深度分析
AI机器人安全需重估：三层网络攻击面浮现
一篇由VicOne提供的文章指出，物理AI机器人依靠多模态传感器感知、用AI模型决策并转化为物理动作，其安全不再只关乎故障，还取决于引导决策的数据是否可信；文章梳理了从模型后门、系统漏洞到运行时感知操纵的三层攻击面。
发布于 · 更新于 · 来源：IEEE Spectrum · Robotics
该文由VicOne提供，信息来自IEEE Spectrum·Robotics，经AI整理。文章提出，物理AI时代的安全问题不再只是机器故障时是否安全，还包括攻击者改变机器人所看、所判断或所做时的风险，而此时系统表面可能看不出任何异常。
文章把攻击面分为三层：训练管线中的模型后门（如BadNets与针对视觉-语言-动作模型的BadVLA）、系统栈漏洞（如影响四足与人形机器人的蓝牙利用链UniPwn）、以及运行时对感知与推理的操纵。作者认为，功能安全之外还需引入网络安全，覆盖设计、部署前验证与运行监控的机器人全生命周期。
查看原始来源