Co znajdziesz w tym artykule?
Wprowadzenie do problemu / definicja
Wykrywanie bezzałogowych statków powietrznych w środowisku miejskim staje się jednym z kluczowych wyzwań dla bezpieczeństwa fizycznego i cyberfizycznego. Tradycyjne systemy antydronowe opierają się zwykle na radarach, kamerach, LiDAR-ze oraz analizie emisji radiowych, jednak ich wdrożenie na szeroką skalę bywa kosztowne, złożone operacyjnie i podatne na zakłócenia wynikające z charakterystyki miejskiej zabudowy.
Nowy kierunek badań pokazuje, że infrastruktura 5G-Advanced może pełnić podwójną funkcję: nie tylko zapewniać łączność, lecz także wspierać wykrywanie i śledzenie obiektów latających. To istotna zmiana, ponieważ oznacza możliwość wykorzystania już istniejących stacji bazowych jako elementów systemu monitorowania przestrzeni powietrznej.
W skrócie
Badacze opracowali system BSense, który wykorzystuje komercyjną stację bazową 5G-A do wykrywania i śledzenia dronów w rzeczywistym środowisku miejskim. Rozwiązanie bazuje na danych punktowych generowanych przez stację wyposażoną w funkcję zintegrowanego komunikowania i obrazowania otoczenia.
Największym wyzwaniem okazał się bardzo wysoki poziom szumu. W pojedynczej ramce tylko jeden punkt mógł odpowiadać rzeczywistemu dronowi, podczas gdy pozostałe reprezentowały zakłócenia, odbicia lub fałszywe wskazania. Mimo tego system osiągnął wysoką skuteczność śledzenia, utrzymując niski poziom fałszywych alarmów oraz błąd lokalizacji liczony w kilku metrach.
- System działa na komercyjnej infrastrukturze 5G-Advanced.
- Śledzenie odbywa się w realnym środowisku miejskim, a nie wyłącznie w symulacji.
- Kluczowym problemem jest odseparowanie sygnału drona od ogromnej liczby zakłóceń.
- Rozwiązanie może uzupełniać istniejące systemy antydronowe.
Kontekst / historia
Wraz ze wzrostem popularności dronów rośnie zapotrzebowanie na ich skuteczną identyfikację w pobliżu lotnisk, infrastruktury krytycznej, zakładów przemysłowych, obiektów administracji publicznej oraz obszarów o wysokiej gęstości zaludnienia. Dotychczasowe podejścia wymagały najczęściej budowy dedykowanych systemów sensorowych, co zwiększało koszt pokrycia dużych obszarów i utrudniało skalowanie rozwiązań.
Równolegle rozwija się koncepcja ISAC, czyli Integrated Sensing and Communication, zakładająca połączenie funkcji komunikacyjnych i sensingowych w ramach jednej infrastruktury. W tym ujęciu sieć komórkowa przestaje być wyłącznie medium transmisyjnym, a zaczyna pełnić również rolę źródła danych środowiskowych.
Omawiane badanie wyróżnia się tym, że zostało przeprowadzone na działającej stacji bazowej w środowisku miejskim. Testy objęły 25 tras lotu, 54 przypadki badawcze oraz ponad 14 tysięcy ramek danych zebranych w ciągu siedmiu dni. To ważny krok od teorii do praktycznego zastosowania technologii 5G-A w obszarze ochrony przestrzeni powietrznej.
Analiza techniczna
BSense działa jako wielowarstwowy pipeline filtrujący, którego zadaniem jest odróżnienie rzeczywistego sygnału drona od szumu tła. Źródła zakłóceń są liczne i obejmują odbicia od budynków, drzew i pojazdów, wycieki Dopplera, wielodrogowość oraz fałszywe wskazania wywoływane przez charakterystykę antenową.
Pierwszy etap systemu koncentruje się na modelowaniu lokalnego szumu przestrzennego. Obszar detekcji jest dzielony na trójwymiarowe segmenty, dla których budowany jest model statystyczny typowych zakłóceń. Dzięki temu można usuwać punkty zgodne z lokalnym profilem szumu, zamiast polegać wyłącznie na prostym filtrowaniu progowym. To ważne, ponieważ parametry sygnału drona i zakłóceń mogą się częściowo pokrywać.
Drugi etap wykorzystuje spójność ruchu w czasie. Prawdziwy dron powinien poruszać się w sposób ciągły pomiędzy kolejnymi ramkami, a jego przemieszczenie powinno być zgodne z obserwowaną składową Dopplera. Fałszywe trajektorie, szczególnie te wynikające z odbić wielodrogowych, często nie spełniają tych warunków. System agreguje wyniki w czasie, ograniczając wpływ pojedynczych błędnych pomiarów.
Trzeci etap opiera się na lekkim modelu Transformer nazwanym TrajFormer. Zamiast klasyfikować pojedyncze punkty, analizuje on całe trajektorie, co pozwala lepiej wychwycić wzorce ruchu charakterystyczne dla drona i dodatkowo ograniczyć liczbę fałszywych alarmów.
W testach wykorzystano komercyjną stację 5G-A pracującą przy częstotliwości 4,9 GHz, z pasmem 100 MHz i 128 kanałami antenowymi. Stacja została umieszczona na wysokości 23 metrów i obejmowała obszar do około 1000 metrów. Dron wykonywał przeloty po różnych trajektoriach, w tym liniowych i bardziej złożonych, takich jak ósemki czy wzory gwiazdowe.
Konsekwencje / ryzyko
Z perspektywy bezpieczeństwa rozwiązania tego typu mogą zmienić sposób monitorowania niskiej przestrzeni powietrznej nad miastami. Największą zaletą jest możliwość wykorzystania istniejącej infrastruktury telekomunikacyjnej, co może obniżyć koszt wdrożenia i zwiększyć skalowalność systemów antydronowych.
Jednocześnie technologia ma ograniczenia. Skuteczność spada przy bardziej złożonych trasach lotu oraz w warunkach silnego zasłonięcia sygnału przez zabudowę. Wraz ze wzrostem odległości rośnie również błąd lokalizacji. Co istotne, badanie nie obejmowało scenariuszy z aktywnym przeciwnikiem próbującym unikać detekcji.
To oznacza, że przyszłe analizy powinny objąć również zachowania adversarialne, takie jak loty przy przeszkodach, wykorzystywanie miejskiej geometrii do maskowania trajektorii czy działania ukierunkowane na osłabienie modeli filtrujących. W praktyce skuteczność operacyjna będzie zależeć nie tylko od jakości algorytmów, ale także od odporności na celowe obchodzenie zabezpieczeń.
Nie można też pominąć kwestii regulacyjnych i prywatnościowych. Jeżeli stacje bazowe zyskują zdolność wykrywania obiektów w otoczeniu, granica między infrastrukturą komunikacyjną a monitoringową zaczyna się zacierać. Rodzi to pytania o retencję danych, kontrolę dostępu oraz dopuszczalny zakres wykorzystania takich informacji.
Rekomendacje
Podmioty odpowiedzialne za ochronę infrastruktury krytycznej i bezpieczeństwo miejskie powinny już teraz śledzić rozwój technologii ISAC oraz analizować, czy dane ze stacji 5G-A mogą zostać w przyszłości zintegrowane z istniejącymi systemami bezpieczeństwa.
- Traktować detekcję opartą na 5G-A jako warstwę uzupełniającą, a nie jedyne źródło wykrywania dronów.
- Łączyć dane z 5G z radarem, optyką, analizą RF oraz systemami zarządzania incydentami.
- Kalibrować modele szumu i odbić pod konkretne środowisko miejskie.
- Regularnie walidować skuteczność po zmianach infrastrukturalnych i urbanistycznych.
- Przygotować procedury korelacji alarmów z nagraniami wideo, telemetryką i danymi operacyjnymi.
- Przeprowadzać testy odporności na próby omijania detekcji, w tym scenariusze wieloobiektowe.
Z punktu widzenia zespołów SOC i działów bezpieczeństwa fizycznego kluczowe będzie także zbudowanie procesów szybkiego potwierdzania alarmów. Samo wykrycie trajektorii nie kończy jeszcze procesu reagowania. Potrzebna jest klasyfikacja zagrożenia, ocena kontekstu i wybór właściwej reakcji operacyjnej.
Podsumowanie
Badanie dotyczące BSense pokazuje, że stacje bazowe 5G-Advanced mogą stać się ważnym elementem nowoczesnych systemów wykrywania dronów. Połączenie łączności i funkcji sensingowych w jednej infrastrukturze otwiera drogę do bardziej skalowalnych i potencjalnie tańszych metod monitorowania przestrzeni miejskiej.
Choć technologia nadal ma ograniczenia, zwłaszcza w trudnym środowisku miejskim i w scenariuszach z aktywnym przeciwnikiem, wyniki testów wskazują na realny potencjał operacyjny. Dla sektora cyberbezpieczeństwa i ochrony infrastruktury krytycznej to sygnał, że sieci 5G-A mogą w przyszłości stać się nie tylko kanałem komunikacji, ale również źródłem danych wspierających detekcję zagrożeń w domenie cyberfizycznej.
Źródła
- Tracking drones with the 5G tower down the street — https://www.helpnetsecurity.com/2026/04/02/5g-drone-detection-system-research/
- Needle in a Haystack: Tracking UAVs from Massive Noise in Real-World 5G-A Base Station Data — https://arxiv.org/abs/2603.29187