خودمختار وسایل نقلیه را می توان فریب خورده به “دیدن” وجود ندارد موانع

هیچ چیز مهم تر است به یک خودمختار خودرو از سنجش از آنچه اتفاق می افتد در اطراف آن است. مانند انسان رانندگان وسایل نقلیه خودمختار نیاز به توانایی به لحظه تصمیم گیری است.

امروز اکثر خودروهای تکیه بر چندین سنسور برای درک جهان است. اکثر سیستم های با استفاده از ترکیبی از دوربین و رادار و سنسور LiDAR (نور تشخیص و اعم) سنسور. در هیئت مدیره کامپیوتر فیوز این اطلاعات برای ایجاد یک دیدگاه جامع از آنچه اتفاق می افتد در اطراف خودرو است. بدون این اطلاعات خودمختار وسایل نقلیه را بدون امید با خیال راحت مرور جهان است. اتومبیل است که استفاده از چندین سیستم سنسور هر دو کار بهتر و امن تر – هر سیستم می تواند به عنوان یک بررسی بر روی دیگران – اما هیچ سیستم ایمنی بدن را از حمله.

متاسفانه این سیستم ها نه ادم. دوربین مبتنی بر ادراک سیستم را می توان فریب به سادگی با قرار دادن برچسب بر روی علائم راهنمایی و رانندگی به طور کامل تغییر معنای خود را.

کار ما از RobustNet گروه تحقیقاتی در دانشگاه میشیگان با کامپیوتر دانشمند چی آلفرد چن از دانشگاه UC Irvine و همکارانش از SPQR آزمایشگاه نشان داده است که LiDAR مبتنی بر ادراک سیستم می تواند شامل بیش از حد.

استراتژیک کلاهبرداری از LiDAR سیگنال های سنسور حمله قادر است به احمق خودرو LiDAR مبتنی بر سیستم ادراک به “دیدن” یک مانع ندارد. اگر این اتفاق می افتد یک وسیله نقلیه می تواند باعث یک تصادف با مسدود کردن ترافیک یا ترمز ناگهانی.

کلاهبرداری LiDAR سیگنال

LiDAR مبتنی بر ادراک سیستم دو جزء: سنسور و یادگیری ماشین مدل است که فرآیندهای سنسور را داده است. یک سنسور LiDAR محاسبه فاصله بین خود و محیط اطراف آن توسط ساطع نور سیگنال و اندازه گیری چه مدت آن طول می کشد برای آن سیگنال به گزاف گویی کردن یک شی و بازگشت به سنسور. این مدت از این عقب و جلو نیز شناخته شده به عنوان “زمان پرواز است.”

یک LiDAR واحد می فرستد از ده ها هزار نفر از سیگنال های نور در هر ثانیه است. سپس آن یادگیری ماشین مدل با استفاده از بازگشت پالس به رنگ یک تصویر از جهان اطراف خودرو. آن است که شبیه به یک خفاش با استفاده از انعکاس صدا به دانستن که در آن موانع در شب.

مشکل این است که این پالس را می توان spoofed. به احمق سنسور یک مهاجم می تواند درخشش خود سیگنال نور در سنسور. که همه شما نیاز به سنسور مخلوط کنید.

اما آن را سخت تر به کلاه برداری از سنسور LiDAR به “دیدن” یک “وسیله نقلیه” است که وجود دارد نیست. برای موفقیت مهاجم نیاز به دقت و زمان سیگنال شات در قربانی LiDAR. این اتفاق در nanosecond سطح از سیگنال های سفر در سرعت نور. تفاوت های کوچک را به ایستادگی کردن در زمانی که LiDAR است محاسبه فاصله با استفاده از اندازه گیری زمان پرواز.

اگر یک مهاجم با موفقیت احمق ها این سنسور LiDAR آن پس از آن نیز به ترفند یادگیری ماشین مدل. کار انجام شده در OpenAI آزمایشگاه تحقیقات نشان می دهد که یادگیری ماشین مدل آسیب پذیر هستند به ویژه گردد سیگنال و یا ورودی – آنچه شناخته شده به عنوان خصمانه نمونه. برای مثال در خصوص ایجاد برچسب بر روی علائم راهنمایی و رانندگی می تواند احمق دوربین مبتنی بر ادراک.

ما در بر داشت که یک مهاجم می تواند با استفاده از یک تکنیک مشابه به سادگی آشفتگی که علیه LiDAR. آنها خواهد بود و نه قابل مشاهده دشنه اما spoofed سیگنال های ویژه ایجاد شده برای فریب دستگاه مدل یادگیری به فکر موانع وجود دارد در حال حاضر که در واقع هیچ کدام وجود دارد. این سنسور LiDAR را خوراک هکر جعلی سیگنال به یادگیری ماشین و مدل آن را به رسمیت شناخته و آنها را به عنوان یک مانع است.

خصمانه مثال – جعلی شی و می تواند گردد به برآورده کردن انتظارات یادگیری ماشین مدل. برای مثال مهاجم ممکن است ایجاد سیگنال از یک کامیون که در حال حرکت است. سپس برای انجام حمله آنها ممکن است آن را راه اندازی در یک تقاطع و یا محل آن را در یک وسیله نقلیه است که در محور جلو از یک خودمختار خودرو.

یک ویدیو تصویر از دو روش استفاده می شود برای فریب خود رانندگی ماشین AI.

دو ممکن است حملات

برای نشان دادن طراحی حمله ما تصمیم مستقل رانندگی سیستم استفاده شده توسط بسیاری از سازندگان اتومبیل: Baidu آپولو. این محصول دارای بیش از 100 شرکای رسیده است و تولید انبوه توافق با تولید کنندگان مختلف از جمله ولوو و فورد.

با استفاده از دنیای واقعی سنسور اطلاعات جمع آوری شده توسط Baidu آپولو تیم ما نشان داد دو حملات مختلف. در ابتدا یک “ترمز اضطراری حمله” ما نشان داد که چگونه یک مهاجم می تواند به طور ناگهانی متوقف کردن یک وسیله نقلیه در حال حرکت با فریب را به فکر یک مانع به نظر می رسد در راه خود را. در دوم “AV انجماد حمله” ما با استفاده از یک spoofed مانع احمق یک وسیله نقلیه که تا به حال متوقف شده در پشت چراغ قرمز باقی می ماند و متوقف شد بعد از این نور سبز رنگ می شود.

با بهره برداری از آسیب پذیری های از رانندگی خودمختار درک سیستم ما امیدواریم که به ماشه یک زنگ خطر برای تیم, ساختمان مستقل, فن آوری است. تحقیقات جدید انواع مشکلات امنیتی در رانندگی خودمختار سیستم تازه شروع شده است و ما امیدواریم که برای کشف بیشتر ممکن است مشکلات قبل از آنها می تواند مورد سوء استفاده در جاده ها توسط بازیگران بد.

شبیه سازی تظاهرات دو LiDAR کلاهبرداری حملات انجام شده توسط محققان.

[ شما باهوش و کنجکاو در مورد جهان است. بنابراین در حال گفتگو نویسندگان و ویراستاران. شما می توانید به عنوان خوانده شده ما روزانه با اشتراک در خبرنامه ما. ]

tinyurlis.gdv.gdv.htu.nuclck.ruulvis.netshrtco.detny.im