对于敌我识别的问题，无人机的使用方和无人机的反制方都很受煎熬。使用方要让无人机实现精准的目标属性识别，就要拥有超强的计算机视觉识别技术，并辅以基于目标的海量数据标注；反制方也要面对十分复杂的反无人机系统，不光要及时发现，还要精确识别属性，而传统的敌我识别系统主要针对有人驾驶飞机设计，无法有效应对现代形形色色的无人机威胁。俄罗斯媒体发文称，过去无人机比较少的时候区分敌友的问题并不突出，但现在无人机越来越多，这个问题日显棘手。
敌友难辨，误击频仍
在此轮巴以冲突中，大约40%的无人机是被友军打掉的。但这并不奇怪，以色列国防军的士兵在加沙地带作战时，他们一发现无人机就要将其击毁，因为他们没有时间来搞清楚无人机的国籍：从发现小型无人机到无人机发动攻击，只有几秒钟的时间。今年2月26日，在红海执行战斗护航任务的德国F-124“萨克森”级护卫舰“黑森”号，向一架未能确认身份、被判别为“侦察无人机”的目标发射了两枚“标准-2”（SM-2）防空导弹。事后证明，被瞄准的无人机是一架正在附近针对胡塞武装目标执行打击任务的美国MQ-9“死神”无人机。但德国国防部发言人强调，“黑森”号在开火之前已经执行了完整的敌我识别流程，包括无线电应答，并询问了盟国在该空域是否有无人机在执行任务。
在乌克兰战场也是如此：对于所有的飞行物，交战双方的士兵都会选择将其击落。冲突初期无人机不太多的时候，士兵之间只需喊两声，口头提醒战友注意。而现在这样就不行了，否则不知道炸弹会落在谁头上。如果美国人开始用无人机为部队提供补给，那就成了“量价齐升”的问题。
最难防的还是头顶
目前，用于发现无人机的主要手段是无线电扫描器。它能接收和识别无人机操作员与无人机之间的通信链路信号。但这只能提供一个简单的事实：扫描器作用范围内可能有无人机活动。注意这里的关键词——“可能”，也就是说扫描器周围也可能没有无人机，只是收到了疑似无人机上/下行链路的信号而已。用技术术语说就是：扫描器会产生大量的虚警，跟踪到众多“假目标”，包括己方无人机通信链路的信号。
目前，扫描器没有能力按“敌我”标准来识别无人机。有传言说，乌克兰士兵使用的扫描器能够识别敌方的一些无人机，还特别提到了俄罗斯的“海雕-10”小型无人机。假如这是真的，只需改变一下“人－机”通信信号的频率就能顷刻让扫描器“歇菜”。而使用数字式收发机，还可以组织跳频通信，将“人－机”通信信号完全伪噪声化。
不仅仅是单兵用的扫描器不具备无人机属性识别能力，就连美国海军陆战队定制的反无人机防空系统（MADIS和L-MADIS）也没有这种能力，尽管它们结构复杂、探测手段多样（低电平TV＋双波段红外传感器＋无线电扫描器）。
SWAP成瓶颈
那么问题来了：为什么不给无人机以及反无人机系统配备国籍识别设备呢？需求不是问题，问题在于设备的尺寸、重量和功耗（SWAP）。如，“俄罗斯电子”控股公司下属的“脉冲星”（НПП“Пульсар”）科学生产企业研制了一款微型询问机，重量只有150克，功耗非常小。但应答机呢？俄罗斯国产的“口令”6201/6202型机载应答机重50/64千克，功耗分别为435/665瓦。俄军现役的“前哨”（Форпост）无人机体量不算小，可携带有效载荷达63千克，显然，“口令”应答机也是装不上去的，更小的无人机就别提了。
美国的AN/APX-101（V）型IFF应答机要轻便得多：重量14千克（不含线缆和天线）。但美国大多数无人机也无法接受它的重量。
美国uAvionix公司的新研制的小型国籍识别应答机也只适合安装在较大的无人机上。2021年3月，美国uAvionix公司开发的RT-2087/ZPX-B“敌我”识别无人机应答机获得了美国国防部AIMS Mk XIIB认证。该型无人机应答机是目前全球最小的经认证的微型敌我识别应答机。与典型的敌我识别应答机相比，其尺寸、重量和功率特性都有大幅降低，其中重量只有典型敌我识别应答机的三分之一，功耗仅为其他专门为无人机设计的敌我识别应答机的四分之一。该产品主要为战术无人机作战分队提供敌我识别能力，以54dBm传输，提供民用应答机模式A、C、S和ADS-B Out，以及军用模式1、2、3和5级别1和2，ADS-B In功能为主机提供态势感知和探测与规避能力，所有模式都可以实现单独配置。其敌我识别能力可与北约及其盟国部署的军事装备互操作。
如果在不远的将来能够解决国籍识别应答机的SWAP，剩下的就只有信息保护的问题。相比大飞机，无人机的战损率是非常高的。试想，如果无人机上配备了应答机，一旦无人机落入敌人手中，敌方会很快拿到应答机的加密盒，进而破解应答机的信号算法。因此，对于在无人机上安装国籍识别应答机，谁也不敢贸然迈出这一步。看来，目前无人机只能接受“被动式”敌我识别方式。这方面的研究已经开始且日趋活跃，重点是运用人工智能解决问题。
问路万能的AI
随着人工智能的迅猛发展，传统的敌我识别在无人机领域遇到的问题有可能依托人工智能技术得到解决。目前这方面的尝试正在实质性推进。
先说无人机的使用。目前对于大多数无人机而言，其最主要的设备就是机头下部的光电球，目前已发展到第3代，具有白光/被动红外成像（热成像）、激光测距等功能，而且开始引入AI识别技术，以解决战场目标识别的关键问题。为此，向无人机的机载数据库中存放了大量武器装备和目标人员的景象和特征（包括体态和面部）资料，无人机一旦观察到相关目标就会与数据库进行比对，吻合即攻击。必要时，无人机可将其捕获的景象通过数据链传给后方进行更加精确的比对和确认。第一代AI识别技术由于受计算机处理速度和算法的制约，识别数量较少，且无法识别男女或者车辆型号，很容易出现误杀事件。第二代AI识别依靠芯片处理速度和算法的升级，识别目标的能力有较大提升，能自动辨认男女和车型，甚至能够在复杂环境中找出目标。目前的第三代AI已经有了“自定义功能”，即有了一定的自我学习（判断）能力。如，对于同车型的两台车，它可以根据车牌查到车主是谁，用到军事上就是可以在成百上千人中找到你要找的目标，然后发动攻击。俄乌冲突初期俄军多名中高级军官就是被乌军的无人机面部识别确认后遭到打击的。
再说无人机的反制。人工智能技术目前已经应用到美国陆军的反无人机系统中。陆军和雷神公司正在加速开发和部署一种反无人机系统以应对近战小型无人机的威胁。该系统使用一种被称为KuRFS的Ku波段、360度机动式地面雷达，并使用了被称为效应器的反制措施。KuRFS可为地面指挥官提供威胁信息，指挥官根据这些信息可选择使用激光、电子战、高能微波武器或Coyote Block 2动能拦截导弹来攻击无人机。KuRFS在开发时被美国防部以紧急作战需求的方式提出，其目标是反敌方无人机、火箭弹、迫击炮和包括低空飞行直升机在内的其他空中威胁。该系统能够自动探测多架无人机的入侵、识别其类型和潜在载荷并在监控区域内持续跟踪威胁的移动轨迹，其作战运用涵盖预警功能在内的全杀伤链。该系统的Coyote Block 2应用人工智能和机器学习算法进行了升级，能够与指挥控制系统结合，可将时敏威胁数据提供给决策者。目前，雷神公司正在继续开发数据融合算法，并利用人工智能技术分析多传感器系统收集的数据，对关键的作战决策支持数据进行最优化处理。
近年美国防部多次增购的“泰坦”（Titan）反无人机系统，由人工智能和机器学习技术驱动，并采用射频技术，可使操作人员在五分钟内了解周围环境，在战场上提供保护。媒体曾报道美国在2022年向乌克兰转让过12套“泰坦”反无人机系统。这种系统可在部队进驻前部署，提供机动和固定要地安保，还可徒步携带作战。
目前，美国在研的无人机探测与识别技术能捕捉到无人机的品牌、型号、序列号、当前位置和操作员位置等信息，并能远距离跟踪多个目标。但对于惯性飞行的无人机，可能还需要利用脉冲雷达等来解决。
上述人工智能技术在无人机领域的应用还不普遍。现阶段，对于多数无人机的识别，主要还是通过将截获的无人机信号与扫描器内存储的信号特征库进行比对来实现。但这样的特征库经常跟不上无人机开发者向无人机通信链路输入的变量。也正因如此，美国防部希望开发一些能使操作员实时更新无人机特征库的野战系统。目前这方面的工作，主要是对光电和雷达系统获取的无人机的影像进行识别。在乌克兰战场上似乎已经初见端倪。根据未经验证的消息，乌克兰军队正在使用的无人机扫描器能够利用人工智能识别新出现的无人机类型。但这种能力只能持续到无人机通信系统开发者采取反制措施之前。
毋庸置疑，人工智能技术在敌我识别系统中的应用是大势所趋。利用深度学习和神经网络等技术，人工智能可以对大量样本进行训练，并不断改进模型精度。人工智能应用可以提高敌我识别系统的自动化程度、准确性和响应速度。在技术的推动下，无人机的攻与防将交替消长，相互克制手段也将不断翻新。