IA detecta ataques a sensores de drones com 99,71% de precisão

Uma nova estrutura de aprendizado de máquina, batizada de GTF-MAD (Graph Time-Frequency Mixed Anomaly Detection), promete elevar a segurança de drones ao identificar com alta precisão ataques a seus sensores. O sistema foi desenvolvido para detectar tanto interferências súbitas quanto aquelas que se desenvolvem lentamente, como ataques de viés (bias).

Em testes realizados em um drone quadricóptero, a metodologia alcançou uma pontuação F1 de 99,71% na detecção dessas anomalias. A pesquisa foi publicada no International Journal of Automation and Control.

O GTF-MAD utiliza uma abordagem combinada de tempo e frequência, juntamente com análise de grafos, para monitorar o comportamento dos sensores. Essa combinação permite uma análise mais robusta e a identificação de padrões sutis que poderiam passar despercebidos por métodos convencionais.

A capacidade de detectar ataques de viés é crucial, pois eles podem alterar gradualmente os dados fornecidos pelos sensores, levando a decisões errôneas de navegação ou operação do drone sem que o operador perceba imediatamente.

O desenvolvimento deste framework representa um avanço na cibersegurança de veículos aéreos não tripulados, que têm aplicações cada vez mais diversas, desde entregas e monitoramento até inspeções de infraestrutura e segurança.

A alta precisão alcançada pelo GTF-MAD sugere um futuro com drones mais seguros e confiáveis, capazes de operar mesmo em ambientes com potenciais ameaças cibernéticas.