Quando si tratta di auto che si guidano da sole, la maggior parte delle persone è ancora esitante. Ci sono riserve simili per quanto riguarda i sensori di bordo che raccolgono dati sullo stato di salute attuale di un conducente. Nell'ambito del progetto SECREDAS, un consorzio di ricerca che include l'Istituto Fraunhofer per l'ingegneria del software sperimentale IESE sta studiando la sicurezza, sicurezza e privacy di questi sistemi. L'obiettivo è aumentare la fiducia in tale tecnologia.

C'è ancora molta strada da fare prima che le persone possano essere persuase ad abbracciare una nuova tecnologia come le auto a guida autonoma. Quando si tratta di prendere decisioni nel traffico stradale, tendiamo a riporre maggiore fiducia nei conducenti umani che nel software. Rafforzare la fiducia in tali connessi, sistemi automatizzati e la loro capacità di soddisfare i problemi di sicurezza e privacy dei dati, sia nel campo della mobilità che della medicina:questo è l'obiettivo del consorzio dietro il progetto SECREDAS. SECREDAS, che sta per "Sicurezza del prodotto per sistemi automatizzati affidabili e affidabili tra domini diversi", riunisce 69 partner di 16 paesi europei, compreso l'Istituto Fraunhofer per l'ingegneria del software sperimentale IESE. Questo progetto mira a garantire che gli OEM europei rimangano competitivi in ​​questo campo. Ha un finanziamento totale di 51,6 milioni di euro, con l'UE che contribuisce con circa 15 milioni di euro a questa somma.

Aumentare la sicurezza delle auto a guida autonoma

Il controllo dei veicoli autonomi è in misura sempre maggiore nelle mani delle reti neurali. Questi sono usati per valutare le situazioni del traffico stradale quotidiano:Il semaforo è rosso? Un altro veicolo sta per attraversare la strada davanti? Il problema delle reti neurali, però, è che non è ancora chiaro come arrivino a tali decisioni. "Stiamo quindi sviluppando un supervisore della sicurezza. Questo monitorerà in tempo reale le decisioni prese dalla rete neurale. Se necessario, può intervenire sulla base di tale valutazione, " afferma Mohammed Naveed Akram del Fraunhofer IESE. "Il supervisore della sicurezza utilizza algoritmi classici, che si concentrano su parametri chiave piuttosto che valutare la situazione complessiva:questo è ciò che fanno le reti neurali. Il nostro lavoro per il progetto SECREDAS riguarda principalmente l'identificazione di metriche adeguate a questo scopo, ma stiamo anche cercando il modo migliore per adottare contromisure appropriate per scongiurare il pericolo".

L'esempio seguente illustra cosa significa in pratica. Quando il veicolo si avvicina a un incrocio, una rete neurale valuta la situazione complessiva:chi ha la precedenza? Il semaforo è rosso o verde? Ci sono pedoni nella zona di pericolo? I veicoli stanno per attraversare la strada davanti? Nel frattempo, gli algoritmi del supervisore della sicurezza si concentrano su metriche specifiche. Questi potrebbero includere il tempo generale di collisione (GTTC), che si basa sulle traiettorie di qualsiasi veicolo in rotta di collisione, o nel peggiore dei casi la velocità di impatto, che determina il grado di danno in base alla probabile velocità di collisione. Se l'auto si sta dirigendo verso un altro utente della strada che la rete neurale non è riuscita a rilevare, gli algoritmi del supervisore della sicurezza riconosceranno che la distanza da questo o da altri utenti della strada si sta riducendo in modo pericoloso. E se i sistemi autonomi falliscono, il supervisore della sicurezza assumerà quindi il controllo del veicolo e applicherà i freni. "Abbiamo studiato varie metriche per vedere quanto bene possiamo valutare una situazione pericolosa come questa, " spiega Akram. I ricercatori hanno utilizzato la simulazione al computer per modellare l'efficacia di queste metriche in una serie di situazioni critiche, con risultati impressionanti. "In combinazione con la gestione dinamica del rischio, l'uso di approcci convenzionali per il monitoraggio delle reti neurali in tempo reale può fornire un sostanziale aumento della sicurezza, "dice Akram.

Servizio migliore o protezione dei dati più forte?

Condividere un'auto può essere una seccatura:ogni volta che la usi, devi regolare il sedile e lo specchietto retrovisore, risintonizza la radio sul tuo canale preferito e reinserisci le tue posizioni preferite nel sistema di navigazione. È, Certo, perfettamente fattibile per salvare tali impostazioni personali, in modo che possano essere selezionati automaticamente per ogni conducente. Per alcune persone, questo rappresenta una funzione altamente pratica. Altri, però, considerarlo una sgradita intrusione nella privacy dei dati. Questo problema diventa ancora più complicato se immaginiamo che i sistemi del veicolo possano anche monitorare i livelli di zucchero nel sangue o la frequenza cardiaca di un guidatore, in modo da poter avvertire il guidatore o richiedere assistenza in caso di letture critiche. Uno dei motivi per le riserve contro tale monitoraggio della salute è che i conducenti non sono mai veramente sicuri se i dati rimangono a bordo o vengono elaborati in un cloud. "Non puoi avere una soluzione valida per tutti qui, "dice Arghavan Hosseinzadeh da Silva, Ingegnere della sicurezza presso Fraunhofer IESE. "Parlando in generale, più dati invii, migliore è il servizio che ricevi. Ma quanti dati qualcuno vuole divulgare, e in quali circostanze, può variare notevolmente da persona a persona."

I ricercatori del programma IND²UCE stanno ora sviluppando un quadro che consente di limitare l'uso dei dati personali in base alla situazione precisa e alle preferenze individuali. Ciò ha già prodotto software con il nome di prodotto MYDATA Control Technologies. Dire, Per esempio, vuoi che i messaggi di WhatsApp vengano visualizzati sul display dell'auto, ma non quando hai compagnia. O, quando noleggi un'auto, vuoi che vengano visualizzati gli stessi contatti e playlist di quelli del tuo veicolo e il sedile, volante e specchietto dovrebbero spostarsi automaticamente nelle impostazioni appropriate. E vuoi che tutti i dati relativi alla salute come la frequenza cardiaca rimangano a bordo anziché essere inviati al cloud, a meno che non ci sia una vera emergenza come un incidente, e l'assistenza deve essere chiamata immediatamente. Nel futuro, gli utenti potranno impostare tali preferenze in un'app per smartphone che poi comunicherà queste impostazioni a qualsiasi veicolo stiano guidando, se una società, noleggio o auto personale.

I componenti della struttura necessari per abilitarlo verranno installati nel veicolo. Per esempio, una richiesta se i dati sulla frequenza cardiaca del conducente debbano essere inviati al cloud sarà indirizzata a un cosiddetto punto di decisione politica (PDP), che poi verifica se ciò è ammissibile. Se la risposta è affermativa, il PDP invia l'autorizzazione al punto di applicazione della politica (PEP) o specifica quali dati devono essere cancellati o resi anonimi prima di essere inviati. Nell'ambito del progetto SECREDAS, i ricercatori del Fraunhofer IESE stanno ora sviluppando un dimostratore per questo scenario. Questo lavoro dovrebbe essere terminato entro la fine del 2020. Guardando più avanti, il consorzio SECREDAS sta cercando di stabilire uno standard per il controllo dell'utilizzo dei dati a bordo dei veicoli. Se possibile, questo dovrebbe essere adottato da tutte le case automobilistiche, consentendo così agli utenti del veicolo di determinare come vengono utilizzate le loro informazioni personali.