Ну и вот.
Пока что первый раунд свёлся к тому, что госструктуры используют аппаратуру радиоэлектронного подавления, особенно упирая на локальное подавление навигационных систем. Качество такой стратегии ограниченно - так как параллельно идёт массовый перевод транспорта на работу через те же самые глобальные системы навигации. Поэтому использовать их подавление удастся только локально. И чем дальше, тем меньше. Ну проще говоря, если через несколько лет начнут внедрятся системы автоведения транспорта, то вырубить GPS/ГЛОНАСС вокруг стадиона на футбольном матче уже не выйдет. Болельщики до места не доедут из-за пробок.
А что мог бы противопоставить такой стратегии гипотетический злоумышленник?
- Научить аппаратуру беспилотника фильтровать помехи. Это сложно, требует специальных и достаточно нетривиальных знаний и, на длинной дистанции, в достаточной степени бесперспективно, т.к. энергетическая вооружённость наземной аппаратуры всегда будет на порядки выше. К тому же мы понимаем, что промышленность не будет стремиться выпускать гражданские БПЛА с такими качествами.
- Хотя бы отвязать аппаратуру управления от спутниковой навигации.
И вот тут у нас возникает наш любимый ML, распознавание местности по видеопотоку с камер, установленных на беспилотнике, и привязке к заранее сделанным к результатам спутниковой и аэрофотосъёмки, доступным черег google maps и прочее подобное.
Задача тяжёлая, но весёлая, хороший вызов молодым специалистам по Machine Leaning, которые не будут даже задумываться о дальнейшем применении технологии. Полагаю, что лет за 5 ближайших, соответствующие библиотеки лягут в OpenSource и дальше уже пойдёт жара.