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。

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。