佛罗里达国际大学开发新算法 保护自动驾驶汽车和用户隐私免受网络黑客的侵害

盖世汽车 想象一下，在高速公路上行驶时，突然刹车，发动机关闭，车门锁上。这是因为黑客已远程控制汽车。防止这种情况发生是各地汽车制造商关注的焦点。 随着汽车装载计算机化部件，它们也变得容易受到网络攻击和隐私泄露。

据外媒报道，佛罗里达国际大学（Florida International University，FIU）开发新算法，保护自动驾驶汽车和用户隐私免受网络黑客的侵害。

图片来源：佛罗里达国际大学

FIU工程与计算学院奈特基金会计算与信息科学学院助理教授M. Hadi Amini表示：“如果你有一辆没有电脑的老爷车，那么几乎没有人可以远程控制你的车。但现在，随着计算设备在现代汽车中的进步和广泛集成，我们正在以不同的方式思考问题。”

人工智能在车辆中的潜力巨大，一些驾驶员已经在使用该技术操控半自动驾驶车辆。但同时，该技术也带来了新的挑战。

关键焦点之一是驾驶员信息的存储。人工智能需要用户的数据来做出更明智的决策。因此，Amini正在研究如果汽车遭到黑客攻击，用户的个人信息是否可能容易受到攻击。

根据联邦贸易委员会的说法，汽车的电子系统可能会存储：电话联系方式；移动应用程序登录信息；位置数据；车库门代码。因此，汽车行业出现了一个主要的网络安全问题。如果汽车网络的中央服务器遭到黑客攻击，是否意味着该网络中每个驾驶员的个人信息都将被窃取？

Amini表示：“在将经典人工智能算法应用于车辆时，隐私是我们将面临的众多挑战中的第一个。自动驾驶汽车的驾驶员会希望使用人工智能来帮助汽车表现得更好。问题是，当汽车制造商使用这些数据来提高车辆性能时，驾驶员如何确保他们的数据保持私密性？如果我们能够以负责任、保护隐私和安全的方式实施人工智能，那么也许我们能够更好地控制这些攻击。”

阿米尼解释说，驱动人工智能的算法非常需要数据。他们通过学习大量的案例而变得擅长自己所做的事情。但所有这些学习都必须在某个地方进行，需要对其进行计算。这通常发生在集中式高性能服务器上。

Amini正在探索一种使用人工智能的方法，而无需要求网络中的所有驾驶员将数据共享到中央位置。其团队正在研究更加去中心化的人工智能形式，不会过多依赖中央服务器。相反，许多计算和学习的责任将由个别汽车承担。汽车会自行消化数据并提出改进算法的建议。

这些不包含原始数据的建议随后将传输到服务器，以帮助改进网络中所有设备的整体算法。结果是人工智能网络更难以窃取个人信息。

十年来，Amini一直在研究这种形式的人工智能和类似的计算算法。如今，这种类型的人工智能最出名的是联邦学习（federated learning），这是谷歌在2016年创造的一个名字。

Amini表示这种人工智能类型不仅有可能保护驾驶员的隐私，而且还可以随着汽车数量的增加而实现更高效和可扩展的计算。Amini称：“在集中式机器学习中，如果我们在攻击或自然灾害期间失去中央服务器的电源，那么整个系统就会失败。但当我们在分布式机器学习中运行时，系统的其余部分可以依靠本地数据运行并继续运行一段时间。”

Amini补充说，虽然没有一个计算机化系统是100%安全的，但联邦学习的研究为汽车制造商提供新方法，可以利用人工智能的进步，同时保护驾驶员的个人信息并确保交通系统安全运行免受网络攻击。