ในช่วงไม่กี่ปีที่ผ่านมา เราเปลี่ยนมุมมองที่มีต่อโดรนจากเดิมที่เป็นเพียงอุปกรณ์ธรรมดาๆ ของเล่นไฮเทคสำหรับบันทึกวิดีโอ เพื่อให้เทคโนโลยีเหล่านี้กลายเป็นเครื่องมือสำคัญในการรักษาความปลอดภัย การเฝ้าระวัง และแม้กระทั่งในความขัดแย้งทางอาวุธ และเช่นเดียวกับเทคโนโลยีใดๆ ที่พัฒนาไปอย่างรวดเร็ว ด้านความปลอดภัยและการป้องกันมักไม่ได้พัฒนาไปในอัตราเดียวกันเสมอไป
ในบริบทนี้ กลุ่มนักวิจัยจากมหาวิทยาลัยแคลิฟอร์เนีย เออร์ไวน์ ได้แสดงให้เห็นบางสิ่งบางอย่างที่ฟังดูเหมือนเรื่องตลก แต่แท้จริงแล้วไม่ใช่เลย: เป็นไปได้ที่จะดึงดูดและหยุดยั้งโดรนไร้คนขับบางชนิดได้โดยใช้เพียงร่มที่มีลวดลายสีเฉพาะไม่มีเครื่องรบกวนสัญญาณวิทยุ ไม่มีแฮ็กจากระยะไกล ไม่มีอาวุธที่ซับซ้อน มีเพียงร่ม "แปลกๆ" และการวิเคราะห์ย้อนกลับเล็กน้อยเกี่ยวกับวิธีการที่อุปกรณ์เหล่านี้รับรู้โลก
เหตุใดโดรนไร้คนขับจึงก่อให้เกิดความกังวลเพิ่มมากขึ้น
การใช้งานโดรนที่เพิ่มขึ้นนั้นไม่ได้จำกัดอยู่แค่ในกิจกรรมสันทนาการเท่านั้น จีน รัสเซีย สหรัฐอเมริกา และประเทศอื่นๆ พวกเขากำลังผลักดันการพัฒนาอากาศยานไร้คนขับที่ติดตั้งระบบปัญญาประดิษฐ์ซึ่งสามารถตัดสินใจได้ด้วยตนเองอย่างจริงจัง เราไม่ได้พูดถึงแค่กล้องบินสำหรับอินฟลูเอนเซอร์อีกต่อไปแล้ว แต่เป็นแพลตฟอร์มอัตโนมัติที่มีการใช้งานด้านยุทธวิธีและการเฝ้าระวัง
ตัวอย่างที่ชัดเจนมากสามารถพบได้ในสงคราม รัสเซียและยูเครนมีการนำโดรนหลากหลายประเภทมาใช้งาน ไม่ว่าจะเป็นอุปกรณ์พลีชีพ หน่วยติดตาม ระบบที่เชื่อมต่อกับสายเคเบิลใยแก้วนำแสงเพื่อปรับปรุงการส่งข้อมูล เป็นต้น นอกจากนี้ยังมีพัฒนาการที่ล้ำสมัยราวกับนิยายวิทยาศาสตร์ เช่น การทดลองของรัสเซียที่ถูกกล่าวหาว่าเกี่ยวข้องกับ... นกพิราบถูกดัดแปลงเป็นโดรนชีวภาพซึ่งแสดงให้เห็นถึงขอบเขตที่ผู้เล่นบางรายเต็มใจที่จะสำรวจช่องทางเทคโนโลยีใด ๆ เพื่อให้ได้เปรียบในสนามรบ
ปัญหาคือ เทคโนโลยีเดียวกันนี้ เมื่อนำไปใช้ในภาคพลเรือน จะนำไปสู่สถานการณ์ที่ไม่พึงประสงค์ยิ่งกว่าเดิม: การเฝ้าระวังผู้คนอย่างต่อเนื่องการติดตามอัตโนมัติโดยไม่ได้รับอนุญาต การเก็บรวบรวมข้อมูลในสถานที่อ่อนไหว หรือเพียงแค่การละเมิดความเป็นส่วนตัวในชีวิตประจำวันของผู้คนที่บังเอิญไปพบเจออุปกรณ์เหล่านี้ในเวลาที่ไม่เหมาะสม
การนำโดรนที่มีฟังก์ชันติดตามอัตโนมัติมาใช้ในวงกว้างในงานต่างๆ เช่น การรักษาความปลอดภัยส่วนบุคคล การเฝ้าระวังชายแดนการควบคุมฝูงชนหรือการลาดตระเวนโครงสร้างพื้นฐานที่สำคัญช่วยขยายขอบเขตการปฏิบัติงาน...แต่ในขณะเดียวกันก็เพิ่มความเสี่ยงมากขึ้น ไม่เพียงเพราะโดรนอาจทำงานผิดพลาด แต่ยังเพราะมันสามารถถูกดัดแปลง หลอกลวง หรือถูกใช้ต่อต้านผู้ที่ใช้งานมันได้
จากสถานการณ์นี้ เริ่มเห็นชัดเจนว่าการเข้ารหัสการสื่อสารหรือการปกป้องคลื่นความถี่วิทยุเพียงอย่างเดียวนั้นไม่เพียงพอ การต่อสู้ที่แท้จริงนั้นเกิดขึ้นบนพื้นดินจริงด้วยเช่นกันโดยจะอธิบายว่าอัลกอริธึมด้านการมองเห็นและปัญญาประดิษฐ์ตีความสิ่งที่เห็นผ่านกล้องของโดรนอย่างไร และตอบสนองต่อรูปแบบภาพที่ออกแบบมาเพื่อสร้างความสับสนอย่างไร
งานวิจัยของ UC Irvine: เกราะป้องกันปัญญาประดิษฐ์
แทนที่จะพัฒนาโดรนโจมตีรุ่นใหม่ ทีมงานของ... มหาวิทยาลัยแคลิฟอร์เนีย เออร์ไวน์ (UC Irvine) เขาตัดสินใจที่จะแก้ปัญหาจากอีกด้านหนึ่ง นั่นคือ วิธีการปกป้องตนเองจากระบบติดตามอัตโนมัติที่ใช้ปัญญาประดิษฐ์ เป้าหมายของเขานั้นชัดเจน คือ การปรับปรุงสิ่งที่เรียกว่า "ความปลอดภัยทางไซเบอร์ทางกายภาพ" ด้วย สิ่งของธรรมดาและราคาไม่แพงโดยไม่ต้องพึ่งพาฮาร์ดแวร์เฉพาะทางหรือความรู้ด้านการแฮ็กขั้นสูง
ระหว่างการตรวจสอบ ผู้เชี่ยวชาญได้วิเคราะห์อย่างละเอียดถึงวิธีการทำงานของอัลกอริธึมการติดตามที่ใช้ในโดรนเชิงพาณิชย์หลายรุ่น โดยเฉพาะอย่างยิ่ง พวกเขาเน้นไปที่ฟังก์ชันที่รู้จักกันในเชิงพาณิชย์ว่า ระบบ Active Track, Dynamic Track หรือระบบอื่นๆ ที่คล้ายกันซึ่งช่วยให้โดรนสามารถติดตามบุคคลหรือวัตถุได้โดยอัตโนมัติโดยใช้ระบบคอมพิวเตอร์วิชั่น โดยที่นักบินไม่จำเป็นต้องปรับเส้นทางการบินด้วยตนเองตลอดเวลา
หลังจากทำการทดลองหลายครั้ง พวกเขาค้นพบจุดอ่อนที่เรียบง่ายอย่างน่าประหลาดใจ นั่นคือ โดรนบางรุ่นที่ทำงานได้ การติดตามเป้าหมายโดยใช้โครงข่ายประสาทเทียมและการวิเคราะห์การเคลื่อนไหวของภาพ พวกมันอาจสับสนได้หากได้รับรูปแบบภาพที่เฉพาะเจาะจงมาก วิธีนี้ได้รับการตั้งชื่อว่า กับดักแมลงวัน"กับดักแมลงวัน" หมายถึงวิธีการล่อโดรนให้เข้ามาอยู่ในตำแหน่งที่สามารถจับหรือยิงตกได้
สิ่งที่น่าประทับใจที่สุดเกี่ยวกับกรณีนี้คือ การนำ FlyTrap ไปใช้ในทางปฏิบัติได้ดำเนินการโดยใช้สิ่งของธรรมดาๆ อย่างเช่น ร่ม โดยการประทับลวดลายภาพที่เหมาะสมลงบนพื้นผิวของร่ม และเมื่อคุณเปิดกล้องออกต่อหน้าโดรน ระบบ AI ติดตามจะตีความการเปลี่ยนแปลงต่างๆ ในภาพ ทำให้ระบบเชื่อว่าเป้าหมายกำลังเคลื่อนที่ออกไป แม้ว่าคนที่ถือกล้องจะอยู่นิ่งก็ตาม
ผลการวิจัยถูกนำเสนอในการประชุมนานาชาติที่เชี่ยวชาญด้านความปลอดภัยทางคอมพิวเตอร์ (NDSS) โดยมีการอธิบายอย่างละเอียดว่าแนวทางนี้ไม่ใช่เพียงแค่สิ่งแปลกใหม่ในห้องปฏิบัติการเท่านั้น ผลการทดสอบแสดงให้เห็นว่าการโจมตีทางกายภาพได้ผลภายใต้เงื่อนไขที่หลากหลายด้วยการเปลี่ยนแปลงของแสงและสภาพอากาศ ซึ่งทำให้เข้าใกล้สถานการณ์การใช้งานจริงนอกสภาพแวดล้อมที่ควบคุมได้อย่างอันตราย
ขั้นตอนการโจมตีของกับดักแมลงวันทำงานอย่างไร (ในระดับแนวคิด)
เพื่อให้เข้าใจว่าเหตุใดร่มจึงสามารถทำให้โดรนไร้คนขับตกอยู่ในสถานการณ์ที่ยากลำบาก เราจำเป็นต้องทบทวนวิธีการทำงานของระบบติดตามเป้าหมายที่ใช้หลักการ... วิสัยทัศน์เทียมโดยพื้นฐานแล้ว โดรนจะบันทึกภาพสภาพแวดล้อมโดยรอบอย่างต่อเนื่อง และใช้เครือข่ายประสาทเทียมและอัลกอริธึมวิเคราะห์การเคลื่อนไหวเพื่อพยายามระบุตำแหน่งของวัตถุที่ควรติดตามในแต่ละเฟรม
อัลกอริทึมเหล่านี้มุ่งเน้นไปที่ รูปแบบของรูปทรง สี ความแตกต่าง และการเคลื่อนไหว เพื่อประเมินว่าวัตถุอยู่ตรงไหนในภาพปัจจุบันเมื่อเทียบกับภาพก่อนหน้า จากข้อมูลนั้น พวกเขาจะคำนวณว่าวัตถุกำลังเข้าใกล้ กำลังเคลื่อนห่างออกไป กำลังเคลื่อนไปด้านข้าง หรือกำลังซ่อนอยู่หลังสิ่งกีดขวาง เป็นต้น จากนั้นโดรนจะปรับความเร็วและวิถีการบินเพื่อรักษาวัตถุให้อยู่ในเฟรมในระยะที่ถือว่า "เหมาะสมที่สุด"
การโจมตีด้วย FlyTrap ใช้ประโยชน์จากตรรกะนี้อย่างแม่นยำ รูปแบบกราฟิกที่ออกแบบมาสำหรับร่มนั้น ทำให้เกิดลวดลายขึ้นเมื่อโดรนเคลื่อนที่แม้เพียงเล็กน้อยหรือเปลี่ยนมุมมอง การเปลี่ยนแปลงที่เห็นได้ชัดในขนาดและตำแหน่งของเป้าหมาย ซึ่งอัลกอริทึมตีความว่าเป็นการเคลื่อนไหวออกไปอย่างต่อเนื่อง ปัญญาประดิษฐ์เชื่อว่าบุคคลนั้นกำลังเคลื่อนที่ถอยหลัง ในขณะที่ความเป็นจริงแล้วพวกเขายืนนิ่งอยู่
แล้วโดรนทำอะไร? เพื่อชดเชยระยะทางที่คาดการณ์ไว้... ค่อยๆ ลดระยะห่างลงเครื่องบินพยายาม "เข้าใกล้" วัตถุเป้าหมายมากขึ้น เพื่อรักษากรอบภาพให้เป็นไปตามกฎภายในของระบบติดตาม ผลที่ได้คือ เครื่องบินเริ่มบินวนเข้าใกล้แบบรุนแรงขึ้นเรื่อยๆ... จนกระทั่งเข้าใกล้ร่มและคนที่ถือร่มอย่างอันตราย
เมื่อโดรนอยู่ใกล้มาก ผู้ควบคุมการโจมตีจะมีข้อได้เปรียบอย่างมาก: พวกเขาสามารถ จับมันด้วยตาข่าย ตีมัน ทำให้มันเสียสมดุล หรือทำให้มันชนกัน โดยการใช้โดรนโจมตีพื้นผิวที่อยู่ใกล้เคียง แตกต่างจากวิธีการป้องกันตัวอื่นๆ ที่มุ่งเป้าไปที่การทำให้โดรนสูญเสียเป้าหมายหรือหยุดการติดตามเท่านั้น FlyTrap ช่วยให้คุณสามารถนำโดรนเข้ามาอยู่ในตำแหน่งที่เหมาะสมที่สุดเพื่อทำลายมันได้ด้วยวิธีทางกายภาพ
รุ่นโดรนที่ได้รับผลกระทบและขอบเขตของปัญหาที่แท้จริง
นักวิจัยจาก UC Irvine ไม่ได้หยุดอยู่แค่การจำลองเท่านั้น พวกเขายังทดสอบเทคนิคของพวกเขาด้วย โดรนเชิงพาณิชย์จริงในบรรดารุ่นที่ได้รับการประเมินผลสำเร็จ ได้แก่:
- DJI มินิ 4 โปร
- ดีไอ นีโอ
- โฮเวอร์แอร์ X1
อุปกรณ์เหล่านี้ทั้งหมดมีฟังก์ชันติดตามอัตโนมัติโดยใช้คอมพิวเตอร์วิชั่น ซึ่งในทางทฤษฎีแล้วถูกออกแบบมาเพื่อช่วยให้สามารถถ่ายภาพเคลื่อนไหวได้โดยที่นักบินไม่ต้องกังวลเรื่องกล้อง ความสามารถในการติดตามผู้ใช้โดยอัตโนมัตินั่นเอง มันคือสิ่งที่จะหันมาเล่นงานเขาเมื่อรูปแบบอย่าง FlyTrap เข้ามามีบทบาท
ในการทดสอบ โดรนถูกดึงดูดมากพอที่จะทำให้การปฏิบัติงานเป็นไปได้ การจับภาพด้วยอุปกรณ์เครือข่ายหรือผลกระทบที่ควบคุมได้กล่าวอีกนัยหนึ่ง มันไม่ใช่แค่เรื่องของการทำให้ขั้นตอนวิธีสับสนเพียงชั่วขณะ แต่เป็นการบังคับให้ใช้วิธีการโจมตีทางกายภาพอย่างต่อเนื่อง ซึ่งทำให้เครื่องนั้นตกอยู่ภายใต้การควบคุมของผู้โจมตี
นักวิจัยที่รับผิดชอบการศึกษาครั้งนี้ได้ดำเนินการตามแนวปฏิบัติที่ดีที่สุดของชุมชนด้านความปลอดภัยทางไซเบอร์ และ พวกเขาได้สื่อสารถึงจุดอ่อนดังกล่าวอย่างมีความรับผิดชอบ แจ้งให้ผู้ผลิตที่เกี่ยวข้องทราบก่อนที่จะเปิดเผยรายละเอียดทั้งหมดต่อสาธารณะ ซึ่งจะเปิดโอกาสให้บริษัทต่างๆ เช่น DJI และบริษัทอื่นๆ ที่ได้รับผลกระทบ ตรวจสอบอัลกอริธึมการติดตามของตน และนำมาตรการแก้ไขมาใช้ในการอัปเดตเฟิร์มแวร์หรือฮาร์ดแวร์รุ่นต่อๆ ไป
อย่างไรก็ตาม นอกเหนือจากแบบจำลองเฉพาะเหล่านี้แล้ว การค้นพบนี้ยัง... ผลกระทบในวงกว้างกว่ามากระบบอากาศยานไร้คนขับ (UAS) ใดๆ ที่ใช้โครงข่ายประสาทเทียมในการติดตามเป้าหมายโดยใช้คอมพิวเตอร์วิชั่น อาจมีความเสี่ยงต่อการโจมตีในรูปแบบต่างๆ หากไม่ได้ฝึกฝนมาเป็นพิเศษเพื่อต้านทานรูปแบบการโจมตีที่เป็นอันตรายเหล่านี้
การโจมตีทางกายภาพที่ไม่ต้องใช้คลื่นวิทยุ การแฮ็ก หรือการแทรกแซง
หนึ่งในคุณสมบัติหลักของ FlyTrap คือการทำงานโดยสมบูรณ์ในสภาพแวดล้อมภายในอาคาร โดเมนทางกายภาพการโจมตีนี้ไม่จำเป็นต้องเข้าไปแทรกแซงการสื่อสารของโดรน เข้าถึงลิงก์ข้อมูล หรือใช้ประโยชน์จากช่องโหว่ของซอฟต์แวร์แบบดั้งเดิม การโจมตีนี้ได้ผลเพราะมันเปลี่ยนแปลงสิ่งที่กล้องของโดรนมองเห็น และด้วยเหตุนี้จึงเปลี่ยนแปลงสิ่งที่อัลกอริทึม AI ของโดรนเข้าใจว่ากำลังเกิดขึ้น
ในทางปฏิบัติ หมายความว่าผู้โจมตีไม่จำเป็นต้องออกคำสั่งใดๆ สัญญาณวิทยุ, WiFi, GPS หรือสัญญาณที่คล้ายกันนอกจากนี้ยังไม่จำเป็นต้องเชื่อมต่อกับโดรน ไม่ต้องขออนุญาตเข้าถึง หรือระบุข้อมูลประจำตัวใดๆ เพียงแค่แสดงวัตถุจริงให้โดรนเห็น ซึ่งวัตถุนี้ถูกออกแบบมาเพื่อใช้ประโยชน์จากจุดบอดทางความคิดของโดรน ซึ่งเป็นสิ่งที่ยากต่อการติดตามและปิดกั้นด้วยระบบป้องกันแบบมาตรฐาน
แนวทางนี้สอดคล้องกับสิ่งที่เรียกว่า การโจมตีที่เป็นปรปักษ์ในโลกทางกายภาพนี่เป็นแนวทางการวิจัยที่มีความสำคัญมากขึ้นเรื่อยๆ เช่นเดียวกับแว่นตา เสื้อยืด หรือสติกเกอร์ที่สามารถหลอกระบบจดจำใบหน้าหรือรถยนต์ไร้คนขับได้ ในกรณีนี้ ร่มกำลังถูกนำมาใช้เพื่อหลอกอัลกอริทึมการติดตามของโดรน
ยิ่งไปกว่านั้น ต้นทุนยังต่ำอย่างเหลือเชื่อเมื่อเทียบกับทรัพยากรที่มักใช้ในการทำสงครามอิเล็กทรอนิกส์หรือการยิงเครื่องบินไร้คนขับตก ไม่จำเป็นต้องใช้อุปกรณ์ราคาแพง เสาอากาศพิเศษ หรือความรู้ด้านคลื่นวิทยุจากผู้เชี่ยวชาญสิ่งที่คุณต้องการก็แค่ร่มที่มีดีไซน์เหมาะสม และทักษะในการวางตำแหน่งตัวเองให้ถูกที่เมื่อโดรนอยู่ในโหมดติดตาม
ความไม่สมดุลระหว่างราคาของโดรนขั้นสูงกับต้นทุนในการทำให้มันใช้งานไม่ได้โดยใช้วัตถุธรรมดาๆ นั้น ส่งผลโดยตรงต่อวิธีที่เราควรคิดเกี่ยวกับเรื่องนี้ ความปลอดภัยของโครงสร้างพื้นฐานที่สำคัญ การวางกำลังตำรวจ หรือพรมแดนในทางทฤษฎีแล้ว ผู้ไม่ประสงค์ดีอาจใช้เทคนิคเหล่านี้ในการนำโดรนสอดแนมเข้าใกล้พื้นที่หวงห้าม จากนั้นจึงทำให้โดรนใช้งานไม่ได้หรือตกในจุดที่ต้องการ
ผลกระทบต่อความปลอดภัย ความเป็นส่วนตัว และการใช้งานโดรนในวงกว้าง
การแพร่หลายของอากาศยานไร้คนขับที่ขับเคลื่อนด้วยพลังงานจาก ปัญญาประดิษฐ์ นี่เป็นความท้าทายอย่างยิ่งต่อความปลอดภัยสาธารณะ เราเห็นโครงการต่างๆ มากขึ้นเรื่อยๆ ที่เสนอให้ใช้ฝูงโดรนในการลาดตระเวนเมือง ตรวจสอบชายแดน หรือดูแลเหตุการณ์ขนาดใหญ่ แต่การศึกษาของมหาวิทยาลัยแคลิฟอร์เนีย เออร์ไวน์ แสดงให้เห็นว่า หากไม่เสริมความแข็งแกร่งให้กับอัลกอริธึมการรับรู้ การใช้งานทั้งหมดนี้ก็ตั้งอยู่บนพื้นฐานที่ค่อนข้างเปราะบาง
ในระดับปฏิบัติการ การโจมตีด้วยกับดักแมลงวันสามารถใช้ได้ทั้งในเชิงรุกและเชิงรับ ในอีกด้านหนึ่ง ใครบางคนอาจ... ทำให้โดรนของตำรวจหรือหน่วยสอดแนมชายแดนใช้งานไม่ได้สิ่งนี้จะลดประสิทธิภาพการตอบสนองของกองกำลังรักษาความปลอดภัยในพื้นที่เฉพาะนั้นลง ในทางกลับกัน บุคคลที่ถูกคุกคามโดยโดรน หรือเหยื่อของการจารกรรมด้วยอุปกรณ์เชิงพาณิชย์ อาจใช้กลไกเดียวกันนี้ในการป้องกันตนเองด้วยร่มที่ดัดแปลงอย่างง่ายๆ
นอกจากนี้ยังมีแง่มุมอื่นๆ อีกด้วย การปกป้องโครงสร้างพื้นฐานเชิงยุทธศาสตร์ (โรงไฟฟ้า สถานีขนส่ง ศูนย์ข้อมูล ฯลฯ) หากสถานที่เหล่านี้ใช้โดรนอัตโนมัติเพื่อเสริมระบบเฝ้าระวัง ช่องโหว่อย่าง FlyTrap จะเปิดช่องให้ผู้โจมตีสามารถหลีกเลี่ยงส่วนหนึ่งของระบบตรวจจับได้โดยใช้เพียงวัตถุทางกายภาพโดยไม่ต้องมีการโต้ตอบทางอิเล็กทรอนิกส์ใดๆ
ดังนั้น การศึกษานี้จึงส่งข้อความที่ชัดเจน: การรักษาความปลอดภัยของโดรนไม่สามารถจำกัดอยู่แค่เพียงระดับอิเล็กทรอนิกส์หรือระดับเครือข่ายได้การรักษาความปลอดภัยของลิงก์ข้อมูล การเข้ารหัสการสื่อสาร และการปกป้องซอฟต์แวร์เป็นสิ่งจำเป็น แต่ไม่เพียงพอ หากอัลกอริทึมการมองเห็นถูกหลอกด้วยลวดลายสีที่พิมพ์อยู่บนร่ม ความยืดหยุ่นต้องขยายไปถึงวิธีการที่ AI ตีความสภาพแวดล้อมทางกายภาพและความแข็งแกร่งต่อการดัดแปลงโดยเจตนา
เนื่องจากการใช้งานโดรนไร้คนขับแพร่หลายมากขึ้นใน สภาพแวดล้อมในเมืองและการปฏิบัติงานที่ละเอียดอ่อนการโจมตีประเภทนี้จะไม่ใช่เพียงแค่เรื่องน่าสนใจทางวิชาการอีกต่อไป แต่จะกลายเป็นปัจจัยที่ผู้ผลิต หน่วยงานกำกับดูแล และผู้ประกอบการต้องพิจารณาตั้งแต่ขั้นตอนการออกแบบ การเพิกเฉยต่อช่องโหว่เหล่านี้อาจส่งผลเสียอย่างร้ายแรงเมื่อมีการใช้งานในวงกว้างแล้ว
ข้อจำกัดของการโจมตีและแนวป้องกันที่เป็นไปได้
แม้ว่าไอเดียเรื่อง "ยิงโดรนด้วยร่ม" จะดูน่าสนใจมาก แต่คุณไม่ควรคิดว่าร่มสีสันสดใสแบบไหนก็ได้จะใช้ได้ผล ลวดลายของกับดักแมลงวันได้รับการออกแบบอย่างพิถีพิถัน เพื่อใช้ประโยชน์จากจุดอ่อนเฉพาะในอัลกอริธึมที่ได้รับการทดสอบแล้ว นี่ไม่ใช่กลอุบายสากลที่จะใช้ได้ผลกับโดรนทุกตัวหรือในทุกสถานการณ์โดยอัตโนมัติ
นอกจากนี้ การโจมตีดังกล่าวยังต้องใช้โดรนที่ใช้งานฟังก์ชันต่างๆ อีกด้วย การติดตามอัตโนมัติโดยใช้ระบบวิชั่นหากผู้ควบคุมบังคับเครื่องบินด้วยตนเองทั้งหมด หรือหากเครื่องบินถูกนำทางด้วยเซ็นเซอร์อื่นๆ (เช่น LIDAR, เรดาร์ หรือการผสมผสานเซ็นเซอร์ขั้นสูง) โอกาสในการหลอกลวง AI โดยใช้เพียงรูปแบบภาพอาจลดลงหรืออาจหายไปเลยก็ได้
ข้อจำกัดเชิงปฏิบัติอีกประการหนึ่งคือความจำเป็นในการ นำร่มเข้ามาให้ใกล้กับขอบเขตการมองเห็นของโดรนมากขึ้นในสถานการณ์ที่อุปกรณ์บินในระดับความสูงมาก หรือรักษาระยะห่างจากเป้าหมายหลายกิโลเมตร การรักษาระยะห่างดังกล่าวอาจทำได้ยาก FlyTrap มีอันตรายเป็นพิเศษในสถานการณ์ที่บินต่ำ ติดตามผู้คนในระยะใกล้ หรือในสภาพแวดล้อมในเมืองที่มีเส้นทางแคบ
ในด้านการป้องกัน มีแนวทางปฏิบัติที่เป็นไปได้หลายอย่าง หนึ่งในนั้นคือ ฝึกฝนโมเดลการมองเห็นใหม่ การใช้ตัวอย่างของรูปแบบที่เป็นอันตราย เช่น FlyTrap เพื่อให้พวกเขารู้จักและจดจำรูปแบบเหล่านั้นว่าเป็นสิ่งผิดปกติ และหลีกเลี่ยงการตกอยู่ในกับดักของการเข้าใกล้โดยไม่สามารถควบคุมได้ อีกทางเลือกหนึ่งคือการรวมข้อมูลภาพเข้ากับแหล่งข้อมูลอื่นๆ (ความลึก เซ็นเซอร์เฉื่อย แผนที่ 3 มิติ) เพื่อหลีกเลี่ยงการพึ่งพาเฉพาะสิ่งที่กล้องมองเห็นเท่านั้น
นอกจากนี้ การนำฟังก์ชันนี้ไปใส่ในเฟิร์มแวร์ก็เป็นเรื่องที่สมเหตุสมผลเช่นกัน ข้อจำกัดด้านระยะห่างและกฎความปลอดภัยเพิ่มเติมมาตรการเหล่านี้จะป้องกันไม่ให้โดรนเข้าใกล้เป้าหมายเกินระยะที่กำหนด เมื่อตรวจพบการเปลี่ยนแปลงทางภาพที่ผิดปกติหรือไม่สอดคล้องกัน ถึงแม้ว่าจะไม่สามารถกำจัดกลลวงได้อย่างสมบูรณ์ แต่ก็จะลดโอกาสที่โดรนจะไปถึงตำแหน่งที่สามารถจับได้ง่ายด้วยมือเปล่าหรือด้วยตาข่าย
สุดท้ายนี้ ในระดับการกำกับดูแล หน่วยงานที่รับผิดชอบในการรับรองโดรนสำหรับการใช้งานต่างๆ การรักษาความปลอดภัย ตำรวจ หรือการเฝ้าระวังโครงสร้างพื้นฐาน พวกเขาจะต้องรวมการทดสอบการป้องกันการโจมตีทางกายภาพประเภทนี้ไว้ในการประเมินด้วย การใช้โดรนถ่ายภาพทิวทัศน์ภูเขาไม่เหมือนกับการใช้โดรนลาดตระเวนชายแดน ระดับความทนทานที่ต้องการจึงแตกต่างกันอย่างชัดเจน
ทั้งหมดนี้ทำให้เกิดสถานการณ์ที่น่าสนใจอย่างหนึ่ง คือ ยิ่งเราทำให้โดรน "ฉลาด" มากขึ้นผ่านปัญญาประดิษฐ์ (AI) มากเท่าไหร่... สิ่งที่สำคัญกว่าคือการคิดแบบผู้โจมตีที่มีความคิดสร้างสรรค์ ผู้ที่พยายามหาทางลัดในโลกแห่งความเป็นจริงเพื่อหลอกลวงพวกเขา และนั่นคือจุดที่สิ่งของที่ดูเหมือนไร้เดียงสาอย่างร่มสีสันสดใสอาจกลายเป็นตัวเอกได้
กล่าวโดยสรุป สิ่งที่การศึกษาเหล่านี้แสดงให้เห็นก็คือ ความปลอดภัยของระบบอัตโนมัติไม่ได้เป็นเพียงเรื่องของไฟร์วอลล์และการเข้ารหัสเท่านั้นแต่ยังต้องเข้าใจด้วยว่าพวกมันรับรู้สภาพแวดล้อมอย่างไร อัลกอริทึมของพวกมันใช้ทางลัดอะไรบ้าง และรูปแบบกราฟิกง่ายๆ สามารถเปลี่ยนอากาศยานไร้คนขับขั้นสูงให้กลายเป็นสิ่งที่เปราะบางเหมือนแมลงวันที่ถูกล่อลวงเข้าสู่กับดักที่ออกแบบมาอย่างดีได้อย่างไร