Quando se trata de carros que se dirigem sozinhos, a maioria das pessoas ainda está hesitante. Existem reservas semelhantes com relação aos sensores a bordo que coletam dados sobre o estado atual de saúde de um motorista. Como parte do projeto SECREDAS, um consórcio de pesquisa incluindo o Instituto Fraunhofer de Engenharia de Software Experimental IESE está investigando a segurança, segurança e privacidade desses sistemas. O objetivo é aumentar a confiança nessa tecnologia.

Ainda há um caminho a percorrer antes que as pessoas possam ser persuadidas a abraçar uma nova tecnologia, como os carros autônomos. Quando se trata de tomar decisões no trânsito rodoviário, tendemos a confiar mais nos motoristas humanos do que no software. Aumentando a confiança em tais pessoas conectadas, sistemas automatizados e sua capacidade de atender às preocupações de segurança e privacidade de dados - seja no campo da mobilidade ou medicina:esse é o objetivo do consórcio por trás do projeto SECREDAS. SECREDAS - que significa "Segurança de produto para sistemas automatizados confiáveis ​​e confiáveis ​​entre domínios" - reúne 69 parceiros de 16 países europeus, incluindo o Instituto Fraunhofer para Engenharia de Software Experimental IESE. Este projeto visa garantir que os OEMs europeus se mantenham competitivos neste campo. Tem um financiamento total de 51,6 milhões de euros, com a UE contribuindo com cerca de 15 milhões de euros para este montante.

Aumentando a segurança de carros autônomos

O controle dos veículos autônomos está cada vez mais nas mãos das redes neurais. Eles são usados ​​para avaliar as situações cotidianas do tráfego rodoviário:O semáforo está vermelho? Outro veículo está prestes a cruzar a estrada à frente? O problema com as redes neurais, Contudo, é que ainda não está claro como eles chegam a tais decisões. “Estamos, portanto, desenvolvendo um supervisor de segurança. Ele vai monitorar em tempo real as decisões tomadas pela rede neural. Se necessário, pode intervir com base nesta avaliação, "diz Mohammed Naveed Akram do Fraunhofer IESE." O supervisor de segurança usa algoritmos clássicos, que se concentram em parâmetros-chave em vez de avaliar a situação geral - é isso que as redes neurais fazem. Nosso trabalho para o projeto SECREDAS é principalmente sobre a identificação de métricas adequadas para este propósito, mas também estamos procurando a melhor forma de tomar as contra-medidas apropriadas para evitar o perigo. "

O exemplo a seguir ilustra o que isso significa na prática. Conforme o veículo se aproxima de um cruzamento, uma rede neural avalia a situação geral:Quem tem a prioridade? O semáforo está vermelho ou verde? Existem pedestres na zona de perigo? Os veículos estão prestes a cruzar a estrada à frente? Enquanto isso, os algoritmos do supervisor de segurança se concentram em métricas específicas. Isso pode incluir o tempo geral para colisão (GTTC), que se baseia nas trajetórias de qualquer veículo em rota de colisão, ou o pior caso de velocidade de impacto, que determina o grau de dano com base na velocidade provável de colisão. Se o carro estiver se dirigindo para outro usuário da estrada que a rede neural não conseguiu detectar, os algoritmos do supervisor de segurança reconhecerão que a distância para este ou outros usuários da estrada está diminuindo em um grau perigoso. E se os sistemas autônomos falharem, o supervisor de segurança assumirá o controle do veículo e acionará os freios. "Investigamos várias métricas para ver o quão bem podemos avaliar uma situação perigosa como esta, "Akram explica. Os pesquisadores têm usado simulação de computador para modelar a eficácia dessas métricas em uma variedade de situações críticas - com resultados impressionantes." Em combinação com o gerenciamento de risco dinâmico, o uso de abordagens convencionais para monitorar redes neurais em tempo real pode oferecer um aumento substancial na segurança, "diz Akram.

Melhor serviço ou proteção de dados mais forte?

Compartilhar um carro pode ser uma chatice:cada vez que você o usa, você tem que reajustar o assento e o espelho retrovisor, sintonize novamente o rádio em seu canal preferido e insira novamente seus locais favoritos no sistema de navegação. Isto é, claro, perfeitamente viável para salvar essas configurações pessoais, para que possam ser selecionados automaticamente para cada driver. Para algumas pessoas, isso representa uma função altamente prática. Outros, Contudo, considerá-lo uma intrusão indesejada na privacidade de dados. O problema fica ainda mais complicado se imaginarmos que os sistemas do veículo também podem monitorar os níveis de açúcar no sangue ou a frequência cardíaca de um motorista - para poder avisar o motorista ou pedir ajuda em caso de leituras críticas. Um motivo para reservas contra esse monitoramento de saúde é que os motoristas nunca têm certeza se os dados permanecem a bordo ou são processados ​​em uma nuvem. "Você não pode ter uma solução única para todos aqui, "diz Arghavan Hosseinzadeh da Silva, Engenheiro de Segurança pela Fraunhofer IESE. "De um modo geral, quanto mais dados você enviar, melhor será o serviço que você receberá. Mas quantos dados alguém deseja divulgar, e em que circunstâncias, pode variar muito de pessoa para pessoa. "

Os pesquisadores do programa IND²UCE estão agora desenvolvendo uma estrutura que permite limitar o uso de dados pessoais de acordo com a situação precisa e as preferências individuais. Isso já resultou em um software com o nome de produto MYDATA Control Technologies. Dizer, por exemplo, você deseja que as mensagens do WhatsApp apareçam na tela do carro - mas não quando você tiver companhia. Ou, quando você aluga um carro, você deseja que os mesmos contatos e listas de reprodução sejam exibidos como aqueles em seu próprio veículo - e o assento, o volante e o espelho devem se mover automaticamente para as configurações apropriadas. E você deseja que todos os dados relacionados à saúde, como frequência cardíaca, permaneçam a bordo em vez de serem enviados para a nuvem - a menos que haja uma emergência real, como um acidente, e a assistência precisa ser solicitada imediatamente. No futuro, os usuários serão capazes de definir essas preferências em um aplicativo de smartphone que comunicará essas configurações a qualquer veículo que estejam dirigindo, seja uma empresa, aluguel ou carro pessoal.

Os componentes da estrutura necessários para permitir isso serão instalados no veículo. Por exemplo, uma solicitação para saber se os dados sobre a frequência cardíaca do motorista devem ser enviados para a nuvem será direcionada para um chamado ponto de decisão de política (PDP), que então verifica se isso é permitido. Se a resposta for afirmativa, o PDP envia autorização para o ponto de execução de política (PEP) ou especifica quais dados devem ser excluídos ou tornados anônimos antes de serem enviados. Como parte do projeto SECREDAS, pesquisadores do Fraunhofer IESE estão agora desenvolvendo um demonstrador para este cenário. Esse trabalho deve ser concluído até o final de 2020. Olhando mais adiante, o consórcio SECREDAS está buscando estabelecer um padrão para o controle do uso de dados a bordo de veículos. Se possível, isso deve ser adotado por todas as montadoras, permitindo assim que os usuários do veículo determinem como suas informações pessoais são usadas.