Эксперты по искусственному интеллекту из Чарльз Стёрт Университета и Университета Южной Австралии (UniSA) обучили операционную систему робота распознавать типичные признаки кибератаки с прослушиванием средствами нейронных сетей глубокого обучения, имитирующих работу человеческого мозга. Этот тип атаки, называемый MitM, представляет собой вмешательство злоумышленников в существующую беседу или передачу данных.
Проведенный эксперимент в реальном времени на реплике боевой машины армии США показал, что алгоритм был успешен в 99% случаев предотвращения вредоносной атаки. Минимальное количество ложных срабатываний (менее 2%) подтверждает эффективность системы.
Результаты исследования опубликованы в журнале “IEEE Transactions on Dependable and Secure Computing”.
Профессор Антони Финн из UniSA заявил, что предложенный алгоритм работает лучше других признанных методов распознавания атак во всем мире.
Профессор Финн и доктор Фенди Сантосо из Исследовательского института искусственного интеллекта и кибербезопасности Чарльз Стёрт сотрудничали с Армейским командованием будущего США для воссоздания атаки с прослушиванием на боевой машине GVT-BOT и обучения ее операционной системы распознавать атаку.
“Операционная система робота (ROS) чрезвычайно уязвима для взлома данных и захвата управления из-за своей высокой сетевой связанности”, – говорит профессор Финн.
“Появление Индустрии 4, отмеченное развитием робототехники, автоматизации и интернета вещей, требует того, чтобы роботы работали в сотрудничестве, где датчики, исполнительные механизмы и контроллеры должны обмениваться информацией между собой через облачные сервисы.
“Однако, это делает их очень уязвимыми для кибератак.
“Хорошая новость заключается в том, что скорость вычислений удваивается каждые несколько лет, и сейчас возможно разработать и реализовать сложные алгоритмы искусственного интеллекта для защиты системы от цифровых атак.”
Доктор Сантосо говорит, что несмотря на огромные преимущества и широкое использование операционной системы робота, в кодировке она в значительной степени игнорирует проблемы безопасности из-за зашифрованных сетевых данных и ограниченной возможности проверки целостности.
“Благодаря преимуществам глубокого обучения, наша система обнаружения вторжений является надежной и очень точной”, – говорит доктор Сантосо. “Система может обрабатывать большие наборы данных, подходящие для защиты крупномасштабных и основанных на данных систем в реальном времени, таких как ROS”.
Профессор Финн и доктор Сантосо планируют протестировать свой алгоритм обнаружения вторжений на различных робототехнических платформах, таких как беспилотные летательные аппараты, чья динамика является более быстрой и сложной по сравнению с наземным роботом.
