共收录 4 条相关安全情报。
← 返回所有主题该论文聚焦具身网络物理系统（embodied cyber-physical systems）在遭受主动网络攻击时的物理安全风险，指出一个被现有安全体系忽视的关键缺口：当前方法擅长"检测"攻击，却缺少运行时机制去判断"这次扰动是否可容忍"
💡 推荐理由: 它把"攻击检测"推进到"攻击下能否继续安全运行"的判定，为机器人等具身系统提供了可落地的运行时弹性判据，弥补 IDS 只报警不决策的空白，对 ROS2 机器人安全加固与安全降级设计有直接参考价值。
🎯 建议动作: 研究跟进
在多机器人协作系统中，任务交接通常依赖下游验证器对机器人上报的传感器遥测数据进行远程证明，以确保物理行为与所分配任务严格一致。然而，论文作者对该信任链提出了质疑：这些遥测数据本身是否可信？本文揭示了一个存在于 Robot Operating System 2 (ROS 2) 中的严重漏洞。攻击者只需修改单个环境变量，就能执行一个预构建的恶意 hook，在传感器数据与控制指令发布之前对其进行静默拦截和篡改。利用这一漏洞，攻击者可劫持物理机器人执行危险任务，同时通过伪造的遥测数据欺骗下游验证器，使信任边界彻底失效。更严重的是，由于广泛依赖第三方 Docker 容器与辅助工具，攻击者还可以分发植入恶意 hook 的软件包，以供应链方式扩大攻击面。作者在一台运行 Secure ROS 2 的实体 Franka Emika 机械臂上进行了验证，结果显示可以实时注入伪造遥测数据，时间抖动仅约 3ms，能够保持时间同步且不破坏硬件完整性，即使面对基于 AI 的检测器，成功率仍高达 87%。作者已通过负责任披露流程将问题反馈给 ROS 2 开发团队，并公布了演示视频链接。这项研究揭示了物理世界与数字世界之间的信任鸿沟，提醒安全社区：机器人系统的安全不仅依赖密码学认证，还必须在系统层面重新审视遥测数据的完整性和来源可信性。
💡 推荐理由: 该研究首次系统性地证明了从物理行为到数字遥测的信任边界可被低成本绕过，直接影响所有基于 ROS 2 的机器人协作与安全监控系统。对于使用机器人或自动驾驶平台的组织，这是对远程证明机制有效性的重要警示，也凸显了供应链投毒在机器人领域的实际风险。
🎯 建议动作: 研究跟进
本文研究了ROS2（机器人操作系统2）的安全性。ROS是机器人应用研发的主流平台，但缺乏安全特性且分布式计算效率低。ROS2通过集成数据分发服务（DDS）来解决这些问题，期望为可信机器人生态系统奠定基础。然而，论文标题暗示ROS2的安全机制可能存在问题。作者通过安全分析揭示了ROS2中DDS安全实现的脆弱性，可能包括配置错误、加密机制缺陷或认证漏洞，导致攻击者能够破坏通信机密性、完整性或可用性。实验证明了这些安全缺陷的可利用性，并提出了改进建议。该研究对机器人安全领域具有重要警示作用，提醒开发者不要盲目信任ROS2的安全机制。
💡 推荐理由: ROS2 被广泛认为是更安全的机器人框架，但本研究表明其安全设计仍有漏洞，可能被攻击者利用。安全团队需重视并检查 ROS2 部署的安全性。
🎯 建议动作: 研究跟进
本论文提出了RIPA，首个针对基于ROS 2的LLM控制机器人系统的多通道感知向量提示注入攻击的系统性实证研究。研究在5个不同参数量（约4B至284B）的LLM上进行了每个攻击变体100次独立实验，涵盖DeepSeek-V4-Flash、Llama-3-8B-Instruct-Lite、Llama-3.3-70B-Instruct-Turbo、Qwen 2.5-7B-Instruct-Turbo和Gemma-3n-E4B。发现模型存在特定的脆弱性轮廓，且不随参数量单调变化：例如，Llama-3.3-70B-Instruct-Turbo在所有攻击变体上达到100%攻击成功率（ASR），而Llama-3-8B-Instruct-Lite和Qwen 2.5-7B-Instruct-Turbo在直接覆盖注入上为0% ASR，最小的Gemma-3n-E4B与70B模型脆弱性相似，表明鲁棒性与模型架构相关而非规模。研究还提出了一种混合语义防火墙，对已知注入模式实现0% ASR且无假阳性，但对混淆攻击的绕过率为10.2%。进一步引入了三种感知注入通道：视觉（通过OCR）、音频（通过Whisper STT）和LiDAR传感器上下文投毒（Channel 3），其中Channel 3通过在LLM系统提示层注入虚假障碍数据，在DeepSeek-V4-Flash上实现100% ASR。此外，贡献了包含19种混淆载荷的防火墙绕过分类。所有代码、数据和结果公开。
💡 推荐理由: 该研究揭示了LLM控制机器人系统在多模态感知输入下的脆弱性，为安全从业者提供了攻击面理解和防御设计的重要参考。
🎯 建议动作: 研究跟进