VicOne 將於 DEF CON 34 舉辦 Physical AI 安全壓力測試,驗證網路攻擊對機器人行為的影響

透過數位分身 CTF(Capture the Flag)挑戰,展示網路攻擊如何改變機器人行為,協助機器人廠商與營運商於部署前發現 Physical AI 安全風險。

Physical AI SecurityPhysical AIDEFCONRobotic Hacking Community
VicOne 將於 DEF CON 34 舉辦 Physical AI 安全壓力測試,驗證網路攻擊對機器人行為的影響

美國底特律及日本東京,2026 年 7 月 7 日——VicOne,Physical AI 與車用資安解決方案領導廠商,今日宣布將於 DEF CON 34 Robotic Hacking Community(RHC)舉辦 Physical AI 安全壓力測試(Physical AI Safety Stress Test)。這項建構於數位分身(Digital Twin)環境中的 Capture the Flag(CTF)挑戰,透過模擬真實世界攻擊情境,展示網路攻擊如何影響 AI 驅動機器人的感知、決策與行動,並協助機器人製造商與營運商在部署至人員作業環境、關鍵基礎設施及重要任務場域前,及早識別 Cyber-to-Safety 風險(網路攻擊引發的實體安全風險)。

隨著機器人從實驗室與展示場域逐步走向工廠、倉儲、公共空間及各類現場作業,安全驗證也變得日益複雜。AI 驅動的機器人不再僅依賴機械設計與固定規則的控制邏輯,而是越來越依賴感測器、API、韌體、中介軟體、AI 模型、雲端連線服務,以及Embodied Reasoning 系統。

這樣的轉變,也重新定義了機器人製造商與營運商對安全的認知。機器人的安全風險不再僅來自馬達故障等機械問題,當它接收到錯誤訊號、依循錯誤指令、信任遭入侵的 AI 模型、暴露不應公開的介面,或執行非預期的控制流程時,同樣可能危及安全。

過去 18 個月來,VicOne LAB R7 已追蹤超過 20 起公開揭露的 Physical AI 資安事件與漏洞案例,顯示隨著機器人自主性提升、連網能力增強,以及對 AI 的依賴日益提高,攻擊面正迅速擴大。

Physical AI 安全壓力測試透過可控的數位分身(Digital Twin)模擬環境,以專為 AI 機器人打造的虛擬密室逃脫形式,將真實世界的 Physical AI 資安情境轉化為可重複驗證的任務,並展示網路攻擊如何從數位入侵演變為影響機器人實體行為的安全風險。

VicOne 執行長鄭奕立(Max Cheng)表示:「當大型語言模型(LLM)與視覺語言模型(VLM)成為機器人的大腦時,提示注入(Prompt Injection)已不再只是 AI 輸出層面的問題,更可能演變為影響機器人實體行動的安全風險。這也是為什麼機器人的安全不能只依賴機械可靠性。當 Physical AI 系統開始在真實世界中進行感知、推理與行動,資安也必須成為整體安全不可或缺的一環。」 

本次挑戰涵蓋六大與機器人安全相關的實作任務,包括:

  • 針對機器人 AI 推理能力的提示注入(Prompt Injection)攻擊

  • 遭污染的 AI 策略模型(AI Policy Model),導致機器人任務行為遭到竄改

  • 針對具身感知(Embodied Perception)的對抗式視覺攻擊(Adversarial Visual Attacks)

  • 雲端與 API 的安全弱點

  • 機器人通訊協定的安全弱點(包括 ROS 2 與 DDS)

  • 嵌入式韌體信任鏈(Firmware Trust Chain)的安全弱點

每項任務皆展示不同的網路攻擊情境如何影響機器人的感知、決策、任務執行、運作邊界及信任機制。這項挑戰的目的不僅是向資安研究人員提出挑戰,更希望協助機器人製造商與營運商了解,隨著機器人自主性提升、連網能力增強,以及對 AI 的依賴日益提高,安全驗證的範圍也必須隨之擴展。

對機器人製造商而言,Cyber-to-Safety風險驗證攸關產品安全論證(Safety Case)、部署前測試、客戶信任,以及上市後監控。對營運商而言,則攸關場域安全、限制區域管控、系統可用性(Uptime)、事件應變能力,以及對自主系統能在人員、設備與關鍵資產周遭安全運作的信心。

Physical AI 安全壓力測試採用建構於物理模擬機器人模擬器(Physics-based Robotics Simulator)的 Real2Sim 數位分身(Digital Twin)環境。該環境可完整模擬 Reachy Mini Lite 與行動式手臂機器人 LeKiwi,兩款機器人也將同步於 RHC 展區亮相。每支參賽隊伍皆可透過 CTF 挑戰平台提供的 API 存取專屬且獨立的模擬環境,在不影響實體機器人安全的前提下,探索 Physical AI 的各種攻擊路徑。

透過數位分身(Digital Twin)將新興攻擊情境轉化為可重複驗證的測試,VicOne 正重新定義 Physical AI 資安在真實世界機器人安全中的角色,並推動其成為確保機器人安全的重要基礎。憑藉在車用資安、漏洞研究及 Cyber-Physical 風險驗證領域累積的深厚專業,VicOne 將其資安能力延伸至 AI 驅動的智慧機器,協助機器人製造商與營運商於產品設計、部署前驗證及實際營運等各階段,全面評估 Cyber-to-Safety 風險。

Physical AI 安全壓力測試(Physical AI Safety Stress Test)將於 2026 年 8 月 6 日至 9 日,在美國拉斯維加斯會展中心(Las Vegas Convention Center)舉辦的 DEF CON 34 中,於 Robotic Hacking Community(RHC)展區 West Hall 4,Level 1,Room 1309正式登場。此次實作型 Capture the Flag(CTF)挑戰最多開放 80 支隊伍參加。

關於 VicOne

作為趨勢科技(Trend Micro)旗下子公司,VicOne 結合超過 30 年的資安技術經驗與深厚的車用威脅情報,持續為全球車用產業提供領先的資安解決方案。透過旗下創新研究團隊 LAB R7,VicOne 正將其車用資安專業延伸至 Physical AI 領域,聚焦 AI 機器人資安與智慧系統安全研究,協助產業因應 AI 驅動時代的新興安全挑戰。更多資訊請參閱 vicone.com/lab_r7