Článek
Moderní drony dnes zvládnou sledovat člověka téměř bez zásahu pilota. Funkce jako ActiveTrack u DJI nebo ShadowTrack u HoverAir využívají kameru a algoritmy počítačového vidění, které průběžně vyhodnocují polohu sledované osoby. Právě na tuto technologii se zaměřil devítičlenný tým z University of California v Irvine, který na bezpečnostní konferenci NDSS 2026 představil studii FlyTrap. Ta ukazuje, že autonomní sledování lze narušit překvapivě jednoduchým způsobem. Stačí speciální grafický motiv vytištěný na deštníku.
Algoritmus vidí pohyb, který neexistuje
Autonomní tracking funguje na jednoduché myšlence. Dron neustále sleduje velikost člověka v záběru kamery. Jakmile algoritmus vyhodnotí, že se postava zmenšuje, usoudí, že se vzdaluje, a automaticky letí blíž.
Výzkumníci vytvořili pomocí umělé inteligence speciální vzor, který tuto logiku záměrně mate. Kamera začne sledovanou osobu vyhodnocovat jako vzdálenější, přestože se ve skutečnosti nepohnula ani o krok. Výsledkem je, že dron sám zkrátí odstup a přiblíží se mnohem více, než výrobce zamýšlel.
Na rozdíl od běžných kybernetických útoků není potřeba prolomit zabezpečení zařízení ani zachytávat bezdrátovou komunikaci. Celý útok probíhá čistě přes obraz, který kamera zaznamenává. Právě proto označují autoři tento problém za mnohem zásadnější, než by se mohlo na první pohled zdát.
Výsledky se lišily podle konkrétního modelu
Vědci testovali tři komerčně dostupné drony. U modelu DJI Mini 4 Pro se podařilo stroj přilákat natolik, že jej bylo možné fyzicky zachytit sítí. Menší DJI Neo dopadl výrazně hůře. Přibližně v šesti z deseti pokusů skončilo automatické přiblížení nárazem a pádem. Nejvyšší úspěšnost útoku zaznamenal HoverAir X1, kde kolize nastala v osmi z deseti testů.
Experimenty přitom probíhaly bez přístupu ke zdrojovým kódům nebo interním algoritmům výrobců. Autoři tak dokazovali, že podobnou slabinu lze využít i zcela zvenčí, pouze na základě chování hotového produktu.
Podle studie problém nespočívá v jediné programové chybě, kterou by bylo možné odstranit běžnou aktualizací firmwaru. Celá architektura autonomního sledování totiž vychází z předpokladu, že obraz z kamery odpovídá skutečnosti. Pokud je tento vstup zmanipulován, navazující algoritmy přijímají chybná rozhodnutí.
Výzkumný tým vedený Shaoyuanem Xiem a profesorem Qi Alfredem Chenem navíc vyzkoušel i dvě existující obrany proti podobným vizuálním útokům. Ani jedna však FlyTrap spolehlivě nezastavila. Podle autorů bude do budoucna pravděpodobně nutné kombinovat kamerové sledování s dalšími senzory, například laserovým měřením vzdálenosti nebo stereokamerami.
Studie upozorňuje, že obdobné principy autonomního sledování se nepoužívají pouze u spotřebitelských dronů. Najdeme je také u některých průmyslových inspekčních systémů, bezpečnostních bezpilotních prostředků nebo technologií určených pro dohled. Právě proto považují výzkumníci své zjištění za důležité i mimo oblast rekreačního létání.