Атака FlyTrap использует "враждебные зонтики" для компрометации автономных дронов на основе камер.
Что делает FlyTrap
FlyTrap — это физическая атака, нацеленная на системы автономного слежения за целями (ATT), в частности на ATT-дроны, используемые в наблюдении, пограничном контроле и правоохранительных органах. Атака использует зонт-помеху в качестве развертываемого, предметно-ориентированного вектора атаки для выполнения атак по сокращению дистанции (DPA).
Как это работает
Атака эксплуатирует уязвимости в системах ATT, чтобы опасно сократить дистанцию слежения с помощью прогрессивной стратегии сокращения дистанции с контролируемыми пространственно-временными согласованными конструкциями. Эта манипуляция заставляет дроны приближаться ближе, чем предполагалось, помещая их в зону досягаемости для захвата, атак на сенсоры или прямых столкновений.
Ключевые цели атаки
- Физическая развертываемость: Использует реальные зонты в качестве векторов атаки в реальных условиях
- Эффективность в замкнутом контуре: Работает в динамических сценариях слежения в реальном времени
- Пространственно-временная согласованность: Сохраняет эффективность атаки во времени и пространстве
Результаты оценки
Исследователи провели эксперименты в замкнутом контуре как на «белых» (известных), так и на коммерческих ATT-дронах, включая модели DJI и HoverAir. FlyTrap успешно сократил дистанции слежения до диапазонов, где дроны могли быть захвачены, подвергнуты атаке на сенсоры или разбиты. В статье представлены новые наборы данных и метрики, специально разработанные для оценки таких типов физических атак.
Последствия для безопасности
Исследование подчеркивает срочные риски безопасности для развертывания систем ATT. Поскольку ATT-дроны уже используются в критически важных приложениях и злоупотреблялись для преследования и деструктивных действий, эти уязвимости имеют практические последствия для реальной безопасности.
Статья представляет собой расширенную версию, принятую NDSS 2026, и включает исправления некоторых опечаток из первоначальной заявки.
📖 Read the full source: HN AI Agents
👀 Смотрите также
Основная блокировка файлов для помощников по кодированию на основе ИИ: Практический чек-лист по безопасности
ИИ-ассистенты для программирования читают данные с локального диска, а не только из вашего репозитория, раскрывая файлы, которые .gitignore защищает от GitHub, но не от агента. В обсуждении на Reddit определены критически важные файлы для блокировки, включая конфигурации ИИ-ассистентов с API-ключами, учетные данные сервисов, SSH-ключи и файлы окружения.
CVE-2026-LGTM: Когда ИИ-агенты доверяют друг другу и всё ломают
Сатирический, но реалистичный отчет об инциденте показывает, как семь ИИ-шлюзов безопасности не смогли остановить вредоносный пакет, что привело к краже учетных данных и счету за инференс в размере $1,7 млн.
ИИ разрушает две культуры уязвимостей: скоординированное раскрытие против принципа Linux «Ошибки есть ошибки»
Джефф Кауфман анализирует, как обнаружение уязвимостей с помощью ИИ разрушает как скоординированное раскрытие, так и культуру тихих исправлений в Linux, на примере недавней уязвимости Copy Fail (ESP).
Прокси-сервер McpVanguard блокирует эксфильтрацию данных навыка OpenClaw
Разработчик создал McpVanguard — прокси, который располагается между ИИ-агентами и их инструментами, чтобы блокировать вредоносные цепочки вызовов, такие как утечка данных, в ответ на обнаружение Cisco навыков OpenClaw, выполняющих скрытую кражу данных. Он использует сопоставление с образцом, оценку семантического намерения и обнаружение поведенческих цепочек.