撰文 / 涂彥平

編輯 / 張 南

設(shè)計 / 師 超

來源 / Tech Xplore；作者/David Drucker

圖源 / Shutterstock

想象一下，在高速公路上行駛時，突然剎車，發(fā)動機關(guān)閉，車門鎖上。黑客已遠程控制你的汽車。

防止這種假設(shè)的情況是世界各地汽車制造商關(guān)注的焦點。隨著汽車裝載計算機化部件，它們也變得容易受到網(wǎng)絡(luò)攻擊和泄露隱私，至少在某程度上是這樣。

Synactive網(wǎng)絡(luò)安全研究人員實現(xiàn)對特斯拉Model 3的黑客攻擊▼

（圖源：Synactive推特）

就在今年春天，專業(yè)的“好人”黑客證明了他們可以攻擊汽車中的計算機化技術(shù),當(dāng)時法國安全公司Synacktiv在一年一度的Pwn2Own計算機黑客競賽中證明了它可以入侵領(lǐng)先電動汽車的信息娛樂系統(tǒng)。

這個網(wǎng)絡(luò)安全領(lǐng)域正越來越成為研究焦點，特別是隨著人工智能(AI)進入汽車行業(yè)。

“如果你有一輛幾乎沒有電腦的經(jīng)典汽車，那么幾乎沒有人可以遠程控制你的汽車。但現(xiàn)在，隨著現(xiàn)代汽車中計算設(shè)備的進步和廣泛集成，我們正在以不同的方式思考問題?！狈鹆_里達國際大學(xué)工程與計算學(xué)院奈特基金會計算與信息科學(xué)學(xué)院助理教授M.Hadi Amini說道。

Amini是開發(fā)機器學(xué)習(xí)、人工智能和優(yōu)化算法的專家，并將其應(yīng)用于醫(yī)療保健、國土安全和基礎(chǔ)設(shè)施彈性等領(lǐng)域。在相依網(wǎng)絡(luò)(interdependent networks)可持續(xù)性、優(yōu)化和學(xué)習(xí)實驗室（solid lab），他研究在考慮網(wǎng)絡(luò)、物理和社會視角的同時如何將人工智能集成到復(fù)雜系統(tǒng)中。

Amini正在領(lǐng)導(dǎo)佛羅里達國際大學(xué)的國家交通網(wǎng)絡(luò)安全和彈性中心AI調(diào)查項目，該項目由美國交通部資助。

人工智能在車輛中的潛力看上去很大，一些司機已經(jīng)在使用該技術(shù)操作半自動駕駛車輛，但這種技術(shù)也帶來了新的挑戰(zhàn)。

關(guān)鍵焦點之一是駕駛員信息的存儲。為了做出更明智的決策，人工智能需要用到你的數(shù)據(jù)。因此，Amini正在研究，如果某人的汽車被黑客入侵，他的個人信息是否會受到攻擊。

（圖源:Unsplash/CC0 Public Domain）

根據(jù)美國聯(lián)邦貿(mào)易委員會的說法，汽車的電子系統(tǒng)可能存儲:

——電話聯(lián)系方式

——移動應(yīng)用程序登錄信息

——位置數(shù)據(jù)

——車庫門密碼

因此，汽車行業(yè)一個主要的網(wǎng)絡(luò)安全問題出現(xiàn)了。如果汽車網(wǎng)絡(luò)的中央服務(wù)器被黑客入侵，這是否意味著該網(wǎng)絡(luò)中每位駕駛員的個人信息都可以被獲取?

“我們將經(jīng)典人工智能算法應(yīng)用于車輛時會面臨眾多挑戰(zhàn)，而隱私是第一個。”Amini說，“自動駕駛汽車的駕駛員希望使用人工智能來幫助他們的汽車表現(xiàn)得更好。問題是，駕駛員如何在汽車制造商使用他們的數(shù)據(jù)來提高車輛性能的同時確保這些數(shù)據(jù)保持私密性?”

“如果我們能夠以負(fù)責(zé)任、保護隱私和安全的方式來發(fā)展AI技術(shù)，那么我們也許能夠?qū)@些攻擊進行更好地控制?！?/p>

為人工智能提供動力的算法渴望數(shù)據(jù)，Amini解釋道。通過從很多例子中學(xué)習(xí)，它們變得擅長自己的工作。

但所有這些學(xué)習(xí)都必須在某個地方進行。它需要能夠計算出來。這通常發(fā)生在集中式高性能服務(wù)器上。

Amini正在探索一種使用人工智能的方法，不要求網(wǎng)絡(luò)中所有司機將數(shù)據(jù)共享到中央位置。他正在研究一種更加去中心化的人工智能形式，不會過多地依賴于一種人工智能中央服務(wù)器。相反，許多計算和學(xué)習(xí)任務(wù)將由單獨的汽車承擔(dān)。汽車會自行消化數(shù)據(jù)，并提出改進算法的建議。

這些不包含原始數(shù)據(jù)的建議將被傳輸?shù)椒?wù)器，以幫助改進網(wǎng)絡(luò)中所有設(shè)備的整體算法。結(jié)果就是：一個更難竊取個人信息的人工智能網(wǎng)絡(luò)。

傳統(tǒng)機器學(xué)習(xí)向聯(lián)邦學(xué)習(xí)轉(zhuǎn)變▼

（圖源：德勤）

近十年來，Amini一直在研究這種形式的人工智能和類似的計算算法。如今，這種類型的人工智能最為人所知的是聯(lián)邦學(xué)習(xí)（Federated Learning），谷歌在2016年創(chuàng)造了這個名字。

Amini說，這種類型的人工智能不僅有可能保護駕駛員的隱私，而且隨著汽車數(shù)量的增加，還可以實現(xiàn)更加高效、可擴展性更高的計算。

“在集中式機器學(xué)習(xí)中，如果因為服務(wù)器受到攻擊或自然災(zāi)害，我們失去對中央服務(wù)器的控制，則整個系統(tǒng)將出現(xiàn)故障。但是當(dāng)我們進行分布式機器學(xué)習(xí)時，系統(tǒng)的其余部分可以依靠本地數(shù)據(jù)運行并繼續(xù)運作一段時間?！盇mini說。

他補充道，雖然沒有一個計算機化系統(tǒng)是100%安全的，但聯(lián)邦學(xué)習(xí)的研究為汽車制造商利用人工智能的進步提供了一條頗有前景的途徑，同時，它可以保護駕駛員個人信息并確保交通系統(tǒng)安全運行，免受網(wǎng)絡(luò)攻擊。