⚠️ KMI waarschuwing: Onweer in België Laatste update van KMI waarschuwingen voor België. KMI ↗ Kaart ↗ Artikel →
← Terug
Onderzoekers ontdekken kritieke kwetsbaarheid in rijstrookdetectie van autonome voertuigen

Onderzoekers ontdekken kritieke kwetsbaarheid in rijstrookdetectie van autonome voertuigen

Wetenschappers van de Technical University of Munich en de Clemson University hebben een kritieke zwakke plek ontdekt in systemen voor Automated Lane Centering (ALC). Deze systemen, die veelvuldig worden gebruikt in voertuigen met Level 2 autonomie, kunnen worden gemanipuleerd zonder dat er fysieke aanpassingen aan het wegdek nodig zijn. Volgens een publicatie in de arxiv.org kunnen aanvallers voertuigen dwingen hun rijbaan te verlaten door gebruik te maken van strategisch geplaatste schaduwen.

De kern van deze methode, door de onderzoekers de 'Negative Shadow' (NS) attack genoemd, berust op het filteren van zonlicht via speciaal gevormde objecten. Deze objecten worden op privéterrein geplaatst en werpen specifieke patronen op de weg. De aanval maakt misbruik van de manier waarop Deep Neural Networks (DNNs) beelden voorbewerken om schaduwen te verwijderen. Hierbij worden heldere delen binnen een schaduwgebied onterecht aangezien voor echte rijstrookmarkeringen. Om de precisie van deze patronen te verhogen, hebben de wetenschappers een genetisch algoritme gebruikt om de ideale geometrie van de schaduwen te bepalen.

In de technische wereld wordt een dergelijke zwakke plek omschreven als een weblio.jp, wat duidt op een opening in een systeem die door externe partijen kan worden geëxploiteerd om ongewenste acties uit te voeren. In dit specifieke geval gaat het om een beveiligingslek in de visuele interpretatie van de software.

De impact van deze aanval is aanzienlijk. De onderzoekers testten de methode op drie verschillende systemen voor rijstrookdetectie: TwinLiteNet, HybridNets en CLRerNet. De simulaties, uitgevoerd met CARLA-OpenPilot, richtten zich op gevaarlijke situaties zoals frontale botsingen, afwijkingen bij het linksafslaan en scenario's waarbij het voertuig volledig van de weg raakt. In sommige van deze gevallen liep het percentage schendingen op tot 100%. De theoretische resultaten werden bevestigd in de praktijk met een voertuig dat is uitgerust met een Comma 3X-systeem, waarbij de auto daadwerkelijk uit zijn rijstrook week.

Een zorgwekkend aspect van de NS-aanval is de onzichtbaarheid voor de menselijke bestuurder. Uit een studie met proefpersonen bleek dat 83,6% van de deelnemers de schaduwpatronen niet herkende als een manipulatie of een bedreiging. Dit vergroot het risico, aangezien een bestuurder mogelijk niet begrijpt waarom het voertuig plotseling een onveilige manoeuvre uitvoert.

Hoewel er bestaande verdedigingsmechanismen zijn in de voorbewerking van beelden, stellen de auteurs in hun dat deze huidige beveiligingen slechts beperkte bescherming bieden tegen dit type fysieke aanval. De resultaten van het onderzoek zijn geaccepteerd voor de Annual Computer Security Applications Conference (ACSAC) 2026.

De bevindingen benadrukken de noodzaak voor de ontwikkeling van robuustere algoritmen. De huidige systemen vertrouwen te sterk op visuele intensiteit, waardoor ze vatbaar zijn voor omgevingsfactoren zoals variërende lichtinval. Volgens de is een fundamentele verbetering in de manier waarop voertuigen omgaan met schaduwwerking essentieel om de veiligheid van autonoom rijden te waarborgen.

Geraadpleegde bronnen
Waardering
0
Stem mee op dit artikel
Discussie
Nog geen reacties. Wees de eerste!