Peneliti keamanan siber dari Georgia Tech menemukan kerentanan bernama VillainNet yang dapat menyusup ke mobil otonom. Kerentanan ini berupa pintu belakang tersembunyi di bagian kecil dari jaringan AI.
Jaringan super menukar subjaringan kecil untuk tugas berbeda, misalnya saat hujan atau lalu lintas. Pintu belakang itu tidak aktif sampai subjaringan tertentu dipilih. Saat aktif, penyerang bisa mengambil kendali dan mengancam keselamatan penumpang. Para peneliti mengatakan serangan ini sulit dideteksi dan meminta langkah keamanan tambahan untuk jaringan super.
Kata-kata sulit
- kerentanan — kondisi atau kelemahan yang bisa dimanfaatkan
- pintu belakang — kode tersembunyi untuk masuk ke sistem
- subjaringan — bagian kecil dari jaringan yang lebih besar
- menukar — mengganti satu bagian dengan bagian lain
- penyerang — orang atau pihak yang menyerang sistem
- mengancam — menyebabkan bahaya atau risiko pada keselamatan
Tips: arahkan kursor, fokus, atau ketuk kata yang disorot di dalam teks untuk melihat definisi singkat sambil membaca atau mendengarkan.
Pertanyaan diskusi
- Apakah Anda akan merasa aman naik mobil otonom? Mengapa atau mengapa tidak?
- Langkah keamanan tambahan apa yang menurut Anda penting untuk mencegah serangan seperti ini?
- Mengapa pintu belakang sulit dideteksi menurut artikel?
Artikel terkait
Studi: Agen Peramban AI Menimbulkan Risiko Keamanan
Penelitian University of Washington menemukan beberapa agen peramban AI dapat melewati aturan keamanan dan mengakses data dari situs lain. Peneliti menunjukkan dua jenis serangan teknis dan memberi tahu pembuat browser tentang temuan ini.
Studi: AI Tidak Membuat Menulis Lebih Mudah bagi Mahasiswa
Sebuah studi menemukan bahwa penggunaan AI generatif sering menambah tuntutan kognitif saat menulis. Peneliti mengikuti mahasiswa dalam kursus tentang AI dan menulis, lalu menyimpulkan AI perlu digunakan untuk mendukung, bukan menggantikan, peran manusia.
Peningkatan Permintaan Listrik dari Pusat Data Bisa Naikkan Harga dan Emisi
Studi memperingatkan bahwa pertumbuhan pusat data dan penambangan kriptokurensi dapat menaikkan biaya listrik dan emisi di Amerika Serikat pada 2030. Peneliti memodelkan permintaan dan memproyeksikan kenaikan harga serta emisi, serta menyoroti ketidakpastian biaya dan bahan bakar.