آیا خودروهای بدون راننده واقعا دقیق هستند؟ محققان دانشگاه دوک می گویند که می توان آنها را فریب داد

نماد زمان خواندن 3 دقیقه خواندن


خوانندگان به پشتیبانی از MSpoweruser کمک می کنند. در صورت خرید از طریق پیوندهای ما ممکن است کمیسیون دریافت کنیم. نماد راهنمای ابزار

صفحه افشای ما را بخوانید تا بدانید چگونه می توانید به MSPoweruser کمک کنید تا تیم تحریریه را حفظ کند ادامه مطلب

منطقه شکست آسیب پذیر در دوربین ماشین بدون راننده
ناحیه ای که در تحقیقات جدید نشان داده شده در برابر حملات آسیب پذیر است، در مقابل لنز دوربین به شکل یک فروستوم یا یک هرم سه بعدی با نوک آن بریده شده است.

ماشین های بدون راننده نوید آسایش و ایمنی را در بین رانندگان و مسافران می دهد، اما ممکن است با افشای محققان در این مورد تغییر کند دانشگاه دوک. به گفته این تیم، یک استراتژی حمله وجود دارد که مجرمان می توانند برای فریب دادن حسگرهای خودروی خودمختار انجام دهند (ترکیب داده های دو بعدی از دوربین و داده های سه بعدی از LiDAR) برای درک اجسام نزدیکتر یا دورتر از آنچه به نظر می رسد. این می تواند به معنای مشکلات و آسیب های قابل توجه باشد، به ویژه زمانی که در موقعیت های نظامی استفاده می شود که در آن یک وسیله نقلیه به یک هدف ارزشمند تبدیل می شود. حتی بیشتر، محققان تاکید کردند که این امکان برای هکرها وجود دارد که راهی برای حمله به وسایل نقلیه مختلف به طور همزمان پیدا کنند. 

میروسلاو پاژیک، دانشیار مهندسی برق و کامپیوتر خانواده دیکینسون در دوک، گفت: "هدف ما درک محدودیت‌های سیستم‌های موجود است تا بتوانیم در برابر حملات محافظت کنیم." این تحقیق نشان می‌دهد که چگونه افزودن چند نقطه داده در ابر نقطه سه‌بعدی، جلو یا پشت جایی که یک شی در واقع است، می‌تواند این سیستم‌ها را در تصمیم‌گیری خطرناک گیج کند.

به گفته محققان، نقص سیستم زمانی شروع می شود که از یک تفنگ لیزری برای شلیک حسگر LIDAR استفاده شود. این ادراک خودرو ناشی از اضافه شدن نقاط داده نادرست را به هم می زند. به گفته Pajic، سیستم می تواند این را تشخیص دهد حمله اگر نقاط داده تا حد زیادی با آنچه دوربین خودرو می بیند متفاوت است. با این حال، طبق تحقیقات دوک، زمانی که نقاط داده سه بعدی LIDAR دقیقاً در محدوده خاصی از میدان دید دوبعدی دوربین قرار گرفته باشند، می توان سیستم را فریب داد.

این یک منطقه آسیب پذیر در برابر حملات ایجاد می کند. این به شکل یک فروستوم است که در مقابل لنز دوربین کشیده شده یا به شکل یک هرم سه بعدی با نوک بریده شده است.

پاژیک گفت: «این به اصطلاح حمله ناکامی می‌تواند کنترل کروز تطبیقی ​​را فریب دهد تا فکر کند خودرو در حال کاهش یا افزایش سرعت است. و تا زمانی که سیستم متوجه شود که مشکلی وجود دارد، هیچ راهی برای جلوگیری از برخورد با خودرو بدون مانورهای تهاجمی وجود نخواهد داشت که می تواند مشکلات بیشتری ایجاد کند.

خوشبختانه Pajic و تیمش از طریق افزونگی اضافی مانند دوربین‌های استریو با میدان‌های دید همپوشانی، راه‌حل مناسبی برای خطر دارند. به گفته آنها، این فناوری‌ها برای محاسبه صحیح فاصله‌ها و تعیین خطای بین داده‌های LIDAR و درک دوربین با یکدیگر همکاری خواهند کرد.

اسپنسر هالیبرتون می‌گوید: «دوربین‌های استریو احتمالاً یک بررسی سازگاری قابل اعتماد هستند، اگرچه هیچ نرم‌افزاری به اندازه کافی تأیید نشده است که چگونه داده‌های LIDAR/دوربین استریو سازگار هستند یا اگر مشخص شود که آنها ناسازگار هستند، چه باید کرد». نویسنده اصلی مطالعه و دکترا. نامزد در آزمایشگاه سیستم‌های فیزیکی-سایبری Pajic. همچنین، ایمن سازی کامل کل وسیله نقلیه مستلزم چندین مجموعه دوربین استریو در اطراف بدنه آن است تا پوشش 100٪ را فراهم کند.

Pajic همچنین ایجاد سیستمی را معرفی کرد که به خودروهای نزدیک به یکدیگر اجازه می دهد داده ها را به اشتراک بگذارند. تحقیقات و پیشنهادات تیم از 10 تا 12 آگوست در سمپوزیوم امنیت USENIX 2022 ارائه خواهد شد.

پاسخ دهید

آدرس ایمیل شما منتشر نخواهد شد. بخشهای موردنیاز علامتگذاری شدهاند *