Ruotsin puolustusvoimien tutkimuslaitos FOI on julkaissut raportin, joka paljastaa tekoälyn ja koneoppimisen (ML) tuomat uhat langattomille verkoille. Tutkimuksen mukaan tekoäly voi optimoida langattoman viestinnän tehokkuutta, mutta samalla se avaa uusia mahdollisuuksia vihamielisille hyökkäyksille, joita perinteiset kyberturvallisuuskeinot eivät välttämättä tunnista.
Raportti keskittyy niin sanottuun vastustukselliseen koneoppimiseen (Adversarial Machine Learning, AML), joka tarkoittaa tekoälymallien harhaanjohtamista tai väärinkäyttöä. FOI:n tutkijat arvioivat, että langattomien verkkojen turvallisuus on vaarassa erityisesti seuraavilla osa-alueilla:
- Spektrintunnistus: Hyökkääjät voivat manipuloida radioverkkojen tekoälypohjaisia algoritmeja, jolloin järjestelmä arvioi taajuuden olevan vapaana, vaikka se on varattu. Tämä voi johtaa häiriöihin ja viestinnän katkeamiseen.
- Modulaatioluokitus: Tekoälyä voidaan huijata tunnistamaan radioviestinnän modulaatio väärin, mikä vaikeuttaa viestinnän salausta ja tietoturvaa.
- Radioresurssien hallinta: Hyökkääjät voivat vaikuttaa tekoälyn avulla siihen, miten verkko jakaa taajuuksia ja kapasiteettia, mikä voi aiheuttaa häiriöitä ja tehottomuutta.
Tutkimuksessa kävi ilmi, että vaikka AML-hyökkäykset langattomissa verkoissa ovat vielä kehittymässä, ne eivät ole pelkästään teoreettisia uhkia. FOI:n analyysi osoittaa, että hyökkääjät voivat ilman täydellistä tietoa järjestelmästä hyödyntää tekoälyä radioverkkojen manipulointiin.
Suurin haaste tällaisissa hyökkäyksissä on radiokanavan dynaaminen luonne, joka vaikeuttaa niiden toteuttamista käytännössä. Kuitenkin jo nyt kehitetyt menetelmät osoittavat, että kehittyneet häirintätekniikat voivat tulevaisuudessa vaarantaa sotilaallisen ja siviiliverkkojen toimintavarmuuden.
Perinteinen kyberturvallisuus ei riitä
Raportti korostaa, että langattomien verkkojen suojaaminen vaatii uusia tekoälypohjaisia vastatoimia. Nykyiset kyberturvallisuuskeinot eivät yksin riitä estämään AML-hyökkäyksiä, vaan tarvitaan tekoälyn vahvistettuja puolustusmekanismeja.
Koska vastustuksellinen koneoppiminen kehittyy jatkuvasti, on tärkeää, että radioverkkojen suunnittelijat ja operaattorit varautuvat uhkiin jo nyt. Tämä edellyttää sekä teknologisia innovaatioita että parempaa ymmärrystä tekoälyn haavoittuvuuksista, raportissa todetaan.
Tutkimus löytyy täältä.
