בינה מלאכותית חדשה מגינה על כלי רכב מפני מתקפות סייבר נסתרות

This post is also available in: English (אנגלית)

ככל שכלי רכב נעשים מקושרים יותר, מערכותיהם הפנימיות תלויות בזרימה רציפה של נתונים מחיישנים המנטרים כמעט כל פרמטר — מטמפרטורה ולחץ אוויר בצמיגים ועד מיקום, תאוצה ומהירות. חיבוריות זו משפרת יעילות ומאפשרת קבלת החלטות אוטומטית, אך היא גם חושפת חולשה משמעותית: נתונים מניפולטיביים או מזויפים המוזרמים לרשת החיישנים עלולים לגרום להתנהגות מסוכנת או לשבש משימות קריטיות. בכלי רכב אוטונומיים או חצי־אוטונומיים — במיוחד בסביבה ביטחונית — גם הפרעה קצרה עלולה לסכן חיי אדם או לפגוע בהצלחת המשימה.

מערכת חדשנית לאיתור חדירות, LFT-IDS, מבוססת בינה מלאכותית, נועדה לפתור בדיוק את הבעיה הזו. היא מזהה וחוסמת נתונים זדוניים עוד לפני שהם מגיעים למערכות הבקרה של הרכב. במקום להסתמך על חוקים קבועים או חתימות תקיפה מוכרות, המערכת משתמשת בלמידת מכונה כדי ללמוד מהו "ההתנהגות התקינה" של כל חיישן ברמת פירוט גבוהה. על בסיס דפוסים טיפוסיים במדידות טמפרטורה, שינויים בלחץ, מהירות או קלטי מיקום — המערכת מסוגלת לזהות ברגע נתון מתי נתון נכנס חורג מהנורמה הצפויה.

על פי דיווח של NextGenDefense, הבעיה המרכזית שהמערכת מנסה לתת לה מענה היא העובדה שכלי סייבר סטנדרטיים מתקשים לזהות סוגי תקיפות שלא נראו בעבר. התוקפים משתמשים יותר ויותר בשיטות כמו היפוך תווית (Label Flipping) – שינוי עדין של ערכי חיישנים כך שנתונים לגיטימיים נראים מוטעים או מטעים. באמצעות גילוי אנומליות לאורך כל זרם החיישנים, המערכת מזהה את אותם קלטים חשודים ומונעת מהם להשפיע על המערכת. היא מתפקדת כמו מסנן רשת ברמת הענן, העוצר אותות מזיקים לפני שהם חודרים לעומק הארכיטקטורה.

רכבים משוריינים, שיירות לוגיסטיות, מערכות קרקע בלתי מאוישות ורכבי תמיכה בשדה הקרב — כולם נשענים על איחוד נתוני חיישנים (Sensor Fusion) לצורך ניווט, תחזוקה חזויה ותיאום עם מערכות טקטיות רחבות יותר. כל מניפולציה בנתוני החיישנים עלולה לפגוע בתנועה, לגרום לתקלות מכניות או להטעות מערכות אוטונומיות הפועלות בשטח מאוים. מערכת התרעה מסתגלת מספקת שכבת הגנה נוספת מפני ניסיונות לחדור לזרם המידע המבצעי.

מעבר לתחום הביטחוני, יש למערכת חשיבות גם בתחבורה ציבורית, רכבי חירום, ורובוטיקה תעשייתית — כל תחום שבו פלטפורמות מקושרות תלויות בנתוני חיישנים מדויקים. המחקר מאחורי הפיתוח, שבוצע באוניברסיטת פורטסמות', אוניברסיטת רדינג ובמועצה הלאומית למחקר של איטליה, מדגים כיצד כלי אבטחה מבוססי AI יכולים להתפתח בקצב הגידול של מערכות הניידות המחוברות.

באמצעות למידה של האופן שבו חיישנים אמורים להתנהג — וחסימה של כל מה שאינו מתאים — הטכנולוגיה מספקת גישה פרואקטיבית להגנה על כלי הרכב של העתיד מפני חדירות סייבר עדינות אך מסוכנות.