Investigadores desenvolvem sistema de deteção de ciberinvasões para robôs militares não tripulados

Dois investigadores australianos – Fendy Santoso da Universidade Charles Sturt e Anthony Finn da University of South Australia – desenvolveram um novo sistema de deteção de invasões cibernéticas, dependente da Inteligência Artificial (IA) para a ajudar a identificação de ciberataques man-in-the-middle (MitM) por robôs militares não tripulados.

Com base nas redes neurais convolucionais (CNN) de aprendizagem profunda, o novo sistema tem o objetivo de reduzir as vulnerabilidades do sistema operacional do robô (ROS), utilizado em robôs civis e militares. De acordo com o artigo publicado, o algoritmo demonstrou uma precisão de 99%, havendo sido testado num veículo terrestre GVT-BOT do exército norte-americano.

Embora a estrutura de deteção de ciberinvasões se concentre sobretudo na deteção de ataques MitM, as vulnerabilidades no ROS tornam-no propenso a outros tipos de ciberataques, como violações, hijacking e negação de serviço (DoS).

Os investigadores explicam que os robôs estão altamente ligados em rede, uma vez que os seus diferentes componentes estão dependentes de serviços em cloud para transferir informações e comunicar.

“Os sistemas robóticos podem ser comprometidos em vários níveis diferentes, nomeadamente, nos níveis do sistema, subsistema, componente ou subcomponente”, observam Fendy Santoso e Anthony Finn. “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”.

Foram realizados testes do algoritmo de deteção MitM em robôs terrestres conectados a dois computadores separados por uma rede Wi-Fi, revelam os investigadores. Quando ocorreu o ciberataque, o robô deixou de responder, uma vez que o sinal de orientação que deveria receber foi substituído por dados de tráfego não intencionais.

“Assim, do ponto de vista dos sistemas e do controlo, o robô ficou cego em relação ao sinal de referência legítimo. Desta forma, o invasor também pode injetar dados falsos em relação ao sinal de comando para comprometer a trajetória pretendida do sistema”, esclarecem os académicos.

Os dados recolhidos foram utilizados para treinar o sistema de intrusão cibernética em condições legítimas e de ciberataque, possibilitando produzir uma elevada precisão e um desempenho superior comparativamente a outras técnicas de deteção, segundo Fendy Santoso e Anthony Finn.

Os investigadores estão também a ponderar testar o seu algoritmo em diferentes plataformas robóticas, como 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 deteção de intrusão de CNN em relação a técnicas de deteção semelhantes, como a utilização de sistemas fuzzy tipo 2 em evolução, que podem acomodar a footprint-of-uncertainties”, acrescentam os investigadores.