无人机编队里混进了「假队友」怎么办

多架无人机一起探一栋楼，效率靠的是彼此信任：你报告你去哪个方向，我把建好的地图发你。可一旦其中一个身份是假的，整支队伍就会朝着错误的方向「高效」工作。

一、发生了什么

10 月 24 日提交的一篇 arXiv 论文（编号 2610.33906）系统研究了这种被称为 Sybil 攻击的场景：一台被劫持的无人机伪造多个假身份，假队友认领待探索区域、发送编造的扫描数据，结果真机留下大片区域没探，地图上还多了几堵不存在的墙。

论文构造了五种攻击者，其中最狠的一种会「封楼」——把楼层之间的通道堵死，让上面几层永远探不到。对应的防线有五层，全部只依赖无人机自带的传感器和地图，不需要任何安全基础设施：核对收到的地图数据与自己看到的是否一致；确认声称在场的身份处真有实体；只信任被亲眼见过实体的身份；把没有任何无人机观测到实体的身份隔离出去；规定一个实体只能绑定一个身份。

仿真覆盖 7 种环境共 70 张地图，从办公楼、隧道到三层小楼和洞穴。无防御时，一台被劫持的机器平均能留下最多 25% 的区域未探（办公楼场景高达 45%），封楼攻击能把三层建筑的可探面积压到 82.3%，最差地图上只有 34.6%。隔离策略在所有场景里都把勘测水平拉回未受攻击的基线；两个例外场景——多个攻击者合谋、假身份紧贴真机部署——靠实体绑定规则补上。2350 多次任务里，诚实无人机被误撤销只有两次。

二、跟你有什么关系

做多机器人系统的：协同的效率红利建立在通信可信上，你的系统哪怕只跑在封闭园区，也值得评估「一个节点被冒充」的下界损失，论文里 25% 未探、假墙入库就是量化参考。

做测绘与应急救援的：灾害场景下无人机编队可能遇到敌方干扰或设备被劫，地图里出现不存在结构会误导后续决策，验收时要有交叉核对环节。

做安全研究的：这篇提供了难得的完整攻防对照——五种攻击对五层防御，还给出了每种组合的残余风险，是很好的评测框架参考。

三、怎么判断

1. 先算你系统的信任半径。你的机器人无条件相信收到的每条消息吗？如果是，单点被劫的损失上限值得先测一遍。
2. 防御分层选，不必全上。隔离是性价比最高的一层，论文显示它单独就能在几乎所有场景恢复基线；合谋攻击和贴身假身份才需要实体绑定，按威胁模型加层。
3. 盯误伤率。防线太严会撤掉诚实队友，2350 次任务仅 2 次误撤是个可参考的水平——你的容忍度可能更低。

四、三个别信的说法

「仿真结果约等于能用了。」 70 张地图、2350 次任务的仿真规模不小，但摘要未报告真机实验。通信延迟、传感器噪声在真实环境里都会打折扣。

「加了防御就百毒不侵。」 论文自己列了残余场景：合谋攻击、假身份紧贴真机，部分洞穴地图仍未完全恢复。防御是概率改善，不是绝对安全。

「这只是一 indoors 学术问题。」 任何靠身份共享状态的分布式系统——无人机队、机器人集群、传感器网络——都面临同类攻击，抽象出来的防御原则是可以平移的。

五、一句话结论

多机协同省下的时间，要先付一道「验证队友是真人」的保险费。

信息来源

• arXiv：抗 Sybil 攻击的多无人机室内外受限空间探索论文页（2026-10-24）

功能与价格以官方公告为准。本文写于 2026 年 10 月 27 日。