Sind fahrerlose Autos wirklich genau? Forscher der Duke University sagen, dass sie getäuscht werden können

Fahrerlose Autos Versprechen Komfort und Sicherheit bei Fahrern und Passagieren, aber das könnte sich mit der Enthüllung von Forschern ändern Duke University. Dem Team zufolge gibt es eine Angriffsstrategie, mit der Kriminelle die autonomen Fahrzeugsensoren (Kombination von 2D-Daten aus Kameras und 3D-Daten von LiDAR), um Objekte in der Nähe näher oder weiter entfernt wahrzunehmen, als sie erscheinen. Dies kann Probleme und erhebliche Schäden bedeuten, insbesondere wenn es in militärischen Situationen verwendet wird, in denen ein einzelnes Fahrzeug zu einem wertvollen Ziel wird. Darüber hinaus unterstrichen die Forscher, dass Hacker einen Weg finden können, verschiedene Fahrzeuge gleichzeitig anzugreifen. 

„Unser Ziel ist es, die Grenzen bestehender Systeme zu verstehen, damit wir uns gegen Angriffe schützen können“, sagte Miroslav Pajic, Dickinson Family Associate Professor of Electrical and Computer Engineering bei Duke. „Diese Forschung zeigt, wie das Hinzufügen von nur wenigen Datenpunkten in der 3D-Punktwolke vor oder hinter der tatsächlichen Position eines Objekts diese Systeme dazu bringen kann, gefährliche Entscheidungen zu treffen.“

Laut Forschern beginnt der Fehler des Systems, wenn eine Laserkanone verwendet wird, um auf einen LIDAR-Sensor zu schießen. Dies wird die Wahrnehmung des Automobils verzerren, was durch das Hinzufügen falscher Datenpunkte verursacht wird. Laut Pajic kann das System dies erkennen Attacke wenn die Datenpunkte stark von dem abweichen, was die Kamera des Autos sieht. Laut den Untersuchungen von Duke kann das System jedoch getäuscht werden, wenn die 3D-LIDAR-Datenpunkte genau in einem bestimmten Bereich des 2D-Sichtfelds einer Kamera platziert werden.

Dies schafft einen Bereich, der für Angriffe anfällig ist. Es hat die Form eines Kegelstumpfes, der vor einer Kameralinse ausgestreckt ist, oder die Form einer 3D-Pyramide mit einer abgeschnittenen Spitze.

„Dieser sogenannte Frustum-Angriff kann den adaptiven Tempomaten dazu bringen, zu glauben, dass ein Fahrzeug langsamer oder schneller wird“, sagte Pajic. „Und bis das System erkennt, dass es ein Problem gibt, wird es keine Möglichkeit mehr geben, das Auto ohne aggressive Manöver zu treffen, die noch mehr Probleme verursachen könnten.“

Pajic und sein Team haben glücklicherweise eine praktikable Lösung für das Risiko durch zusätzliche Redundanz wie Stereokameras mit überlappenden Sichtfeldern. Diese Techniker werden ihren Angaben zufolge zusammenarbeiten, um Entfernungen richtig zu berechnen und den Fehler zwischen den LIDAR-Daten und der Kamerawahrnehmung zu bestimmen.

„Stereokameras sind eher eine zuverlässige Konsistenzprüfung, obwohl keine Software ausreichend validiert wurde, um festzustellen, ob die LIDAR-/Stereokameradaten konsistent sind, oder was zu tun ist, wenn festgestellt wird, dass sie inkonsistent sind“, sagte Spencer Hallyburton. Hauptautor der Studie und ein Ph.D. Kandidat im Cyber-Physical Systems Lab von Pajic. „Außerdem würde eine perfekte Sicherung des gesamten Fahrzeugs mehrere Sätze von Stereokameras um die gesamte Karosserie herum erfordern, um eine 100-prozentige Abdeckung zu gewährleisten.“

Pajic stellte auch die Entwicklung eines Systems vor, mit dem Autos in der Nähe Daten austauschen können. Die Forschung und die Vorschläge des Teams werden vom 10. bis 12. August auf dem USENIX Security Symposium 2022 präsentiert.