Seiring dengan semakin canggihnya mobil tanpa pengemudi, mobil-mobil tersebut bergantung pada jaringan yang memungkinkan mereka untuk berkomunikasi satu sama lain dan dengan infrastruktur, sebuah sistem yang dikenal sebagai vehicle-to-everything (V2X).

Teknologi ini membantu kendaraan otonom “melihat” lebih banyak lingkungan di sekitarnya dengan berbagi data dengan kendaraan lain.

Namun, sebuah studi baru yang dipimpin oleh University of Michigan telah mengungkapkan bahwa komunikasi jaringan ini disertai dengan risiko keamanan yang signifikan.

Penelitian tersebut, yang dipresentasikan pada Simposium Keamanan USENIX ke-33 di Philadelphia dan dipublikasikan di server pracetak arXiv, menyoroti bagaimana sistem V2X ini rentan terhadap serangan pemalsuan data.

Dalam serangan tersebut, peretas dapat memasukkan objek palsu ke dalam aliran data atau menghapus objek asli, yang berpotensi menyebabkan kendaraan mengerem tiba-tiba atau bahkan menabrak.

"Meskipun teknologi V2X menawarkan potensi luar biasa dengan memungkinkan kendaraan berbagi data persepsi dan meningkatkan keselamatan, teknologi ini juga membuka peluang baru bagi para peretas," kata Z. Morley Mao, seorang profesor ilmu komputer dan teknik di Universitas Michigan dan penulis senior studi tersebut.

Untuk memahami kerentanannya, para peneliti menguji serangan dalam simulasi virtual dan skenario dunia nyata di Fasilitas Uji Mcity Universitas Michigan.

Mereka berfokus pada bagaimana para peretas dapat merusak sensor LiDAR kendaraan, yang menciptakan gambar 3D dari lingkungan sekitar.

Dengan menggunakan metode yang disebut penjadwalan serangan tanpa penundaan, para peretas dapat memasukkan data berbahaya ke dalam sistem tanpa jeda, sehingga serangan tersebut sangat efektif.

Dalam pengujian virtual, serangan ini memiliki tingkat keberhasilan 86%, sementara pengujian dunia nyata menyebabkan tabrakan dan pengereman keras.

Para peneliti tidak hanya mengidentifikasi masalah—mereka juga mengusulkan solusi. Mereka mengembangkan sistem penanggulangan yang disebut Deteksi Anomali Kolaboratif.

Sistem ini menggunakan peta 2D bersama dari lingkungan untuk memeriksa silang data yang berasal dari berbagai kendaraan, membantu mendeteksi dan memblokir data yang mencurigakan atau tidak normal.

Sistem ini sangat efektif, dengan tingkat deteksi 91,5% dan tingkat positif palsu hanya 3% di lingkungan simulasi. Sistem ini juga mengurangi risiko kecelakaan dalam pengujian di dunia nyata.

Temuan ini penting untuk meningkatkan keselamatan dan keamanan kendaraan yang terhubung dan otonom.

Temuan ini juga memiliki aplikasi yang lebih luas, seperti di kota pintar, logistik, dan sistem pertahanan.

“Dengan menyediakan kumpulan data tolok ukur yang komprehensif dan membuka sumber metodologi kami, studi kami menetapkan standar baru untuk penelitian di bidang ini, yang mendorong pengembangan dan inovasi lebih lanjut dalam keselamatan dan keamanan kendaraan otonom,” kata Mao.

Seiring terus berkembangnya teknologi kendaraan self-driving, memastikan keamanannya akan menjadi kunci untuk melindungi penumpang dan pengguna jalan lainnya.