Ilmuwan California Seketika Menjebak Drone DJI, Payung Bermotif Ini Bisa Menariknya Jatuh

Peneliti University of California, Irvine mengembangkan metode baru untuk menipu drone otonom dengan cara yang tidak biasa. Teknik ini disebut FlyTrap attack, dan demo lapangannya menunjukkan bagaimana pola visual pada payung bisa memancing drone DJI mendekat, lalu membuatnya lebih mudah ditangkap atau bahkan dijatuhkan.

Pusat masalahnya ada pada fitur Autonomous Target Tracking atau ATT, yang juga dikenal sebagai Active Track, Motion Track, dan Dynamic Track. Sistem ini memang dibuat agar drone bisa mengikuti subjek secara otomatis, tetapi tim UC Irvine menemukan bahwa pola tertentu dapat membuat drone salah menafsirkan jarak dan arah gerak target.

Bagaimana FlyTrap bekerja

FlyTrap memanfaatkan pola visual yang dirancang secara khusus untuk memanipulasi sistem penglihatan mesin pada drone. Saat drone terkunci pada seseorang di lapangan, subjek membuka payung dengan pola adversarial yang telah dicetak sebelumnya, lalu drone membaca pola itu sebagai sinyal bahwa target bergerak menjauh.

Akibatnya, drone justru terdorong untuk mendekat agar tetap “mengikuti” objek yang dianggap menjauh. Saat drone semakin dekat, kotak pelacakan atau bounding box pada sistem AI terus menyusut, sehingga perangkat semakin terdorong maju ke arah pola tersebut.

Dalam demonstrasi yang dibagikan peneliti, serangan ini disebut sebagai next-gen physical distance pulling atau PDP attack. Metode itu bekerja pada beberapa sudut pandang, tetap efektif saat bergerak, dan diuji pada drone komersial di dunia nyata.

Drone yang berhasil dipengaruhi

Menurut laporan penelitian, tiga perangkat yang diuji berhasil terdampak oleh pola FlyTrap. Tabel berikut merangkum model yang disebut dalam demonstrasi tersebut.

Uji itu penting karena menunjukkan bahwa masalah ini tidak hanya teori laboratorium. Serangan dapat dilakukan dengan alat sederhana, namun efeknya menyasar sistem AI yang digunakan pada drone konsumen modern.

Mengapa payung jadi alat serangan

Payung dipilih karena praktis, mudah dibawa, dan bisa dibuka cepat di ruang terbuka. Pola adversarial yang dicetak di permukaan payung membuat serangan ini terlihat sederhana, tetapi justru itulah yang menarik perhatian peneliti.

Pendekatan ini juga memberi keuntungan taktis. Saat drone mendekat, operator dapat menangkapnya dengan jaring atau memaksanya jatuh ke tanah. Dengan kata lain, payung bukan sekadar penutup hujan, tetapi juga media untuk menciptakan ilusi visual yang mengelabui sensor drone.

Lebih efektif dari teknik lama

Penelitian UC Irvine menyebut FlyTrap lebih efektif dibanding pendekatan adversarial machine learning sebelumnya, termasuk PDP generasi lama dan Targeted Gradient Transfer atau TGT. Peningkatan ini menunjukkan bahwa serangan fisik terhadap sistem AI terus berkembang seiring makin canggihnya drone otonom.

Alfred Chen, salah satu penulis riset dan asisten profesor ilmu komputer UC Irvine, menegaskan bahwa pelacakan target otonom memiliki “potensi luar biasa sekaligus risiko besar.” Ia menyoroti bahwa teknologi ini dipakai untuk patroli perbatasan dan keselamatan publik, tetapi juga bisa disalahgunakan oleh pihak berbahaya.

Shaoyuan Xie, peneliti pascasarjana yang menjadi penulis utama, menambahkan bahwa temuan tersebut menunjukkan kebutuhan mendesak untuk memperkuat keamanan sistem pelacakan target sebelum digunakan lebih luas di infrastruktur penting. Pernyataan ini sejalan dengan kekhawatiran industri bahwa AI pada perangkat bergerak masih rentan terhadap manipulasi visual.

Dampak bagi keamanan drone

Temuan ini memperlihatkan bahwa drone otonom tidak hanya bisa terganggu oleh interferensi sinyal, tetapi juga oleh serangan berbasis persepsi visual. Jika pola sederhana di lingkungan nyata sudah cukup untuk menipu sistem pelacakan, maka pengamanan perangkat perlu meliputi sisi perangkat keras, perangkat lunak, dan validasi keputusan AI.

Berikut poin penting yang dapat dibaca dari riset ini:

1. Serangan memakai pola visual yang dicetak pada payung.
2. Target tracking pada drone bisa salah membaca jarak subjek.
3. Drone terdorong mendekat, sehingga lebih mudah ditangkap.
4. Beberapa model drone konsumen terbukti terdampak dalam uji lapangan.
5. Peneliti telah memberi tahu DJI dan HoverAir soal kerentanan tersebut.

Temuan FlyTrap menegaskan bahwa keamanan drone otonom harus disiapkan sejak awal, terutama saat perangkat seperti DJI Mini 4 Pro, DJI Neo, dan HoverAir X1 makin sering dipakai di ruang publik. Dengan semakin luasnya penggunaan drone untuk pemantauan dan keselamatan, riset seperti ini menjadi pengingat bahwa kecerdasan buatan pada perangkat terbang masih bisa ditipu oleh benda yang tampak sesederhana payung berpola.