Engenheiros desenvolvem hack para tornar o radar automotivo alucinações

Prévia do material em texto

1/4
Engenheiros desenvolvem hack para tornar o radar
automotivo alucinações
Um sedã preto cruza silenciosamente por uma estrada suburbana tranquila, o motorista cantarolando
canções de Natal silenciosamente enquanto o piloto automático do carro lida com a condução. De
repente, luzes vermelhas piscando e avisos sonoros da vida, tirando o motorista de seu alívio pacífico.
Eles olham para a tela do painel e vêem o contorno de um carro em alta velocidade em direção a eles
para uma colisão frontal, mas os faróis não revelam nada à frente através do pára-brisa.
Apesar da incongruência, o piloto automático do carro agarra o controle e desvia para uma vala.
Exasperado, o motorista olha ao redor da vizinhança, não encontrando outros veículos como o perigo de
entrada desaparece da tela. Momentos depois, a verdadeira ameaça emerge – um grupo de
sequestradores correndo em direção ao veículo imobilizado.
Esta cena parece destinada a se tornar um ponto comum na trama em filmes de Hollywood para as
próximas décadas. Mas devido às complexidades dos modernos sistemas de detecção automotiva, ele
permanece firmemente no campo da ficção científica. Pelo menos por enquanto.
2/4
Engenheiros da Duke University, liderados por Miroslav Pajic, o Professor Associado da Família
Dickinson de Engenharia Elétrica e de Computação, e Tingjun Chen, professor assistente de engenharia
elétrica e de computação, demonstraram agora um sistema que eles apelidaram de “MadRadar” por
enganar sensores de radar automotivos para acreditar que quase tudo é possível.
A tecnologia pode esconder a aproximação de um carro existente, criar um carro fantasma onde não
existe ou mesmo enganar o radar para pensar que um carro real rapidamente se desviou de seu curso
real. E pode conseguir esse feito em um piscar de olhos sem ter qualquer conhecimento prévio sobre as
configurações específicas do radar da vítima, tornando-se a ameaça mais problemática para a
segurança do radar até o momento.
Os pesquisadores dizem que MadRadar mostra que os fabricantes devem começar
imediatamente a tomar medidas para melhor proteger seus produtos.
A pesquisa será publicada no 2024 Network and Distributed System Security Symposium, que
acontecerá de 26 de fevereiro a 1o de março em San Diego, Califórnia.
“Sem saber muito sobre o sistema de radar do carro alvo, podemos fazer um veículo falso aparecer do
nada ou fazer um veículo real desaparecer em experimentos do mundo real”, disse Pajic. “Não estamos
construindo esses sistemas para prejudicar ninguém, estamos demonstrando os problemas existentes
com os sistemas de radar atuais para mostrar que precisamos mudar fundamentalmente a forma como
os projetamos.”
https://ece.duke.edu/faculty/miroslav-pajic
https://ece.duke.edu/faculty/tingjun-chen
3/4
Em carros modernos que apresentam sistemas de condução assistiva e autônoma, o radar é
normalmente usado para detectar veículos em movimento na frente e ao redor do veículo. Também
ajuda a aumentar os sistemas visuais e baseados em laser para detectar veículos que se movem na
frente ou atrás do carro.
Como agora existem tantos carros diferentes usando radar em uma rodovia típica, é improvável que dois
veículos tenham exatamente os mesmos parâmetros operacionais, mesmo que compartilhem uma
marca e modelo. Por exemplo, eles podem usar frequências operacionais ligeiramente diferentes ou
fazer medições em intervalos ligeiramente diferentes. Devido a isso, demonstrações anteriores de
sistemas de despojo de radar precisaram saber os parâmetros específicos que estão sendo usados.
“Pense nisso como tentar impedir alguém de ouvir o rádio”, explicou Pajic. “Para bloquear o sinal ou
sequestrá-lo com sua própria transmissão, você precisa saber qual estação eles estavam ouvindo
primeiro.”
Na demonstração de MadRadar, a equipe de Duke mostrou as capacidades de um sistema de
derramamento de radar que eles construíram que podem detectar com precisão os parâmetros de radar
de um carro em menos de um quarto de segundo. Uma vez que eles foram descobertos, o sistema pode
enviar seus próprios sinais de radar para enganar o radar do alvo.
Em uma demonstração, MadRadar envia sinais para o carro alvo para fazê-lo perceber outro carro onde
realmente existe. Isso envolve a modificação das características do sinal com base no tempo e na
velocidade de tal forma que imita o que seria um contato real.
Em um segundo e muito mais complicado exemplo, engana o radar do alvo para pensar o contrário –
que não há carro que passa quando realmente existe. Ele consegue isso adicionando delicadamente
sinais de mascaramento em torno do verdadeiro local do carro para criar uma espécie de ponto brilhante
que confunde o sistema de radar.
“Você tem que ser criterioso em adicionar sinais ao sistema de radar, porque se você simplesmente
inundasse todo o campo de visão, ele imediatamente saberia que algo estava errado”, disse David Hunt,
um estudante de doutorado que trabalha no laboratório de Pajic.
Em um terceiro tipo de ataque, os pesquisadores misturam as duas abordagens para fazer parecer que
um carro existente mudou de rumo. Os pesquisadores recomendam que os fabricantes de automóveis
tentem randomizar os parâmetros operacionais de um sistema de radar ao longo do tempo e adicionar
salvaguardas aos algoritmos de processamento para detectar ataques semelhantes.
“Imagine o controle de cruzeiro adaptativo, que usa radar, acreditando que o carro à minha frente estava
acelerando, fazendo com que seu próprio carro acelerasse, quando na realidade não estava mudando
de velocidade”, disse Pajic. “Se isso fosse feito à noite, quando as câmeras do seu carro descobrissem,
você estaria em apuros.”
Cada uma dessas demonstrações de ataque, enfatizam os pesquisadores, foram feitas em sistemas de
radar do mundo real em carros reais que se deslocam a velocidades da estrada. É um feito
impressionante, dado que se os sinais de radar falsificados estiverem mesmo um microssegundo fora da
marca, o ponto de dados falso seria deslocado pela duração de um campo de futebol.
4/4
“Essas lições vão muito além dos sistemas de radar em carros também”, disse Pajic. “Se você quer
construir drones que possam explorar ambientes escuros, como em operações de busca e resgate ou
reconhecimento, isso não custa milhares de dólares, o radar é o caminho a percorrer.”
Esta pesquisa foi apoiada pelo Escritório de Pesquisa Naval (N00014-23-1-2206, N00014-20-1-2745),
pelo Escritório de Pesquisa Científica da Força Aérea (FA9550-19-1-0169), pela National Science
Foundation (CNS-1652544, CNS-2211944) e pelo Instituto Nacional de Inteligência de IA para Edge
Computing Aproveitando Redes Sem Fios de Próxima Geração (Athena) (CNS-2112562).
Citação: “MadRadar: A Black-Box Physical Layer Attack Framework on mmW Automotive FMCW
Radars”, David Hunt, Kristen Angell, Zhenzhou Qi, Tingjun Chen e Miroslav Pajic. Simpósio de
Segurança de Rede e Sistema Distribuído (NDSS) 2024. DOI: 10.14722/ndss.2024.24135