Autor: Rodrigo Abrantes Antunes (Currículo Lattes)
Resumo
Nas últimas décadas, inúmeros avanços tecnológicos permitiram aos robôs compartilharem ainda mais espaço com os seres humanos. Os robôs estão cada vez mais inseridos na nossa realidade, portanto eles devem ser seguros e confiáveis. No entanto, esses sistemas são construídos sobre plataformas de computação tradicionais, sendo suscetíveis aos mesmos ataques cibernéticos. Além disso, também introduzem um novo conjunto de problemas de segurança que podem resultar em violação de privacidade ou até mesmo em danos físicos. Nesse contexto, uma nova geração de software de robótica ganhou força. O Robot Operating System (ROS) é um dos mais populares softwares para pesquisadores e desenvolvedores de robôs, contudo, vários estudos têm demonstrado que ele traz consigo diversas vulnerabilidades que podem comprometer sua segurança e confiabilidade, possibilitando, dentre outros, o ataque de injeção de dados não autorizados. Este trabalho tem por objetivo contribuir com a segurança de sistemas ROS por meio da aplicação de um modelo de detecção de anomalias para reconhecer esses ataques através do tráfego de rede, uma abordagem mais abrangente que as encontradas na literatura, que dispensa alterações no código do ROS ou da aplicação e que não interfere no desempenho de ambos. Foi proposto um método empregando o algoritmo SVM, o qual foi treinado a partir de características do tráfego de rede de uma aplicação ROS. Resultados obtidos por meio de experimentos em ambiente simulado demonstraram um grande potencial no uso de aprendizado de máquina no reconhecimento dos ataques, com o algoritmo SVM obtendo 99% de acurácia e 98% de precisão nos experimentos com anomalias menos complexas e 92% de acurácia e 65% de precisão nos experimentos com anomalias mais complexas. O método também foi comparado com outros modelos de aprendizado, merecendo destaque o modelo Multilayer Perceptron, que obteve precisão e especificidade levemente superiores ao SVM.