GhostTac: Manipulating Tactile Sensors without Physical Contact
作者: Kun Wang, Xuancun Lu, Ruochen Zhou, Kai Wang, Tongjun Ye, Yihao Shao, Chen Yan, Xiaoyu Ji, Wenyuan Xu
分类: cs.CR, cs.RO
发布日期: 2026-08-21
备注: Accepted at ACM CCS 2026
💡 一句话要点
提出GhostTac以解决触觉传感器物理层安全问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 触觉传感器 电磁干扰 无接触攻击 机器人安全 信号处理 非线性整流 操控技术
📋 核心要点
- 现有触觉传感器的物理层安全性问题未得到充分关注，容易受到攻击。
- GhostTac通过电磁干扰实现无接触操控，利用非线性整流和有限带宽放大技术，产生稳定的测量偏差。
- 在10个传感器模块上进行评估，GhostTac在所有测试设备上均表现出一致的有效性，展示了其对机器人行为的潜在影响。
📝 摘要（中文）
触觉传感器是现代机器人系统的重要组成部分，使机器人能够通过触觉反馈感知和与物理环境互动。然而，触觉传感器的物理层安全性问题尚未受到足够重视。本文提出GhostTac，这是首个无接触攻击方法，通过电磁干扰（EMI）操控触觉传感。GhostTac利用非线性整流和有限带宽放大，将精心设计的EMI信号转换为持久的直流偏移，绕过板载滤波器并引发稳定的测量偏差。该方法能够通过塑造干扰的空间分布和强度，实现对传感器输出的精细可控操控，可能导致机器人产生过大力量，损坏物体或伤害人员。我们在10个传感器模块和两个灵巧手上评估了GhostTac，涵盖15种不同类型的触觉传感器，展示了其在所有测试设备上的一致有效性。通过触觉抓取、滑动检测和材料分类的三个案例研究，进一步说明了其在实际机器人任务中的影响。
🔬 方法详解
问题定义：本文旨在解决触觉传感器在物理层面上的安全性问题，现有方法缺乏对其潜在攻击的防范，容易受到电磁干扰的影响。
核心思路：GhostTac的核心思路是通过电磁干扰（EMI）操控触觉传感器，利用非线性整流和有限带宽放大技术，将干扰信号转化为持久的直流偏移，从而实现对传感器输出的精细操控。
技术框架：GhostTac的整体架构包括信号生成、干扰施加、传感器响应监测等主要模块。首先生成特定的EMI信号，然后施加到目标传感器上，最后监测传感器的输出变化。
关键创新：GhostTac的最大创新在于其无接触攻击方式，通过电磁干扰实现对触觉传感器的操控，区别于传统的物理接触攻击，具有更高的隐蔽性和有效性。
关键设计：在设计中，关键参数包括EMI信号的频率和幅度，损失函数用于优化信号的生成，以确保干扰效果最大化，同时采用适当的网络结构以实现信号的精确控制。
🖼️ 关键图片
📊 实验亮点
GhostTac在10个传感器模块和两个灵巧手上进行了评估，涵盖15种不同类型的触觉传感器，展示了一致的有效性。通过三个案例研究，GhostTac在触觉抓取、滑动检测和材料分类任务中均表现出显著的操控能力，揭示了其对机器人行为的潜在影响。
🎯 应用场景
GhostTac的研究成果在多个领域具有潜在应用价值，尤其是在机器人技术和安全防护方面。通过识别和防范此类攻击，能够提升机器人系统的安全性，确保其在复杂环境中的可靠运行。此外，该技术也可用于测试和评估触觉传感器的抗干扰能力，为未来的传感器设计提供参考。
📄 摘要（原文）
Tactile sensors are integral to modern robotic systems, enabling robots to perceive and interact with the physical environment through tactile feedback. However, the physical-layer security of tactile sensors has received little attention. We present GhostTac, the first contactless attack, to the best of our knowledge, that manipulates tactile sensing through electromagnetic interference (EMI). GhostTac exploits nonlinear rectification and limited-bandwidth amplification, converting carefully crafted EMI signals into persistent DC offsets that bypass onboard filtering and induce stable measurement deviations. It enables fine-grained, controllable manipulation of sensor outputs by shaping the spatial distribution and magnitude of interference at targeted locations. Such manipulation can induce harmful robot behaviors, including excessive force that may damage objects or injure people. We evaluate GhostTac on 10 sensor modules and two dexterous hands, covering 15 tactile sensors of different types, and demonstrate consistent effectiveness across all tested devices. Three case studies involving tactile grasping, slip detection, and material classification further illustrate its practical impact on real robotic tasks. These findings reveal a new physical attack vector against tactile sensing in robotic systems.