Als het gaat om auto's die zelf rijden, de meeste mensen aarzelen nog. Er zijn vergelijkbare bedenkingen met betrekking tot sensoren aan boord die gegevens verzamelen over de huidige gezondheidstoestand van een bestuurder. Als onderdeel van het SECREDAS-project, een onderzoeksconsortium waaronder het Fraunhofer Institute for Experimental Software Engineering IESE onderzoekt de veiligheid, veiligheid en privacy van deze systemen. Het doel is om het vertrouwen in dergelijke technologie te vergroten.

Er is nog een lange weg te gaan voordat mensen kunnen worden overgehaald om een ​​nieuwe technologie als zelfrijdende auto's te omarmen. Als het gaat om het nemen van beslissingen in het wegverkeer, we hebben de neiging om meer vertrouwen te stellen in menselijke bestuurders dan in software. Het vergroten van het vertrouwen in dergelijke verbonden, geautomatiseerde systemen en hun vermogen om tegemoet te komen aan veiligheids- en gegevensprivacykwesties, of het nu op het gebied van mobiliteit of geneeskunde is:dat is het doel van het consortium achter het SECREDAS-project. SECREDAS - wat staat voor "Productbeveiliging voor cross-domein betrouwbare, betrouwbare geautomatiseerde systemen" - brengt 69 partners uit 16 Europese landen samen, waaronder het Fraunhofer Instituut voor Experimentele Software Engineering IESE. Dit project moet ervoor zorgen dat Europese OEM's op dit gebied concurrerend blijven. Het heeft een totale financiering van 51,6 miljoen euro, waarbij de EU ongeveer 15 miljoen euro aan dit bedrag bijdraagt.

De veiligheid van zelfrijdende auto's vergroten

De besturing van autonome voertuigen ligt in steeds grotere mate in handen van neurale netwerken. Deze worden gebruikt om alledaagse verkeerssituaties te beoordelen:Staat het stoplicht op rood? Staat er een ander voertuig op het punt de weg over te steken? Het probleem met neurale netwerken, echter, is dat het onduidelijk blijft hoe ze tot dergelijke beslissingen komen. “Daarom ontwikkelen we een veiligheidstoezichthouder. Deze zal de beslissingen van het neurale netwerk realtime monitoren. Indien nodig, zij kan op basis van deze beoordeling ingrijpen, " zegt Mohammed Naveed Akram van Fraunhofer IESE. "De veiligheidssupervisor gebruikt klassieke algoritmen, die zich richten op belangrijke parameters in plaats van de algehele situatie te beoordelen - dat is wat de neurale netwerken doen. Ons werk voor het SECREDAS-project gaat voornamelijk over het identificeren van geschikte metrieken voor dit doel, maar we bekijken ook hoe we het beste passende tegenmaatregelen kunnen nemen om gevaar af te wenden."

Het volgende voorbeeld illustreert wat dit in de praktijk betekent. Als het voertuig een kruispunt nadert, een neuraal netwerk beoordeelt de algehele situatie:wie heeft voorrang? Staat het stoplicht op rood of groen? Zijn er voetgangers in de gevarenzone? Staan er voertuigen op het punt de weg voor u over te steken? In de tussentijd, de algoritmen van de veiligheidstoezichthouder concentreren zich op specifieke metrieken. Deze kunnen de algemene tijd tot botsing (GTTC) omvatten, die is gebaseerd op de trajecten van een voertuig op een ramkoers, of in het ergste geval botssnelheid, die de mate van schade bepaalt op basis van de waarschijnlijke botssnelheid. Als de auto richting een andere weggebruiker rijdt die het neurale netwerk niet heeft gedetecteerd, de algoritmen van de veiligheidstoezichthouder zullen herkennen dat de afstand tot deze of andere weggebruikers gevaarlijk verkleint. En als de autonome systemen falen, de veiligheidssupervisor neemt dan de controle over het voertuig over en activeert de remmen. "We hebben verschillende statistieken onderzocht om te zien hoe goed we een gevaarlijke situatie als deze kunnen inschatten. " legt Akram uit. Onderzoekers hebben computersimulaties gebruikt om de doeltreffendheid van deze meetwaarden in een reeks kritieke situaties te modelleren - met indrukwekkende resultaten. "In combinatie met dynamisch risicobeheer, het gebruik van conventionele benaderingen om neurale netwerken in realtime te monitoren kan een aanzienlijke toename van de veiligheid opleveren, ' zegt Akram.

Betere service of sterkere gegevensbescherming?

Een auto delen kan lastig zijn:elke keer dat je hem gebruikt, je moet de stoel en de achteruitkijkspiegel opnieuw afstellen, stem de radio opnieuw af op uw voorkeurszender en voer uw favoriete locaties opnieuw in het navigatiesysteem in. Het is, natuurlijk, perfect mogelijk om dergelijke persoonlijke instellingen op te slaan, zodat ze automatisch voor elke bestuurder kunnen worden geselecteerd. Voor sommige mensen, dit vertegenwoordigt een zeer praktische functie. anderen, echter, beschouwen het als een ongewenste inbreuk op de gegevensprivacy. Dit probleem wordt nog ingewikkelder als we ons voorstellen dat voertuigsystemen ook de bloedsuikerspiegel of hartslag van een bestuurder kunnen controleren, om de bestuurder te waarschuwen of assistentie in te roepen bij kritieke metingen. Een reden voor bedenkingen tegen dergelijke gezondheidsmonitoring is dat chauffeurs nooit echt zeker weten of de gegevens aan boord blijven of in een cloud worden verwerkt. "Je kunt hier geen one-size-fits-all oplossing hebben, " zegt Arghavan Hosseinzadeh da Silva, Security Engineer bij Fraunhofer IESE. "In het algemeen, hoe meer gegevens u invoert, hoe beter de service die u ontvangt. Maar hoeveel gegevens iemand wil prijsgeven, en onder welke omstandigheden kan sterk verschillen van persoon tot persoon."

Onderzoekers van het IND²UCE-programma ontwikkelen nu een raamwerk dat het mogelijk maakt om het gebruik van persoonsgegevens te beperken op basis van de precieze situatie en individuele voorkeuren. Dit heeft al geleid tot software onder de productnaam MYDATA Control Technologies. Zeggen, bijvoorbeeld, je wilt dat WhatsApp-berichten op het autodisplay verschijnen, maar niet als je gezelschap hebt. Of, wanneer u een auto huurt, u wilt dat dezelfde contacten en afspeellijsten worden weergegeven als in uw eigen auto - en de stoel, stuurwiel en spiegel moeten automatisch naar de juiste instellingen gaan. En u wilt dat alle gezondheidsgerelateerde gegevens, zoals hartslag, aan boord blijven in plaats van naar de cloud te worden gestuurd, tenzij er een echt noodgeval is, zoals een ongeval, en er moet direct hulp worden ingeroepen. In de toekomst, gebruikers kunnen dergelijke voorkeuren instellen in een smartphone-app die deze instellingen vervolgens doorgeeft aan het voertuig waarin ze rijden, of een bedrijf, huurauto of persoonlijke auto.

De daarvoor benodigde framecomponenten worden in het voertuig gemonteerd. Bijvoorbeeld, een verzoek of gegevens over de hartslag van de bestuurder naar de cloud moeten worden gestuurd naar een zogenaamd beleidsbeslissingspunt (PDP), die vervolgens controleert of dit is toegestaan. Als het antwoord bevestigend is, de PDP stuurt ofwel autorisatie naar het beleidshandhavingspunt (PEP) of specificeert welke gegevens moeten worden verwijderd of geanonimiseerd voordat ze worden verzonden. Als onderdeel van het SECREDAS-project, onderzoekers van Fraunhofer IESE ontwikkelen nu een demonstrator voor dit scenario. Dit werk moet eind 2020 klaar zijn. Verder vooruitkijkend, het SECREDAS-consortium streeft naar een standaard voor de controle van het datagebruik aan boord van voertuigen. Zo mogelijk, dit zou door alle autofabrikanten moeten worden overgenomen, waardoor voertuiggebruikers kunnen bepalen hoe hun persoonlijke informatie wordt gebruikt.