Tom Tuunainen
Autonomisista ajoneuvoista löytyvät navigointijärjestelmät ovat keskeisiä osia itseohjautuvaa liikennettä. Ne mahdollistavat ajoneuvojen toiminnan ilman ihmisen läsnäoloa, samalla kun ne parantavat tehokkuutta ja turvallisuutta. Autonomisten navigointijärjestelmien sidokset muun muassa ajoneuvojen sensoreihin, tietoverkkoihin ja algoritmeihin tekevät näistä työkaluista kuitenkin haavoittuvia kyberhyökkäyksille. Nämä saattavat onnistuessaan aiheuttaa vakavia seurauksia itse ajoneuvolle, mutta myös ympäröivälle liikenteelle. Tähänkin tilanteeseen löytyy kuitenkin onneksi ratkaisuja.
Autonomiset navigointijärjestelmät ovat tyypillisiä kyberfyysisiä järjestelmiä, joiden toiminta perustuu useiden teknologioiden yhteistoimintaan. Yhteistoiminnan tavoitteena on muodostaa ympäristöstä tarkempi, luotettavampi ja kattavampi kokonaiskuva kuin mihin yksittäinen teknologia pystyy erikseen. Kerättyjen tietojen perusteella navigointijärjestelmä muodostaa tilannekuvan ja tekee sen jälkeen päätöksiä liikkeistä. Juuri tämä luotettavuus, joka perustuu sensoreiden, kameroiden ja satelliittipaikannuksen yhteiseen dataan, on keskeinen tekijä järjestelmän turvallisuuden näkökulmasta. Virheellinen tai manipuloitu data voi johtaa vääriin ratkaisuihin, jolla voi olla vakavia seurauksia navigointijärjestelmän ohjaamalle ajokille. (Gao, Wang, Shi, Wang & Chen 2022; Xiang, Feng, Xie, Shi, Lu, Lv, Yang & Niu 2023; Zentner, West & Stauffer 2025.)
Yksi merkittävimmistä uhkista autonomisille navigointijärjestelmille on GPS-signaalin väärentäminen, eli ns. spoofing. Se on kyberhyökkäys, jossa laitteelle lähetetään tässä kontekstissa väärennettyjä satelliittisignaaleja. Tavoitteena on huijata signaalin vastaanotin näyttämään väärää sijaintia tai aikaa. Koska siviilikäyttöön tarkoitettu GPS ei sisällä vahvaa todentamista, saattaa kyberrikollinen kyetä manipuloimaan paikannustietoa, mikä johtaa tällöin järjestelmän virheellisten päätösten tielle. Tällaiset hyökkäykset voivat aiheuttaa vakavia navigointivirheitä, järjestelmän hallinnan menetyksen tai jopa hengenvaarallisia tilanteita (Zentner, West & Stauffer 2025). Nämä haavoittuvuudet ovat erityisen kriittisiä esimerkiksi miehittämättömissä järjestelmissä, kuten drooneissa, joissa navigointi perustuu lähes yksinomaan satelliittien signaaleihin (Korium, Saber, Ahmed, Narayanan & Nardelli 2024).
Sensorijärjestelmiin kohdistuvat hyökkäykset muodostavat toisen keskeisen riskikokonaisuuden. Muun muassa LiDAR-järjestelmiä voidaan huijata, jotta ne antavat vääriä havaintoja ympäristöstään. Monet tutkimukset ovat osoittaneet, että jopa yksinkertaiset menetelmät voivat häiritä LiDAR-pohjaisia havaintojärjestelmiä, mikä voi johtaa virheellisiin päätöksiin reitin suunnittelussa tai esteiden väistämisessä ja näin ollen aiheuttaa vaaratilanteita (Guesmi & Shafique 2024). On siis tärkeää, että käytössä on monimuotoinen havainnointijärjestelmä, jossa yksittäisen teknologian virhe ei johda kokonaisuuden karille karahtamiseen.
Autonomisten navigointijärjestelmien viestintä muodostaa kolmannen merkittävän uhan turvallisuudelle. Autonomiset navigointijärjestelmät hyödyntävät langattomia verkkoja tiedon vaihtamiseen muiden järjestelmien ja infrastruktuurin kanssa. Tämä mahdollistaa tehokkaan toiminnan, mutta samalla tämä altistaa järjestelmän myös viestien manipuloinnille ja palvelunestohyökkäyksille (Rugo, Ardagna & Ioini 2022).
Haavoittuvuuksia on siis monia, ja kyberpuolustuksen tulisi myös autonomisten navigointijärjestelmien kontekstissa rakentua ennaltaehkäisyn, havaitsemisen ja vaikutusten lieventämisen varaan. Ennaltaehkäisy saavutetaan esimerkiksi turvallisten tietoliikenneprotokollien käytöllä ja koventamisella (engl. hardening), jonka avulla tietoturva-aukot suljetaan jo lähtökuopissa. Mekanismit, jotka tunnistavat poikkeamia, havaitsevat vuorostaan epänormaalia käyttäytymistä ja mahdollistavat näin ollen käytössä olevan resurssikokonaisuuden kohdentamisen normaalin tilanteen palauttamiseen. Vaikutusten lieventämisessä keskitytään vuorostaan ratkaisuihin, joissa järjestelmä kykenee jatkamaan turvallisesti toimintaansa meneillään olevasta kyberhyökkäystilanteesta huolimatta.
Kyberturvallisuuden kehittäminen edellyttää siis kokonaisvaltaista lähestymistapaa. Tässäkin kontekstissa tulee mahdollisuuksien mukaan huomioida kaikki osa-alueet sekä alueiden väliset riippuvuudet. Kun autonomisia navigointijärjestelmiä kehitetään, on tärkeää yhdistää teknologinen innovaatio, vahva turvallisuusajattelu ja ammattikorkeakoulun TESSA-hankkeen (Centria 2026) kaltainen pilotointikokeilu, jotta turvallisuutta voidaan edistää parhaimmalla mahdollisella tavalla. Tärkeää on löytää sekä kehittää ratkaisuja, jotka kykenevät käsittelemään monia eri hyökkäysskenaarioita ja jotka toimivat realistisissa käyttöympäristöissä, jotta navigointijärjestelmien kestävä ja turvallinen käyttö voidaan varmistaa hamaan tulevaisuuteen.
Lähteet
Centria. 2026. TESSA – Teollisuuspuistojen saavutettavuus ja sitä tukevat hiilineutraalit logistiset ratkaisut. Saatavissa: https://kpkuntaraha.fi/hankehakemus/robobus/. Viitattu 25.5.2026.
Gao, C., Wang, G., Shi, W., Wang, Z. & Chen, Y. 2022. Autonomous Driving Security: State of the Art and Challenges. IEEE Internet of Things Journal, 9 (10), 7572–7595. Saatavissa: https://doi.org/10.1109/JIOT.2021.3130054. Viitattu 12.5.2026.
Guesmi, A. & Shafique, M. 2024. Navigating Threats: A Survey of Physical Adversarial Attacks on LiDAR Perception Systems in Autonomous Vehicles. arXiv:2409.20426. Saatavissa: https://doi.org/10.48550/arXiv.2409.20426. Viitattu 20.5.2026.
Korium, M. S., Saber, M., Ahmed, A. M., Narayanan, A. & Nardelli, P. H. J. 2024. Image-based intrusion detection system for GPS spoofing cyberattacks in unmanned aerial vehicles. Ad Hoc Networks, 163, 103597. Saatavissa: https://doi.org/10.1016/j.adhoc.2024.103597. Viitattu 18.5.2026.
Rugo, A., Ardagna, C. A. & Ioini, N. E. 2022. A Security Review in the UAVNet Era: Threats, Countermeasures, and Gap Analysis. ACM Computing Surveys, 55 (1), 1-35. Saatavissa: https://doi.org/10.1145/3485272. Viitattu 20.5.2026.
Xiang, C., Feng, C., Xie, X., Shi, B., Lu, H., Lv, Y., Yang, M. & Niu, Z. 2023. Multi-Sensor Fusion and Cooperative Perception for Autonomous Driving: A Review. IEEE Intelligent Transportation Systems Magazine, 15 (5), 36–58. Saatavissa: https://doi.org/10.1109/MITS.2023.3283864. Viitattu 13.5.2026.
Zentner, A., West, T. & Stauffer, B. 2025. Advancing GPS Spoofing Detection for Autonomous Vehicles through Deep Learning and Hybrid Architectures. SSRN. Saatavissa: https://dx.doi.org/10.2139/ssrn.5577594. Viitattu 13.5.2026.
Tom Tuunainen
TKI-kehittäjä
Centria-ammattikorkeakoulu
p. 040 681 7207
