网络和数据安全是物理人工智能（例如 ANYmal 检查机器人）的关键问题。来源：ANYbotics

如果您关注机器人行业，您可能见过执行后空翻的类人机器人、跑酷的机器狗以及折叠衣物的机器手臂。这种创新步伐令人鼓舞，看到人工智能对物理机器的影响令人着迷。然而，当我们将技术从受控安全的实验室转移到复杂的现实世界时，安全标题对更广泛的行业来说是一个鲜明的提醒。

最近出现了有关消费机器人真空吸尘器严重安全缺陷的报告。有趣的是，这是由一个s发现的软件工程师偶然发现了该漏洞，获得了对设备的完全控制权，并访问摄像头和麦克风以窥视私人住宅。

虽然客厅中的漏洞是一个严重的隐私问题，但化工厂或高压电网中的自主机器人所带来的风险要高得多。在这些环境中，网络安全漏洞对关键工业资产构成威胁，甚至可能对人类生命构成威胁。

人们很容易对能够跳跃或跳舞的机器人感到兴奋，但要使该行业真正规模化，焦点必须转移。机器仅仅移动是不够的。我们必须了解如何安全地部署它，最重要的是，如何保护训练这些物理系统所需的大量数据。

我相信，未来十年的机器人技术将由在现实世界中构建最值得信赖、最安全的数据循环的公司赢得。

训练人工智能：为什么模拟会遇到天花板

为了实现意义ul规模，机器人需要做的不仅仅是移动。他们需要解决需要复杂水平的情境智能的高价值工业应用。

其中一个例子是检查智能：将一致的资产状态监控、多模式传感和情境分析转变为工业运营的可操作智能的过程。机器人捕获设备状态、识别异常、通知员工并充当决策支持工具。这种级别的自主性、分析和情境决策要求机器了解其所服务的特定应用和环境。

对于基本移动性（机器人如何平衡和行走），模拟效果非常好。我们可以训练机器人在虚拟世界中爬楼梯数百万次，然后才接触混凝土。这种从模拟到真实的流程是最新尖端机器人如此强大的原因之一。

但是对于检测智能和自主性来说，模拟有一个基本的上限。您无法轻松模拟故障泵的振动曲线或化学反应器中高压气体泄漏的微妙声学特征。

除了特定设备之外，训练机器人在动态室外环境中导航也存在挑战。工业现场不是静态实验室。检测机器人必须应对大雨、厚厚的泥浆和变化的灯光，同时不妨碍人们并避免临时维护脚手架。

构建这些边缘情况所需的高级智能的唯一方法是从现场收集多样化的高保真数据，但是，这会造成根本性的进入障碍。

如果工业运营商无法做到这一点，他们将不会授予对其最敏感设施的访问权限。不信任端到端数据流的完整性。如果没有不妥协的数据安全方法，就不可能扩展工业智能。

数据飞轮：从稀缺到智能

在软件世界中，增长与分布有关。在物理人工智能中，增长与“数据飞轮”有关。

机器人有能力每月收集数十万个自主检查点。这种高保真、多模态的地面实况包括热分布、声学特征、振动基线和气体浓度读数。所有数据都必须以手动检查轮次无法达到的频率、一致性和客观性进行捕获。

这些数据是在人类经常无法安全到达的环境中收集的，构建了工业运营中以前从未存在过的东西：随着时间的推移，每个资产的可比检查基线。该基线使可靠性工程师能够看到资产的退化曲线并在小异常导致数百万美元的停机之前进行干预。

随着机器人车队从试点计划过渡到大规模工业部署，安全框架已从理论模型演变为操作必需品。对于大规模实施，保护每个传感器读数、3D 模型和安全关键洞察力的完整性是行业信任的基准。

以下原则反映了管理从远程资产返回到集中式命令系统的数据流所需的强化安全标准：

1.对安全性的全栈责任

在消费者世界中，Apple 是安全性的黄金标准，因为它对整个堆栈负责：芯片、硬件和操作系统。机器人技术需要同样的理念。

如果您在通用第三方硬件之上构建软件而不拥有设计所有权，您就会继承无法修复的漏洞。我们最近看到了这个对低成本机器人平台的研究揭示了灾难性的故障。

这包括在 Unitree G1 人形机器人中发现的硬编码加密密钥，以及在未经用户同意的情况下在 Unitree Go1 四足动物中发现的未记录的后门服务，这些服务在未经用户同意的情况下建立了通往外部服务器的远程隧道。

当安全性成为事后考虑时，机器人就变成了技术特洛伊木马。

工业级机器人依赖于全栈责任。通过将硬件和软件集成到统一架构中，自主系统可以实现一定程度的控制和安全性，而这是分散的现成平台通常无法达到的。

无论组件是定制的还是通过经过审计的合作伙伴关系采购的，保持对安全结果的责任至关重要。这需要从头开始设计“安全第一”的架构——在生产过程中纳入严格的供应商审查和硬件验证。这种深度集成确保了数据完整性y 跨每一层，保护从物理传感器到云服务器的加密路径。

在工业规模上提供检测智能需要的不仅仅是好的软件。它需要从机器人上的传感器到仪表板上的洞察力的责任。这种所有权深度必须从第一天开始就设计到架构中。

横河电机已将 OpreX 机器人管理软件与 ANYmal 检查机器人集成在一起。资料来源：ANYbotics

2。设计隔离

扩展人工智能驱动的机器人技术与传统工业 IT 的严格限制形成鲜明对比。为了实现机器人行业所需的智能，我们必须弥合站点级隐私和全局学习之间的差距。

从历史上看，应对措施是“气隙”，使系统完全离线。但气隙机器人与舰队的集体智慧隔绝了。它无法接收重要的安全更新或从其他站点检测到的新异常中学习。

为了解决这个问题，您需要一个分层架构，我们称之为“设计隔离”：

• 边缘匿名化：在敏感数据离开客户域之前对其进行过滤和去识别化。这包括自动模糊面孔、截断声音、屏蔽车牌以及删除其他个人身份信息以确保隐私。
• 多租户孤岛：每个客户的数据都保存在具有唯一加密密钥的逻辑上独立的数据平面中。
• 联合情报：这涉及使用匿名遥测来识别整个车队的优化。如果数据揭示了机械磨损的新模式或更有效的导航方式复杂的障碍，我们可以对整个舰队进行更新。每个站点都受益于车队的集体体验，同时维护客户隐私。

3.安全是一种文化，而不是清单

如果文化不优先考虑责任，即使是最强大的加密也会失败。在我们的世界中，“快速行动、打破常规”可能意味着炼油厂爆炸。

这就是为什么 ANYbotics 最近获得了 ISO 27001 认证，成为世界上第一家达到该标准的腿式机器人公司。对我们来说，这不是官僚主义的里程碑，而是对我们内部信息安全管理体系（ISMS）的压力测试。

我们一次就以零不合格的成绩通过了多阶段审核。这独立地验证了安全性不仅嵌入在我们的流程中，而且植根于我们的文化中。

网络安全首席软件工程师 Hannes Wyss（左三）和团队在苏黎世 ANYbotics 总部庆祝 ISO 27001 认证来源：ANYbotics 苏黎世

展望未来：人工智能时代的安全

随着工业运营进入人工智能时代，网络威胁正在以前所未有的速度发展，为了保持与现代威胁行为者的速度相匹配的防御态势，机器人行业正在日益转向人工智能驱动的安全。

通过在安全堆栈中使用自动化和机器学习，自主系统可以实时识别和消除漏洞。创建一个更具弹性的生态系统，在其中跨网络共享威胁情报，从而使整个行业能够随着机器人系统获得更高水平的独立性，严格的数字边界的实施对于确保自主决策不受影响并免受外部操纵至关重要。这种“强化的自主性”使工业运营商能够继续专注于机器人检查的主要价值：在故障发生前几个月识别资产退化，在固定传感器无法到达的地方获得可见性，并将人员从危险环境中撤离。

保持这些基线和异常模型的完整性是现代工业“可信基础”的基本要求。当在此级别构建安全性时，产生的安全关键洞察不仅仅是数据点，而且是数据点。它们是经过验证的信号，可以防止灾难性故障并确保长期运行连续性。