Wykrywanie anomalii w zachowaniu robota usługowego z wykorzystaniem sieci LSTM

Praca dotyczy zagadnień cyberbezpieczeństwa mobilnych robotów usługowych z rozproszoną architekturą sterowania. Prezentowane jest autorskie podejście do detekcji anomalii w działaniu robota na podstawie odczytów z czujników, przy założeniu, że ataki skutkują niezgodnym z zakładanym zachowaniem robota. Opracowany system wykrywania włamań RIDS wykorzystuje głębokie, rekurencyjne sieci neuronowe. W pracy przedstawiona jest architektura sieci, jej parametry oraz atrybuty, na podstawie których identyfikowane są potencjalne ataki. Rozwiązanie zostało zweryfikowane w środowisku laboratoryjnym z wykorzystaniem robota TIAGo firmy PAL Robotics. Wyniki badań potwierdzają, że proponowany system może skutecznie wspierać proces wykrywania zagrożeń komputerowych wpływających negatywnie na funkcjonowanie systemów robotycznych.

---

The paper addresses cybersecurity issues of mobile service robots with distributed control architecture. A novel robot intrusion detection system (RIDS) that employs deep recurrent neural networks to detect anomalies in robot performance based on sensor readings, under the assumption that attacks result in incompatible robot behavior is described. The performance of the RIDS system was evaluated in a laboratory environment using the TIAGo robot from PAL Robotics. The presented experimental results confirm that RIDS can effectively support the process of detecting computer threats that negatively affect the service robot operating.