• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Den första titten på hur hackade självkörande bilar skulle påverka trafiken i New York City

    Kluster av sammankopplade vägar. Samma färg anger vägar som är en del av samma kluster, dvs. alla anslutna. När det inte finns några hackade fordon, alla vägar är anslutna (gul). Men eftersom det finns fler hackade fordon, fler färger dyker upp, och varje kluster är otillgängligt från det andra. När någonstans mellan 10-20 % av fordonen i rusningstid hackade, storleken på det största klustret minskar dramatiskt. Vi kallar denna tröskel (~10-15 hackade fordon/km/fil) punkten för stadens fragmentering. I princip halva staden är otillgänglig från resten över denna tröskel. Kredit:Skanda Vivek/ Georgia Tech

    När automatiserade bilar blir vanligare, det är allt mer sannolikt att internetanslutna fordon kan stängas av samtidigt. För närvarande, tillsynsmyndigheter tenderar att fokusera på att förebygga enskilda incidenter, som fotgängaren som blev påkörd och dödad av en självkörande Uber i Arizona förra året. Dock, de misslyckas med att ta itu med effekterna av ett storskaligt hack i en urban miljö.

    Denna vecka vid 2019 American Physical Society March Meeting i Boston, Skanda Vivek kommer att presentera sin forskning om de cyberfysiska riskerna med hackade internetuppkopplade fordon. Han kommer också att delta i en presskonferens som beskriver arbetet. Information för att logga in för att titta och ställa frågor på distans finns i slutet av detta pressmeddelande.

    Vivek och hans team upptäckte att även ett småskaligt hack, påverkar endast 10 procent av fordonen på Manhattan, kan orsaka stopp i staden och hindra räddningstjänsten. Baserat på dessa fynd utvecklade teamet också en riskreducerande strategi för att förhindra massförstöring i städerna från ett fåtal komprometterade fordon.

    Vivek, en postdoktor i Peter Yunker-labbet vid Georgia Institute of Technology, använde agentbaserade simuleringar för att undersöka hur hackor kan påverka trafikflödet i New York. Han och hans team, inklusive Yunker, doktorand David Yanni och Jesse Silverberg, grundare av Multiscale Systems Inc., upptäckte till slut att genom att använda perkolationsteori, en matematisk metod baserad på statistisk analys av nätverk, de kunde kvantifiera hur dessa scenarier skulle utspela sig i New York City i realtid.

    Dessutom, deras analys hjälpte teamet att utveckla en riskreducerande strategi:att använda flera nätverk för anslutna fordon för att minska antalet bilar som kunde äventyras vid ett enda intrång. "Om inte mer än, säga, 5 procent av anslutna fordon var uppdelade i samma nätverk eller använde samma nätverksprotokoll, risken för fragmentering i staden skulle vara låg, " sa Vivek. "Därför, en hackare med avsikt att orsaka storskaliga störningar inför denna uppdelade multinätverksarkitektur skulle behöva utföra flera samtidiga intrång, vilket ökar svårigheten för en sådan attack och gör det mindre sannolikt att inträffa."

    betonar hur brådskande denna fråga är, Vivek kommenterade att "komprometterade fordon är till skillnad från komprometterade data. Kollisioner orsakade av komprometterade fordon utgör fysisk fara för fordonets passagerare, och dessa störningar skulle potentiellt ha breda konsekvenser för det totala trafikflödet." Även om det har varit offentlig granskning av individuella kollisioner, detta arbete behövs eftersom de "sannolika effekterna av ett storskaligt hack på trafikflödet ännu inte har kvantifierats, sa Vivek.

    På tal om det oundvikliga med mer autonoma system på vägen, "Anslutna bilar är framtiden, " Vivek sa. "De har en enorm potential för positiv inverkan ekonomiskt, miljömässigt, och, för tidigare förare som inte längre är frustrerade av överbelastade pendlingar, psykologiskt. Vårt arbete står inte i motsats till framtiden för uppkopplade bilar. Snarare, nyheten i vårt arbete ligger i att identifiera och kvantifiera de underliggande cyberfysiska riskerna när flera uppkopplade fordon äventyras. Genom att belysa dessa teknologier i ett tidigt skede, vi hoppas att vi kan hjälpa till att förebygga värsta scenarier."


    © Vetenskap https://sv.scienceaq.com