撰文 / 涂彦平编辑 / 张 南设计 / 师 超来源 / Tech Xplore；作者/David Drucker图源 / Shutterstock

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。黑客已远程控制你的汽车。

防止这种假设的情况是世界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泄露隐私，至少在某程度上是这样。

Synactive网络安全研究人员实现对特斯拉Model 3的黑客攻击▼

（图源：Synactive推特）

就在今年春天，专业的“好人”黑客证明了他们可以攻击汽车中的计算机化技术,当时法国安全公司Synacktiv在一年一度的Pwn2Own计算机黑客竞赛中证明了它可以入侵领先电动汽车的信息娱乐系统。

这个网络安全领域正越来越成为研究焦点，特别是随着人工智能(AI)进入汽车行业。

“如果你有一辆几乎没有电脑的经典汽车，那么几乎没有人可以远程控制你的汽车。但现在，随着现代汽车中计算设备的进步和广泛集成，我们正在以不同的方式思考问题。”佛罗里达国际大学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说道。

Amini是开发机器学习、人工智能和优化算法的专家，并将其应用于医疗保健、国土安全和基础设施弹性等领域。在相依网络(interdependent networks)可持续性、优化和学习实验室（solid lab），他研究在考虑网络、物理和社会视角的同时如何将人工智能集成到复杂系统中。

Amini正在领导佛罗里达国际大学的国家交通网络安全和弹性中心AI调查项目，该项目由美国交通部资助。

人工智能在车辆中的潜力看上去很大，一些司机已经在使用该技术操作半自动驾驶车辆，但这种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。为了做出更明智的决策，人工智能需要用到你的数据。因此，Amini正在研究，如果某人的汽车被黑客入侵，他的个人信息是否会受到攻击。

（图源:Unsplash/CC0 Public Domain）

根据美国联邦贸易委员会的说法，汽车的电子系统可能存储:

——电话联系方式

——移动应用程序登录信息

——位置数据

——车库门密码

因此，汽车行业一个主要的网络安全问题出现了。如果汽车网络的中央服务器被黑客入侵，这是否意味着该网络中每位驾驶员的个人信息都可以被获取?

“我们将经典人工智能算法应用于车辆时会面临众多挑战，而隐私是第一个。”Amini说，“自动驾驶汽车的驾驶员希望使用人工智能来帮助他们的汽车表现得更好。问题是，驾驶员如何在汽车制造商使用他们的数据来提高车辆性能的同时确保这些数据保持私密性?”

“如果我们能够以负责任、保护隐私和安全的方式来发展AI技术，那么我们也许能够对这些攻击进行更好地控制。”

为人工智能提供动力的算法渴望数据，Amini解释道。通过从很多例子中学习，它们变得擅长自己的工作。

但所有这些学习都必须在某个地方进行。它需要能够计算出来。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，不要求网络中所有司机将数据共享到中央位置。他正在研究一种更加去中心化的人工智能形式，不会过多地依赖于一种人工智能中央服务器。相反，许多计算和学习任务将由单独的汽车承担。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将被传输到服务器，以帮助改进网络中所有设备的整体算法。结果就是：一个更难窃取个人信息的人工智能网络。

传统机器学习向联邦学习转变▼

（图源：德勤）

近十年来，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为人所知的是联邦学习（Federated Learning），谷歌在2016年创造了这个名字。

Amini说，这种类型的人工智能不仅有可能保护驾驶员的隐私，而且随着汽车数量的增加，还可以实现更加高效、可扩展性更高的计算。

“在集中式机器学习中，如果因为服务器受到攻击或自然灾害，我们失去对中央服务器的控制，则整个系统将出现故障。但是当我们进行分布式机器学习时，系统的其余部分可以依靠本地数据运行并继续运作一段时间。”Amini说。

他补充道，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利用人工智能的进步提供了一条颇有前景的途径，同时，它可以保护驾驶员个人信息并确保交通系统安全运行，免受网络攻击。