Καθηγητές του Πανεπιστημίου της Νότιας Αυστραλίας και του Πανεπιστημίου Charles Sturt ανέπτυξαν έναν αλγόριθμο AI για την ανίχνευση και αντιμετώπιση επιθέσεων man-in-the-middle (MitM) σε αυτόνομα στρατιωτικά ρομπότ.
Δείτε επίσης: Πώς η τεχνητή νοημοσύνη (AI) επηρεάζει την αναζήτηση εργασίας;
Οι επιθέσεις MitM είναι ένας τύπος κυβερνοεπίθεσης, όπου η κίνηση δεδομένων μεταξύ δύο μερών, σε αυτήν την περίπτωση το ρομπότ και οι νόμιμοι ελεγκτές του, παρακολουθείται είτε για κατασκοπεία είτε για να εισαχθούν πλαστά δεδομένα στη ροή. Τέτοιες κακόβουλες επιθέσεις αποσκοπούν στο να διακόψουν τη λειτουργία των αυτόνομων οχημάτων, να τροποποιήσουν τις μεταδιδόμενες οδηγίες και σε ορισμένες περιπτώσεις, ακόμη και να αναλάβουν τον έλεγχο, διδάσκοντας στα ρομπότ να προβούν σε επικίνδυνες ενέργειες.
“Το λειτουργικό σύστημα ρομπότ (ROS) είναι εξαιρετικά ευάλωτο σε παραβιάσεις δεδομένων και ηλεκτρονικές απαγωγές επειδή είναι τόσο υψηλά δικτυωμένο“, σχολίασε ο καθηγητής Anthony Finn, που συμμετείχε στη μελέτη.
“Η έλευση της Βιομηχανίας 4, που επισημαίνεται από την εξέλιξη της ρομποτικής, της αυτοματοποίησης και του Internet of Things, έχει απαιτήσει από τα ρομπότ να εργάζονται συνεργατικά, με τους αισθητήρες, τους ενεργοποιητές και τους ελεγκτές να χρειάζεται να επικοινωνούν και να ανταλλάσσουν πληροφορίες μεταξύ τους μέσω υπηρεσιών στον cloud.“
“Το αρνητικό με αυτό είναι ότι τους καθιστά υψηλά ευάλωτους σε κυβερνοεπιθέσεις.“
Οι ερευνητές του πανεπιστημίου ανέπτυξαν έναν αλγόριθμο που αξιοποιεί τεχνικές μηχανικής εκμάθησης για να ανιχνεύει και να αντιμετωπίζει αυτές τις προσπάθειες με άκρα ταχύτητα. Η αποτελεσματικότητα του αλγορίθμου επιβεβαιώθηκε μέσω αυστηρών δοκιμών των Ηνωμένων Πολιτειών. Το GVR-BOT του στρατού (TARDEC) έχει εντυπωσιακή επιτυχία, με ποσοστό 99% στην αποτροπή επιθέσεων και ψευδών θετικών αποτελεσμάτων με λιγότερο από 2% σε δοκιμασμένα σενάρια.
Δείτε ακόμα: Google: Δημιουργία AI εικόνων απευθείας στη γραμμή Αναζήτησης
Η ανίχνευση επιθέσεων MitM σε οχήματα και ρομπότ χωρίς πλήρως πλήρωμα είναι μια πολύπλοκη διαδικασία, καθώς αυτά τα συστήματα λειτουργούν με τρόπους που αντέχουν σε σφάλματα. Έτσι, η διάκριση μεταξύ φυσιολογικής λειτουργίας και συνθηκών σφάλματος μπορεί να είναι ασαφής. Επιπλέον, τα ρομποτικά συστήματα μπορούν να δέχονται παραβιάσεις σε διάφορα επίπεδα, από τον πυρήνα του συστήματος μέχρι τα υποσυστήματά του και τα υποσυστατικά τους μέρη, προκαλώντας προβλήματα λειτουργίας που μπορεί να ανατρέψουν τη λειτουργία του ρομπότ.
Οι ερευνητές του πανεπιστημίου ανέπτυξαν ένα σύστημα που αναλύει τα δεδομένα κίνησης του ρομπότ για να ανιχνεύσει προσπάθειες παραβίασης. Αυτό το σύστημα χρησιμοποιεί μεθόδους που βασίζονται σε κόμβους, εξετάζει τα δεδομένα πακέτων και χρησιμοποιεί ένα σύστημα βασισμένο σε στατιστικές ροής που διαβάζει μεταδεδομένα από την κεφαλίδα του πακέτου.
“Επίσης, ενδιαφερόμαστε να διερευνήσουμε την αποτελεσματικότητα του συστήματος ανίχνευσης είσβολης σε διάφορες ρομποτικές πλατφόρμες, όπως αυτές των αυτόνομων αεροσκαφών, οι δυναμικές των οποίων είναι σχετικά ταχύτερες και πιο πολύπλοκες σε σύγκριση με ένα έδαφος ρομπότ“, καταλήγει η έρευνα που δημοσιεύτηκε στην ιστοσελίδα του IEEE.
Ποια είναι τα κύρια πλεονεκτήματα της χρήσης αλγορίθμων Τεχνητής Νοημοσύνης για την ανίχνευση των επιθέσεων MitM;
Οι επιθέσεις MitM παραμένουν μια σημαντική απειλή για την ασφάλεια των αυτόνομων στρατιωτικών οχημάτων. Η εφαρμογή αλγορίθμων Τεχνητής Νοημοσύνης για την ανίχνευση αυτών των επιθέσεων προσφέρει μια σειρά από κύρια πλεονεκτήματα.
Δείτε επίσης: Microsoft: Νέο πρόγραμμα bug bounty για το AI-powered Bing
Ευελιξία και Προσαρμοστικότητα
Πρώτον, οι αλγόριθμοι Τεχνητής Νοημοσύνης μπορούν να προσαρμοστούν και να μάθουν από νέα δεδομένα, επιτρέποντας την ανάπτυξη μιας συνεχώς εξελισσόμενης κατανόησης των απειλών. Αυτό τους επιτρέπει να αντιδράσουν σε μεταβαλλόμενες τακτικές επίθεσης και νέες μορφές απειλών.
Αυτοματοποίηση και Ταχύτητα
Δεύτερον, η αυτοματοποίηση που προσφέρουν οι αλγόριθμοι Τεχνητής Νοημοσύνης δίνει τη δυνατότητα για γρήγορη ανίχνευση και απάντηση σε τυχόν απειλές. Η ταχεία ανταπόκριση μπορεί να αποτρέψει περαιτέρω ζημιές και να αποκαταστήσει γρήγορα την ασφάλεια του συστήματος.
Εξειδίκευση
Τρίτον, οι αλγόριθμοι Τεχνητής Νοημοσύνης μπορούν να εξειδικευθούν για συγκεκριμένες εφαρμογές, όπως τα αυτόνομα στρατιωτικά οχήματα. Αυτό δημιουργεί ένα περιβάλλον όπου έχουν ληφθεί υπόψη οι ειδικές απαιτήσεις και κινδύνοι αυτών των συστημάτων.
Πηγή: bleepingcomputer
