volgen of geolocatie op de grond
4. Visuele detectie
Elektro-optische sensoren in beeldvormingssystemen en camera's gebruiken een visuele handtekening om UAS te detecteren, terwijl infraroodsensoren een warmtesignatuur gebruiken. In combinatie met optische gegevens kunnen neurale netwerken en deep learning-algoritmen aanzienlijke ondersteuning en geavanceerde intelligentie bieden aan een UAV-detectiesysteem.
Pluspunten
- Noodzaak van menselijke tussenkomst of kunstmatige intelligentie om UAV's efficiënt te detecteren
- Niet gebruikt als primaire detectiebron (zowel EO- als IR-camera's)
- Beide hebben detectiebeperkingen op basis van resolutiemogelijkheden.
Nadelen
- Moeilijk om zwermen drones vast te leggen.
- IR- en EO-camera's hebben een directe gezichtslijn nodig om UAV's te detecteren.
- EO-camera's zijn afhankelijk van daglicht en buitenverlichting (bewolking, duisternis, enz.)
- Kan UAV verwarren met een vogel of een soortgelijk gevormd klein vliegtuig.
- Bereikbeperkingen afhankelijk van weersomstandigheden (wolken, regen, mist, mist, enz.)
Er zijn verschillende technologische oplossingen om bedreigingen van kwaadaardige UAS te verminderen bij het naderen van kritieke infrastructuren. Er bestaan twee soorten C-UAS-technologieën:elektronische en kinetische. Elektronische tegenmaatregelen kunnen UAV's verslaan door gebruik te maken van manipulatie van communicatielinks, RF-storingen of GPS-spoofing. Kinetisch verbod verwijst naar het onderscheppen van UAS met fysieke middelen. We zullen in onze volgende post naar deze C-UAS-technologieën kijken.