澳大利亚研究人员设计了一种算法，可以拦截针对无人军用机器人的中间人(MitM)网络攻击，并在几秒钟内将其关闭。
在一项利用深度学习神经网络模拟人脑行为的实验中，查尔斯特大学和南澳大利亚大学(UniSA)的人工智能专家训练了机器人的操作系统，以学习MitM窃听网络攻击的特征。这是攻击者中断现有会话或数据传输的地方。
该算法在一辆美国陆军作战地面车辆的复制品上进行了实时测试，在阻止恶意攻击方面成功率达到99%。假阳性率低于2%，验证了该系统的有效性。
研究结果发表在《IEEE可靠与安全计算学报》上。
南萨大学自主系统研究员安东尼·芬恩教授表示，该算法比世界各地用于检测网络攻击的其他识别技术表现更好。
Charles Sturt人工智能和网络未来研究所的Finn教授和Fendy Santoso博士与美国陆军未来司令部合作，在GVT-BOT地面车辆上复制了一次中间人网络攻击，并训练其操作系统识别攻击。
芬恩教授表示:“机器人操作系统(ROS)极易受到数据泄露和电子劫持的影响，因为它是高度网络化的。”
“以机器人技术、自动化和物联网的发展为标志的工业4的出现，要求机器人协同工作，传感器、执行器和控制器需要通过云服务相互通信和交换信息。
“这样做的缺点是，它使它们极易受到网络攻击。
“然而，好消息是，计算速度每隔几年就会翻一番，现在有可能开发和实施复杂的人工智能算法来保护系统免受数字攻击。”
桑托索博士说，尽管这个机器人操作系统有巨大的好处，而且被广泛使用，但由于加密的网络流量数据和有限的完整性检查能力，它在很大程度上忽略了编码方案中的安全问题。
“由于深度学习的好处，我们的入侵检测框架是强大和高度准确的，”桑托索博士说。“该系统可以处理大型数据集，适合保护大型和实时数据驱动的系统，如ROS。”
芬恩教授和桑托索博士计划在不同的机器人平台上测试他们的入侵检测算法，比如无人机，与地面机器人相比，无人机的动态速度更快，也更复杂。
更多信息:Fendy Santoso等人，使用深度学习卷积神经网络面对中间人网络攻击时军用地面机器人的可信操作:实时实验结果，IEEE Transactions on reliable and Secure Computing(2023)。DOI: 10.1109/TDSC.2023.3302807由南澳大利亚大学提供引文:新的网络算法关闭恶意机器人攻击(2023,10月12日)检索自https://techxplore.com/news/2023-10-cyber-algorithm-malicious-robotic.html 2023年10月12日。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
