针对具有避障能力移动机器人的智能物理攻击

近年来，移动机器人的安全问题引起了广泛关注。在本文中，我们提出一种智能物理攻击，通过从外部观测中学习避障机制，将移动机器人诱捕至预设位置。我们工作的最显著新颖之处在于揭示了具备智能与先进设计的基于物理的攻击，在无需系统动力学先验知识或访问内部系统的情况下，能够构成真实威胁的可能性。此类攻击无法由传统网络空间安全的对策处理。在实践中，所提攻击的基石是主动探索受害机器人与环境之间的复杂交互特性，并从其行为的有限观测中学习所展现的避障知识。随后，我们提出最短路径与放手攻击算法，从巨大的运动空间中寻找高效攻击路径，分别以路径长度和活动周期为代价实现驱赶至陷阱的目标。证明了算法的收敛性，并进一步推导了攻击性能界。大量仿真与真实实验表明了所提攻击的有效性，呼吁未来针对机器人系统的新型物理威胁与防御展开研究。