olimposec.com
tema

#veiculos-autonomos

5 publicações marcadas com esta tag.

risco altoOS-2026-435 · 2026-09-16
0

Padrões repetitivos simples enganam câmeras estéreo e podem forçar frenagem de emergência em carros autônomos

Pesquisadores demonstram que câmeras estéreo e modelos de deep learning para estimativa de profundidade -- usados em carros autônomos, drones e robôs -- podem ter a distância de obstáculos manipulada em até 20 metros usando padrões visuais repetitivos simples, sem qualquer técnica sofisticada de machine learning adversarial. Um ataque de meio segundo já foi suficiente para disparar frenagem de emergência em um framework real de direção autônoma, e as defesas existentes se mostraram ineficazes.

Fonte ↗
risco médioOS-2026-395 · 2026-09-10
0

LLMSec-AV combina taxonomia dedicada e LLMs para achar vulnerabilidades em software de veículos autônomos

Pesquisadores desenvolveram uma taxonomia de 18 classes de vulnerabilidade específicas para software automotivo e um framework, LLMSec-AV, que usa essa taxonomia para orientar LLMs na análise de código do Autoware. Rodando sobre 161 funções extraídas de 4.673 funções decompostas, o LLM recuperou até 76% das 46 fraquezas conhecidas usadas como referência, contra zero encontradas por CodeQL, Semgrep e Clang Static Analyzer, e apenas uma pelo cppcheck apesar de 1.301 alertas gerados.

Fonte ↗
panoramaOS-2026-246 · 2026-08-19
0

Modelos de linguagem pequenos detectam spoofing de GPS em veículos autônomos com baixo custo computacional

Pesquisadores propõem detectar ataques de spoofing de GPS em veículos autônomos convertendo o estado do veículo, derivado de GNSS e de outros sensores, em narrativas textuais estruturadas analisadas por um modelo de linguagem pequeno (SLM). O sistema iguala o desempenho de LLMs maiores, com acurácia média de quase 97%, usando muito menos custo computacional, o que o torna viável para rodar embarcado em hardware automotivo com poucos recursos.

Fonte ↗
risco altoOS-2026-097 · 2026-07-28
0

Ataque 'Pretend Benign' engana percepção colaborativa de veículos autônomos; defesa GLST tenta reagir a ataques coordenados

Pesquisadores demonstram que sistemas de percepção colaborativa V2X, que trocam dados de sensores entre veículos conectados para melhorar a detecção de objetos, podem ser enganados por um atacante que injeta perturbações furtivas nas regiões de maior confiança da fusão de dados. A defesa proposta, GLST, combina três sinais de consistência para identificar colaboradores maliciosos mesmo quando vários atacantes atuam em conjunto para simular consenso.

Fonte ↗
panoramaOS-2026-046 · 2026-07-20
0

LLMs abertos conseguem traduzir vulnerabilidades de carros autônomos para formato de inteligência de ameaças, mas ainda erram no mapeamento de relações de ataque

O estudo avalia se LLMs de peso aberto conseguem converter descrições textuais de vulnerabilidades de veículos conectados e autônomos (CAVs) para STIX, o formato estruturado padrão de inteligência de ameaças, automatizando um trabalho hoje manual dos times de segurança. Os modelos tiveram bom desempenho mapeando objetos de domínio (F1 0,94) e categorias CWE (F1 0,99), mas ainda têm dificuldade em capturar as relações entre esses objetos e o mapeamento completo para técnicas MITRE ATT&CK.

Fonte ↗