자율주행 차량 장거리 경로 탈취 공격

초록

본 논문은 시각 기반 엔드‑투‑엔드 자율주행 스택을 표적로, 앞차에 부착된 재구성 가능한 디스플레이가 보여주는 적대적 패치를 이용해 피해 차량을 장기간에 걸쳐 원래 경로에서 벗어나 공격자가 지정한 목적지로 유도하는 “JackZebra” 프레임워크를 제안한다. 패치 은행을 사전 생성하고, 실시간으로 피해 차량의 행동을 관찰·예측해 적절한 패치를 교체하는 폐쇄‑루프 제어 방식을 채택해 다양한 조명·날씨·교통 상황에서도 지속적인 영향을 유지한다. 시뮬레이션 실험에서 39개 경로 중 34개를 성공적으로 탈취했으며, 공격은 교통 규칙을 위반하지 않아 눈에 띄지 않는다.

상세 분석

JackZebra는 기존 물리적 적대적 공격이 “즉시‑충돌” 혹은 “일시적 차선 이탈”에 초점을 맞춘 것과 달리, 장거리 경로 무결성을 깨뜨리는 새로운 위협 모델을 정의한다. 핵심 아이디어는 적대적 패치를 “조향 원시(primitives)”으로 보고, 이를 실시간으로 선택·조정함으로써 피해 차량의 연속적인 재계획 단계에 지속적인 편향을 주입하는 것이다. 이를 위해 논문은 두 단계의 파이프라인을 설계한다. 첫 번째 오프라인 단계에서는 목표 도시의 지도와 스트리트 뷰 데이터를 활용해 다양한 회전 각도·방향을 구현하는 패치 집합(patch bank)을 생성한다. 여기서는 최악의 배경·센서 변동성을 고려한 min‑max 최적화를 적용해, 조명 변화, 안개·비 등 악천후, 다양한 시점·거리에서도 효과가 유지되도록 한다. 두 번째 온라인 단계에서는 공격 차량이 피해 차량 앞에 위치하고, 후면 디스플레이에 현재 상황에 맞는 패치를 출력한다. 시스템은 후방 카메라와 GPS를 통해 피해 차량의 현재 위치·속도·예상 궤적을 추정하고, 이를 기반으로 패치 교체 알고리즘을 실행한다. 예를 들어, 피해 차량이 예상보다 좌회전을 적게 수행하면, 더 큰 좌회전 편향을 유도하는 패치를 표시해 보정한다. 이와 동시에 전방 카메라와 라이다를 이용해 교통 신호·보행자 등을 인식해 공격 차량 자체가 규칙을 위반하지 않도록 한다.

기술적 난제는 “시간적 지속성”이다. 차량은 매 프레임마다 이미지 → 임베딩 → 의사결정 → 경로 계획 → 제어 명령이라는 폐쇄 루프를 수행한다. 따라서 적대적 신호는 시점·거리·조명·기상·교통 흐름이 변해도 일관된 편향을 제공해야 한다. JackZebra는 패치를 단순 이미지가 아니라, 특정 조향 각도를 유도하도록 학습된 “조향 원시”로 설계함으로써, 각 상황에 맞는 편향량을 정량적으로 예측·조정한다. 또한, 패치 은행을 사전 생성해 두어 실시간 연산 부하를 최소화하고, 온라인에서는 선택·전환만 수행한다.

실험은 CARLA 기반 시뮬레이터와 SimLingo, Bench2Drive를 결합해 39개의 원‑대‑적 경로 쌍을 테스트했다. 성공률은 87%에 달했으며, 평균 탈취 거리 122.2 m를 기록했다. 탈취 과정은 교통 규칙 위반이나 급격한 가속·감속이 거의 없었으며, 외부 관찰자나 승객이 쉽게 인지하기 어려운 수준이었다. 이는 기존 물리적 패치 공격이 보통 눈에 띄는 위험 신호를 동반하는 것과 대조된다.

논문의 기여는 다음과 같다. (1) 장기 경로 탈취라는 새로운 공격 목표 정의, (2) 최악 상황을 고려한 min‑max 기반 패치 생성 방법, (3) 실시간 행동 피드백을 이용한 인터랙티브 패치 조정 루프 설계, (4) 교통 규칙을 준수하면서도 지속적인 편향을 제공하는 전체 프레임워크 구현 및 시뮬레이션 기반 검증. 이러한 결과는 자율주행 시스템이 카메라 기반 인식에 과도하게 의존할 경우, 물리적 환경을 이용한 은밀한 장거리 공격에 취약함을 보여준다. 향후 방어 전략으로는 다중 센서 융합 강화, 적대적 패치 탐지 모델, 그리고 차량 간 협업을 통한 이상 행동 감지가 필요할 것으로 보인다.