Ein GVR-BOT Militärbodenroboter. KI-Foto:@Perez Rivas Consulting LTD
Das Wachstum in der Robotik und Automatisierung hat zu einer vermehrten Nutzung von Robot Operating System (ROS) in vielen Anwendungen geführt. ROS wurde ursprünglich jedoch nicht mit Blick auf Sicherheit entwickelt, weshalb es anfällig für Cyberangriffe wie Man-in-the-Middle-Angriffe ist. Dies birgt ein großes Risiko, insbesondere für militärische Bodenroboter, die auf ROS basieren.
Abb. 1 zeigt ein Blockdiagramm eines potenziellen robotischen Cyber-Angriffs auf Systemebene. Bösartige Angreifer könnten die Integrität des Systems, der Signale oder gar die Kontrolle über den Roboter gefährden. Ihr Hauptziel könnte sein, den Roboter von seinem geplanten Kurs abzulenken. Source: 1
Die Forscher sammelten legitimen und bösartigen ROS-Netzwerkverkehr von GVR-BOT unter normalen und Angriffsbedingungen. Sie normalisierten die Zeitreihendaten und wandelten sie in RGB-Bilder um, um sie in das CNN einzuspeisen. Es wurden zwei Fenstertechniken verwendet - unabhängige gleitende Fenster und überlappende Fenster.
Das Deep Learning CNN wurde trainiert, um Angriffssignaturen zu erkennen, und erreichte eine Erkennungsgenauigkeit von Cyberangriffen von über 99%. Wichtige Ergebnisse:
Nahezu perfekte Trefferquote - keine bösartigen Daten wurden fälschlicherweise als legitim klassifiziert
- Falsch-Positiv-Rate unter 2% - wenige legitime Daten wurden fälschlicherweise als Angriffe identifiziert
- Schnelle Angriffserkennung innerhalb von 3 aufeinanderfolgenden Datenelementen
- Unabhängige gleitende Fenster übertrafen überlappende Fenster
- Abstimmungsfilter verbesserte die Leistung weiter - Mehrheitsentscheidung vor endgültiger Entscheidung
Das vorgeschlagene System übertraf bei weitem herkömmliche Techniken wie Bag-of-Features und Support Vector Machines zur Bildklassifizierung. Dies zeigt die Leistungsfähigkeit von Deep Learning zur Absicherung von ROS vor Cyberangriffen durch Überwachung des Netzwerkverkehrs. Die Technik kann potenziell auf andere Roboter und Cyber-Physische Systeme übertragen werden, die für Man-in-the-Middle-Angriffe anfällig sind.
Insgesamt zeigt die Studie 1 vielversprechende Ergebnisse bei der Entwicklung intelligenter Cybersicherheitssysteme, um den sicheren und zuverlässigen Betrieb autonomer Roboter unter Verwendung von ROS zu gewährleisten.