加入軒轅之學 成就新汽車人
撰文 / 塗彥平
編輯 / 張 南
設計 / 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，突然刹車，發動機關閉，車門鎖上。黑客已遠程控制你的汽車。
防止這種假設的情況是世界各地汽車制造商關注的焦點。随着汽車裝載計算機化部件，它們也變得容易受到網絡攻擊和洩露隐私，至少在某程度上是這樣。
Synactive 網絡安全研究人員實現對特斯拉 Model 3 的黑客攻擊▼
（圖源：Synactive 推特）
就在今年春天，專業的 " 好人 " 黑客證明了他們可以攻擊汽車中的計算機化技術 , 當時法國安全公司 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先電動汽車的信息娛樂系統。
這個網絡安全領域正越來越成爲研究焦點，特别是随着人工智能 ( AI ) 進入汽車行業。
" 如果你有一輛幾乎沒有電腦的經典汽車，那麽幾乎沒有人可以遠程控制你的汽車。但現在，随着現代汽車中計算設備的進步和廣泛集成，我們正在以不同的方式思考問題。" 佛羅裏達國際大學工程與計算學院奈特基金會計算與信息科學學院助理教授 M.Hadi Amini 說道。
Amini 是開發機器學習、人工智能和優化算法的專家，并将其應用于醫療保健、國土安全和基礎設施彈性等領域。在相依網絡 ( interdependent networks ) 可持續性、優化和學習實驗室（solid lab），他研究在考慮網絡、物理和社會視角的同時如何将人工智能集成到複雜系統中。
Amini 正在領導佛羅裏達國際大學的國家交通網絡安全和彈性中心 AI 調查項目，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，一些司機已經在使用該技術操作半自動駕駛車輛，但這種技術也帶來了新的挑戰。
關鍵焦點之一是駕駛員信息的存儲。爲了做出更明智的決策，人工智能需要用到你的數據。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）
根據美國聯邦貿易委員會的說法，汽車的電子系統可能存儲 :
——電話聯系方式
——移動應用程序登錄信息
——位置數據
——車庫門密碼
因此，汽車行業一個主要的網絡安全問題出現了。如果汽車網絡的中央服務器被黑客入侵，這是否意味着該網絡中每位駕駛員的個人信息都可以被獲取 ?
" 我們将經典人工智能算法應用于車輛時會面臨衆多挑戰，而隐私是第一個。"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得更好。問題是，駕駛員如何在汽車制造商使用他們的數據來提高車輛性能的同時确保這些數據保持私密性 ?"
" 如果我們能夠以負責任、保護隐私和安全的方式來發展 AI 技術，那麽我們也許能夠對這些攻擊進行更好地控制。"
爲人工智能提供動力的算法渴望數據，Amini 解釋道。通過從很多例子中學習，它們變得擅長自己的工作。
但所有這些學習都必須在某個地方進行。它需要能夠計算出來。這通常發生在集中式高性能服務器上。
Amini 正在探索一種使用人工智能的方法，不要求網絡中所有司機将數據共享到中央位置。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器。相反，許多計算和學習任務将由單獨的汽車承擔。汽車會自行消化數據，并提出改進算法的建議。
這些不包含原始數據的建議将被傳輸到服務器，以幫助改進網絡中所有設備的整體算法。結果就是：一個更難竊取個人信息的人工智能網絡。
傳統機器學習向聯邦學習轉變▼
（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爲人所知的是聯邦學習（Federated Learning），谷歌在 2016 年創造了這個名字。
Amini 說，這種類型的人工智能不僅有可能保護駕駛員的隐私，而且随着汽車數量的增加，還可以實現更加高效、可擴展性更高的計算。
" 在集中式機器學習中，如果因爲服務器受到攻擊或自然災害，我們失去對中央服務器的控制，則整個系統将出現故障。但是當我們進行分布式機器學習時，系統的其餘部分可以依靠本地數據運行并繼續運作一段時間。"Amini 說。
他補充道，雖然沒有一個計算機化系統是 100% 安全的，但聯邦學習的研究爲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确保交通系統安全運行，免受網絡攻擊。
參加新汽車 CES 共建合作生态圈
點擊閱讀原文
▼
