Dois pesquisadores acadêmicos australianos desenvolveram um novo sistema de detecção de invasões cibernéticas que depende de IA para ajudar robôs militares não tripulados a identificar ataques cibernéticos man-in-the-middle (MitM).
Baseando-se em redes neurais convolucionais (CNNs) de aprendizagem profunda, o novo sistema ciberfísico visa reduzir as vulnerabilidades do sistema operacional do robô (ROS), que é usado em robôs civis e militares.
Testado em um veículo terrestre GVT-BOT do Exército dos EUA, o algoritmo demonstrou uma precisão de 99%, observam Fendy Santoso, da Charles Sturt University, e Anthony Finn, da University of South Australia (UniSA). artigo de pesquisa (PDF).
A estrutura de detecção de invasões cibernéticas concentra-se principalmente na detecção de ataques MitM, mas as vulnerabilidades no ROS o tornam propenso a violações, sequestros, negação de serviço (DoS) e outros tipos de ataques cibernéticos, dizem os acadêmicos.
Esses robôs, ressaltam os acadêmicos, estão altamente conectados em rede, porque seus diferentes componentes, incluindo sensores, atuadores e controladores, dependem de serviços em nuvem para transferir informações e se comunicar.
“Os sistemas robóticos podem ser comprometidos em vários níveis diferentes, nomeadamente, nos níveis do sistema, subsistema, componente ou subcomponente. Prevenir estes ataques não é de forma alguma trivial, especialmente para robôs sofisticados, complexos e modernos, que podem funcionar mesmo em modo tolerante a falhas, confundindo a linha entre operações normais e condições de falha”, observam os investigadores.
O algoritmo de detecção MitM foi testado em robôs terrestres conectados a dois computadores separados por uma rede Wi-Fi. Assim que ocorreu o ataque cibernético, o robô deixou de responder, porque o sinal de orientação que deveria receber foi substituído por dados de tráfego não intencionais.
“Assim, do ponto de vista dos sistemas e do controle, o robô ficou cego em relação ao sinal de referência legítimo. Dessa forma, o invasor também pode injetar dados falsos em relação ao sinal de comando para comprometer a trajetória pretendida do sistema”, observam os pesquisadores.
Os dados recolhidos foram utilizados para treinar o sistema de intrusão cibernética, tanto em condições legítimas como de ataque cibernético, o que acabou por produzir não só uma elevada precisão, mas também um desempenho superior em comparação com outras técnicas de detecção em utilização, afirmam os académicos.
Os pesquisadores estão considerando testar seu algoritmo em diferentes plataformas robóticas, incluindo veículos aéreos não tripulados.
“Sob a égide dos sistemas de aprendizagem profunda (supervisionados e não supervisionados), também estamos interessados em estudar os méritos relativos do nosso algoritmo de detecção de intrusão CNN em relação a técnicas de detecção semelhantes, como o uso de sistemas fuzzy tipo 2 em evolução, que podem acomodar a pegada -de-incertezas”, dizem os pesquisadores.