-
您的当前位置:主页 > 汽车 >

商业化落地前 智能网联汽车如何做好安全保障?

来源:鏈煡 编辑:admin 时间:2020-06-29
导读: 车联网和智能网联汽车是时代工业化与信息化融合的重要方向,对推动产业结构变革,促进经济高质量发展具有重要作用。近些年,中国智能网联汽车发展迅速,已初步形成L2及以上汽车研发和测试能力。但智能网联汽车作为联网环境下的移动终端,在商业落地过程中出现
车联网和智能网联汽车是时代工业化与信息化融合的重要方向,对推动产业结构变革,促进经济高质量发展具有重要作用。近些年,中国智能网联汽车发展迅速,已初步形成L2及以上汽车研发和测试能力。但智能网联汽车作为联网环境下的移动终端,在商业落地过程中出现了新的问题——安全信任危机。
自动驾驶,智能网联,信息安全

智能网联信息安全正不断被提上新的议程。

车联网和智能网联汽车是时代工业化与信息化融合的重要方向,对推动产业结构变革,促进经济高质量发展具有重要作用。近些年,中国智能网联汽车发展迅速,已初步形成L2及以上汽车研发和测试能力。但智能网联汽车作为联网环境下的移动终端,在商业落地过程中出现了新的问题——安全信任危机。

工信部提出,在加快智能网联汽车关键技术突破的同时,要着力完善安全保障。

在2020年第四届世界智能大会-车联网先导应用创新发展国际高峰论坛上,中国科学院何积丰院士在关于《可信人工智能》的主题演讲中表示,人工智能和人类社会是一种共生的关系,多个领域包括智能制造、智能医疗、智慧城市、智慧农业和国防建设都与人工智能息息相关。针对于汽车领域,其认为依赖于人工智能技术,人工智能科技的发展将指引智能网联汽车未来的方向,但在此过程中同样发现了一些造成人工智能信任危机的一些问题。

何积丰院士认为,目前有两类人工智能安全问题,并针对其提出四大对策和面向主动防御的AI网络体系,辅助人类做智能决策,达到分析问题、建立模型、模拟决策和质量评价的作用。

第一类是数据造成的不安全问题,有三类比较典型的不安全的行为:

1、数据隐私,我们训练很多数据,这些数据暴露了一些不应该暴露的隐私。

2、数据本身有质量,无论是训练数据和现场数据都有质量难以控制的问题。

3、数据在成熟过程中有保护的问题,数据采集前有风险、传输数据有风险、成熟使用流通也有风险。

第二类是算法安全方面的问题,其中算法可靠性是首要问题。

针对人工智能安全问题,他提出四大对策。第一方面对策是可解释性,即我们了解或者解决一件事情的时候,可以获得我们所需要的足够可以理解的信息。比如说过去算法是黑盒算法,缺乏透明性、可解释性,一旦发生问题,难以分析和验证到底问题出处。

第二方面对策是鼓励产生可解释的人工智能,主要是三方面可解释。

1、在建模型之前进行可解释性分析,分析数据的属性,知道数据怎么达到可视化。

2、在构建模型过程中,要基于规则、基于数据特征、基于实例增加可解释性。

3、在模型建完之后,进行可解释性的评估,无论是隐层分析、模拟分析、敏感性分析,都能逐步推动。

此对策主要针对隐私保护,在功能性系统信任和身份数据信号的隐私方面取得平衡。

第三安全对策是公平建模,在给数据大标签时注意公平因素,不管性别、国籍、年龄、健康、种族,纠正行为偏差、表示偏差、理解偏差和内容偏差,达到公平建模。

这些公平里既有统计意义下的公平,也有个体感觉的公平和因果公平。从数据到算法,需要注意历史偏差、聚合偏差、时间偏差、群体偏差,通过交互排除人口偏差、排序偏差、评估偏差、随机偏差。

第四方面人工智能安全对策可信验证,需要有一个在验证、仿真、测试三方面对人机物融合系统支撑的可信的验证引擎。

中国软件评测中心、智能网联汽车测试工程技术中心主任宋娟的《车载智能计算平台安全体系研究与建议》中同样提出,车载智能计算平台面临的在安全体系方面存在诸多挑战。

责任编辑:admin
Copyright © 济南生活网 版权所有
本站所有资讯来源于网络 如有侵权请联系我们
Top