När det gäller bilar som kör sig själva, de flesta är fortfarande tveksamma. Det finns liknande reservationer när det gäller sensorer ombord som samlar in data om förarens nuvarande hälsotillstånd. Som en del av SECREDAS-projektet, ett forskningskonsortium inklusive Fraunhofer Institute for Experimental Software Engineering IESE undersöker säkerheten, säkerhet och integritet för dessa system. Syftet är att öka förtroendet för sådan teknik.

Det finns fortfarande en bit kvar innan människor kan övertalas att anamma en ny teknik som självkörande bilar. När det gäller att fatta beslut i vägtrafiken, vi tenderar att lita större på mänskliga förare än till mjukvara. Öka förtroendet för sådana anslutna, automatiserade system och deras förmåga att möta säkerhets- och datasekretess - oavsett om det rör sig om rörlighet eller medicin:det är konsortiets målsättning bakom SECREDAS -projektet. SECREDAS – som står för "Produktsäkerhet för pålitliga och pålitliga automatiserade system över flera domäner" – samlar 69 partners från 16 europeiska länder, inklusive Fraunhofer Institute for Experimental Software Engineering IESE. Detta projekt syftar till att säkerställa att europeiska OEM-tillverkare förblir konkurrenskraftiga på detta område. Det har en total finansiering på 51,6 miljoner euro, med EU som bidrar med cirka 15 miljoner euro till denna summa.

Öka säkerheten för självkörande bilar

Kontrollen av autonoma fordon ligger i allt större utsträckning i händerna på neurala nätverk. Dessa används för att bedöma vardagliga trafiksituationer:Är trafikljuset rött? Är ett annat fordon på väg att korsa vägen framför dig? Problemet med neurala nätverk, dock, är att det fortfarande är oklart hur de kommer till sådana beslut. "Vi utvecklar därför en säkerhetsövervakare. Denna kommer att i realtid övervaka beslut som tas av det neurala nätverket. Om det behövs, den kan ingripa på grundval av denna bedömning, " säger Mohammed Naveed Akram från Fraunhofer IESE. "Säkerhetsövervakaren använder klassiska algoritmer, som fokuserar på nyckelparametrar snarare än att bedöma den övergripande situationen - det är vad de neurala nätverken gör. Vårt arbete för SECREDAS-projektet handlar främst om att identifiera lämpliga mått för detta ändamål, men vi tittar också på hur man bäst kan vidta lämpliga motåtgärder för att avvärja fara. "

Följande exempel illustrerar vad detta innebär i praktiken. När fordonet närmar sig en korsning, ett neuralt nätverk bedömer den övergripande situationen:Vem har företräde? Visar trafikljuset rött eller grönt? Finns det fotgängare i riskzonen? Är fordon på väg att korsa vägen framför? Under tiden, säkerhetsövervakarens algoritmer koncentrerar sig på specifika mätvärden. Dessa kan inkludera den allmänna tiden till kollision (GTTC), som är baserad på banorna för ett fordon på en kollisionskurs, eller i värsta fall slaghastighet, som bestämmer graden av skada baserat på den sannolika kollisionshastigheten. Om bilen är på väg mot en annan trafikant som det neurala nätverket inte har kunnat upptäcka, säkerhetsövervakarens algoritmer kommer att inse att avståndet till denna eller andra trafikanter minskar i en farlig grad. Och om de autonoma systemen misslyckas, säkerhetsövervakaren tar då kontroll över fordonet och drar på bromsarna. "Vi har undersökt olika mätvärden för att se hur väl vi kan bedöma en farlig situation som denna, " förklarar Akram. Forskare har använt datorsimulering för att modellera effektiviteten av dessa mätvärden i en rad kritiska situationer - med imponerande resultat. "I kombination med dynamisk riskhantering, Användningen av konventionella metoder för att övervaka neurala nätverk i realtid kan ge en avsevärd ökning av säkerheten, säger Akram.

Bättre service eller starkare dataskydd?

Att dela en bil kan vara ett drag:varje gång du använder den, du måste justera om sätet och backspegeln, ställ in radion på din önskade kanal och ange dina favoritplatser igen i navigationssystemet. Det är, självklart, helt möjligt att spara sådana personliga inställningar, så att de automatiskt kan väljas för varje förare. För en del människor, detta representerar en mycket praktisk funktion. andra, dock, betrakta det som ett ovälkommet intrång i datasekretess. Denna fråga blir ännu mer komplicerad om vi föreställer oss att fordonssystem också kan övervaka förarens blodsockernivåer eller hjärtfrekvens - för att kunna varna föraren eller uppmana hjälp vid kritiska avläsningar. En anledning till reservationer mot sådan hälsoövervakning är att förare aldrig riktigt är säkra på om data förblir ombord eller bearbetas i ett moln. "Du kan inte ha en lösning som passar alla här, "säger Arghavan Hosseinzadeh da Silva, Security Engineer på Fraunhofer IESE. "Generellt, ju mer data du skickar in, desto bättre service får du. Men hur mycket data någon vill avslöja, och under vilka omständigheter, kan variera mycket från person till person."

Forskare inom IND²UCE-programmet utvecklar nu ett ramverk som gör det möjligt att begränsa användningen av personuppgifter efter den exakta situationen och individuella preferenser. Detta har redan resulterat i mjukvara under produktnamnet MYDATA Control Technologies. Säga, till exempel, du vill att WhatsApp -meddelanden ska visas på bildisplayen - men inte när du har sällskap. Eller, när du hyr en bil, du vill att samma kontakter och spellistor ska visas som i ditt eget fordon - och sätet, ratten och spegeln ska automatiskt flytta till lämpliga inställningar. Och du vill att all hälsorelaterad information som puls ska förbli ombord snarare än att skickas till molnet-såvida det inte uppstår en verklig nödsituation som en olycka, och hjälp måste kallas omedelbart. I framtiden, användare kommer att kunna ställa in sådana inställningar i en smartphone-app som sedan kommunicerar dessa inställningar till vilket fordon de än råkar köra, om ett företag, hyrbil eller personbil.

De ramkomponenter som krävs för att möjliggöra detta kommer att installeras i fordonet. Till exempel, en förfrågan om huruvida data om förarens hjärtfrekvens ska skickas till molnet kommer att skickas till en så kallad policy-beslutspunkt (PDP), som sedan kontrollerar om detta är tillåtet. Om svaret är jakande, PDP skickar antingen behörighet till policyn för genomförande av policyer (PEP) eller anger vilken data som måste raderas eller anonymiseras innan den skickas. Som en del av SECREDAS -projektet, forskare från Fraunhofer IESE utvecklar nu en demonstrator för detta scenario. Detta arbete bör vara avslutat i slutet av 2020. Ser man längre fram, SECREDAS-konsortiet försöker upprätta en standard för kontroll av dataanvändning ombord på fordon. Om möjligt, detta bör antas av alla biltillverkare, vilket gör det möjligt för fordonsanvändare att avgöra hur deras personliga information används.