Robomal：面向机器人网络系统的恶意软件检测
机器人学
2022-01-24 v1 密码学与安全
机器学习
摘要
机器人系统正日益融入现代生活的诸多领域。从清扫房屋到提供引导与情感支持，机器人现已直接与人类协作。由于其广泛应用与日趋复杂的架构，它们正遭受对抗性攻击，如传感-执行器攻击、数据欺骗、恶意软件与网络入侵。因此，机器人系统的安全至关重要。本文关注机器人软件中未被充分研究的恶意软件检测领域。由于机器人与人类近距离工作且常有直接交互，恶意软件可能造成危及生命的影响。为此，我们提出RoboMal框架，对二进制可执行文件进行静态恶意软件检测，以在恶意软件有机会执行前将其发现。此外，我们通过提供RoboMal数据集（含小型自动驾驶车的控制器可执行文件）来缓解该领域数据的严重匮乏。该框架性能与广泛使用的监督学习模型GRU、CNN与ANN进行比较。值得注意的是，基于LSTM的RoboMal模型在10折交叉验证中以85%准确率与87%精确率优于其他模型，从而证明了所提框架的有效性。
引用
@article{arxiv.2201.08470,
title = {RoboMal: Malware Detection for Robot Network Systems},
author = {Upinder Kaur and Haozhe Zhou and Xiaxin Shen and Byung-Cheol Min and Richard M. Voyles},
journal= {arXiv preprint arXiv:2201.08470},
year = {2022}
}
备注
Published in the proceedings of 2021 5th IEEE International Conference on Robotic Computing (IRC)