Irvine (California).- Los vehículos autónomos, cada vez más presentes en las calles de todo el mundo, podrían enfrentar un grave problema de seguridad debido a una amenaza inesperada: pegatinas multicolores en señales de tráfico.
Investigadores de la Universidad de California en Irvine (UC Irvine) han demostrado por primera vez que estos adhesivos pueden engañar a los algoritmos de inteligencia artificial utilizados en estos vehículos, generando acciones impredecibles y potencialmente peligrosas.
El hallazgo, presentado en el Simposio sobre Seguridad de Redes y Sistemas Distribuidos en San Diego, confirma que ataques maliciosos de bajo costo pueden hacer que los automóviles autónomos ignoren señales de tráfico reales o perciban señales inexistentes.
Esto puede provocar desde frenadas de emergencia injustificadas hasta exceso de velocidad y otras infracciones, poniendo en peligro la seguridad vial.
El estudio, realizado por la Escuela Donald Bren de Información y Ciencias Informáticas de la UC Irvine, es el primero en evaluar a gran escala los sistemas de reconocimiento de señales de tráfico en marcas de vehículos comerciales ampliamente utilizadas.
Según Alfred Chen, profesor adjunto de informática en la UC Irvine y coautor del estudio, el crecimiento del uso de vehículos autónomos, como los de Waymo y Tesla, hace que la seguridad de estos sistemas sea una prioridad urgente.
Ningfei Wang, autor principal de la investigación y científico de Meta, explicó que el equipo utilizó pegatinas con diseños en espiral para confundir los algoritmos de reconocimiento de señales de tráfico.
Estas pegatinas pueden ser creadas con herramientas accesibles como Python y bibliotecas de procesamiento de imágenes, lo que significa que cualquier persona con conocimientos básicos y una impresora a color podría generar este tipo de ataques.
El equipo de investigadores también descubrió que muchos sistemas comerciales de reconocimiento de señales tienen una característica llamada «memorización espacial». Si bien esto dificulta la eliminación de una señal del campo de visión de un vehículo, facilita la falsificación de una señal de stop falsa, lo que representa un riesgo mayor del que se había anticipado en estudios previos.
Chen destacó que esta investigación llena un vacío importante en el estudio de la seguridad de los vehículos autónomos en el mundo real. Hasta ahora, la mayoría de los análisis se habían realizado en entornos académicos controlados, sin considerar el comportamiento de estos sistemas en automóviles disponibles comercialmente.
Además, el estudio permitió identificar errores y suposiciones incorrectas en investigaciones previas, lo que podría reorientar futuras líneas de investigación en este campo.
Los investigadores esperan que este trabajo motive a más expertos en el ámbito académico y en la industria a evaluar el impacto real de estas vulnerabilidades. Según Chen, antes de tomar medidas regulatorias, es necesario entender con precisión los riesgos y su alcance en la seguridad vial.
El estudio contó con la colaboración de Takami Sato y Yunpeng Luo, exestudiantes de posgrado de la UC Irvine; Shaoyuan Xie, actual estudiante de posgrado de la UC Irvine; y Kaidi Xu, profesora adjunta de informática en la Universidad de Drexel. Además, recibió el respaldo de la Fundación Nacional de Ciencias y del Centro de Transporte Universitario CARMEN+ del Departamento de Transporte de los Estados Unidos.
