通过模糊测试、检测与缓解保障自主服务机器人安全
密码学与安全
2020-09-14 v1 机器人学
摘要
自主服务机器人与人类共享社交空间，通常为家务或专业任务协同工作。此类机器人中的网络安全漏洞会破坏人与机器人之间的信任。在本文中，我们研究如何在可移动自主服务机器人的设计与实现阶段察觉并施加安全威胁。为此，我们利用定向模糊测试（directed fuzzing）的思想，设计了 RoboFuzz，它依据机器人状态与周围环境对自主服务机器人进行系统性测试。RoboFuzz 的方法论是研究影响机器人状态转换的关键环境参数，并以合理但有害的传感器值作用于机器人控制程序以破坏机器人。此外，我们开发了检测与缓解算法来抵消 RoboFuzz 的影响。困难主要在于有限计算资源、及时检测与缓解中保持工作效率之间的权衡。特别地，我们提出利用障碍物历史记录的检测与缓解方法，以检测针对不可信传感器值的不一致障碍物出现，并导航可移动机器人继续移动以执行既定任务。借此，我们得以在保持低检测与缓解成本的同时保留机器人的工作效能。我们已在真实可移动机器人中实现了 RoboFuzz、检测与缓解算法的整套原型。实验结果证实，RoboFuzz 对机器人施加具体威胁的成功率高达 93.3%，而在缓解模式下工作效能总体损失仅 4.1%。
引用
@article{arxiv.2003.05564,
title = {Securing Autonomous Service Robots through Fuzzing, Detection, and Mitigation},
author = {Chundong Wang and Yee Ching Tok and Rohini Poolat and Sudipta Chattopadhyay and Mohan Rajesh Elara},
journal= {arXiv preprint arXiv:2003.05564},
year = {2020}
}
备注
14 pages