Zelfrijdende auto’s zijn een technologisch wonder geworden, vertrouwend op geavanceerde sensorsystemen en krachtige computers om autonoom te navigeren en te rijden. Deze voertuigen maken gebruik van een combinatie van camera’s, radar- en Lidar-sensoren om gegevens over hun omgeving te verzamelen, waardoor ze geïnformeerde beslissingen op de weg kunnen nemen. Recent onderzoek heeft echter aangetoond dat zelfrijdende auto’s, net als AI-systemen, kunnen worden misleid of “gehallucineerd” om dingen te zien die er niet zijn.
Ingenieurs aan de Duke University hebben een systeem ontwikkeld dat bekend staat als “MadRadar” dat de radar sensoren van een auto kan manipuleren en ze kan bedriegen door valse objecten waar te nemen of zelfs echte objecten te verbergen. Het team, onder leiding van professoren Miroslav Pajic en Tingjun Chen, heeft aangetoond dat ze een “fantomauto” kunnen creëren die uit het niets verschijnt, de positie van bestaande voertuigen kunnen veranderen of de aanwezigheid van andere auto’s volledig kunnen verbergen.
De aanvalsmethode die door MadRadar wordt gebruikt, houdt in dat eerst de radarspecificaties van een auto worden gedetecteerd, wat binnen enkele seconden kan worden bereikt. Zodra de specificaties bekend zijn, kan het systeem aangepaste bedrieglijke signalen aan de radar van het doelwitvoertuig verzenden, waardoor het zijn omgeving verkeerd interpreteert. In een scenario werd het slachtoffer voertuig ervan overtuigd dat een andere auto naar hem toe zwenkte, wat mogelijk zou kunnen leiden tot een gevaarlijke botsing of onvoorspelbare rijmanoeuvres.
Dit onderzoek benadrukt een belangrijke kwetsbaarheid in de sensorsystemen van autonome voertuigen, met name radar. Hoewel het toevoegen van systemen om de radarparameters te randomiseren en safeguards te implementeren om dergelijke aanvallen te detecteren enige verdediging kan bieden, zijn verdere maatregelen nodig om de veiligheid en betrouwbaarheid van zelfrijdende auto’s te waarborgen.
De implicaties strekken zich uit buiten de auto-industrie, omdat vergelijkbare aanvallen mogelijk ook kunnen worden gebruikt op verschillende machines die afhankelijk zijn van radartechnologie. Prof. Pajic suggereert dat deze bevindingen bredere implicaties hebben voor drone-technologie, met name in scenario’s die te maken hebben met zoek- en reddingsoperaties of verkenningen.
Naarmate de technologie de grenzen van innovatie blijft verleggen, is het cruciaal dat onderzoekers, autofabrikanten en beleidsmakers zich bewust zijn van deze kwetsbaarheden en robuuste verdedigingsmechanismen ontwikkelen. De studie waarin de capaciteiten van MadRadar worden gedemonstreerd, zal worden gepresenteerd op het Network and Distributed System Security Symposium in 2024 en dient als een wake-up call voor de industrie om het ontwerp en de beveiliging van radarsystemen in zelfrijdende voertuigen en daarbuiten opnieuw te bekijken.
FAQ’s over Kwetsbaarheden van Zelfrijdende Auto’s
1. Wat is MadRadar?
MadRadar is een systeem dat is ontwikkeld door ingenieurs aan de Duke University en dat radar sensoren in zelfrijdende auto’s kan manipuleren om valse objecten waar te nemen of echte objecten te verbergen.
2. Hoe werkt MadRadar?
MadRadar detecteert eerst de radarspecificaties van een auto en stuurt vervolgens aangepaste bedrieglijke signalen naar de radar van het doelwitvoertuig, waardoor het zijn omgeving verkeerd interpreteert.
3. Wat zijn de mogelijke gevolgen van MadRadar-aanvallen?
MadRadar-aanvallen kunnen ertoe leiden dat zelfrijdende auto’s objecten of voertuigen waarnemen die niet echt bestaan, met mogelijk gevaarlijke botsingsrisico’s of onvoorspelbare rijmanoeuvres tot gevolg.
4. Zijn alleen autonome voertuigen vatbaar voor deze aanvallen?
Nee, vergelijkbare aanvallen kunnen mogelijk ook worden gebruikt op andere machines die afhankelijk zijn van radartechnologie, zoals drones.
5. Hoe kunnen deze kwetsbaarheden worden aangepakt?
Hoewel het toevoegen van systemen om radarparameters te randomiseren en safeguards te implementeren enige verdediging kan bieden, zijn verdere maatregelen nodig om de veiligheid en betrouwbaarheid van zelfrijdende auto’s en andere radargebaseerde machines te waarborgen.
6. Wat zijn de bredere implicaties van dit onderzoek?
De bevindingen hebben implicaties die verder reiken dan de auto-industrie, met name voor drone-technologie en scenario’s die te maken hebben met zoek- en reddingsoperaties of verkenningen.
7. Wanneer worden de capaciteiten van MadRadar gepresenteerd?
De studie wordt gepresenteerd op het Network and Distributed System Security Symposium in 2024.
Definities:
– Autonome voertuigen: Voertuigen die in staat zijn om te navigeren en te rijden zonder menselijke input.
– Radar: Een systeem dat radiogolven gebruikt om de positie, snelheid en andere kenmerken van objecten te detecteren.
– Lidar: Een sensor die gebruikmaakt van laserstralen om afstanden te meten en gedetailleerde kaarten van de omgeving te maken.
– Bedrieglijke signalen: Signalen die zijn ontworpen om de radar sensoren in zelfrijdende auto’s te misleiden of te bedriegen.
Suggesties voor
The source of the article is from the blog radardovalemg.com