Los científicos afirman haber desarrollado una herramienta de inteligencia artificial para consolidar la privacidad de los vehículos y sus conductores.
Cómo preservar la privacidad del llamado Internet de los vehículos (IoV) se ha convertido en un gran desafío debido a la movilidad geográfica de los vehículos y a la insuficiencia de recursos, según afirman los científicos.
El problema se ha agravado, según los científicos, debido a los «recursos limitados de las unidades a bordo (OBU)» y a las deficiencias de los sensores integrados en los vehículos, que «incitan a los adversarios a lanzar diversos tipos de ataques».
«Por lo tanto, es necesario diseñar esquemas de autenticación livianos pero confiables para combatir estos ataques», afirman. escribir en el Revista IEEE de Internet de las cosas. La investigación es coautora de científicos de la Universidad de Sharjah en los Emiratos Árabes Unidos, la Universidad de Maryland en los EE. UU. y la Universidad Abdul Wali Khan de Mardan, Pakistán.
IoV se refiere a una red en la que los vehículos pueden comunicarse entre sí, así como con dispositivos de comunicación inteligentes en estacionamientos, peatones e infraestructuras viarias. Esta tecnología «ha transformado ciudades de todo el mundo al proporcionar comunicación en tiempo real», señalan los autores.
Los vehículos conectados a través de IoV también están equipados con sensores y unidades integrados que recopilan datos útiles y los comunican a las unidades de carretera (RSU) o módulos de servidor más cercanos. «Las capacidades operativas de estos vehículos se ven reforzadas aún más por la inteligencia artificial, en particular el aprendizaje automático y el aprendizaje profundo, que analizan e interpretan datos en tiempo real», escriben los investigadores.
La seguridad de los vehículos. En la era IoV se ha descubierto que es vulnerable a ataques cibernéticos que pueden causar eventos lamentables mediante la interceptación o incluso la alteración de la comunicación entre el vehículo y la infraestructura. Se ha sugerido el aprendizaje automático como solución y la herramienta de inteligencia artificial de los autores se promueve como tal.
Los vehículos autónomos actuales se suministran con un dispositivo de unidad a bordo u OBU como parte de su Sistema de Transporte Inteligente o ITS.
Sin embargo, los autores sostienen que el sistema de comunicación instalado en los vehículos aún enfrenta desafíos, particularmente aquellos relacionados con la escasez de ancho de banda y retrasos en las respuestas de los servicios ubicados en la nube dentro de un tiempo estipulado.
Los servidores en la nube disponibles actualmente, subrayan los autores, aún no son fiables, incluso si se complementan con algoritmos de aprendizaje automático (ML) y aprendizaje profundo (DL), porque todavía «son incapaces de proporcionar respuestas rápidas a vehículos que pueden conducir a circunstancias catastróficas en la red». caminos.»
También lo son las unidades integradas de sensores integrados (OBU) y RSU, que «tienen recursos limitados y no pueden soportar esquemas de preservación de privacidad y seguridad computacionalmente complejos. Se necesitarían amplios recursos para que estos dispositivos se comuniquen de forma segura con los servidores en la nube». » dicen los autores.
Para abordar estos desafíos, los autores proponen «un esquema de autenticación basado en ML que entrena y clasifica los vehículos en los servidores perimetrales de manera distribuida, preserva la privacidad de las entidades que se comunican y minimiza el consumo de ancho de banda y el retraso experimentado por los vehículos».
Para ello, los autores diseñan un nuevo mecanismo de autenticación basado en aprendizaje automático para resolver los problemas de privacidad y seguridad a los que se enfrenta actualmente el ecosistema emergente de IoV.
El equipo de investigación llevó a cabo sus experimentos en un entorno simulado utilizando un análisis comparativo del esquema propuesto con esquemas de última generación existentes en términos de comunicación, procesamiento y gastos generales de almacenamiento.
«Los resultados de la simulación han concluido que el esquema propuesto no sólo es eficaz contra ataques de intrusos bien conocidos, sino que es igualmente ligero y eficaz en lo que respecta a varias métricas de evaluación del rendimiento, como los gastos generales de computación, comunicación y almacenamiento».
Los autores enfatizan que el esquema que han desarrollado resuelve el problema de la escasez de ancho de banda y los retrasos excesivos que experimentan actualmente los vehículos cuando se comunican a través de servidores en la nube.
«El enfoque basado en ML amplía el poder de decisión de los vehículos y servidores perimetrales para identificar adversarios. Nuestro esquema requiere que cada vehículo participe en una fase fuera de línea, donde una autoridad confiable comparte una lista de MaskID y claves secretas de vehículos legítimos y servidores perimetrales. «, subrayan.
El esquema propuesto requiere que cada vehículo participe en una fase fuera de línea, donde una autoridad confiable comparte una lista de identidades enmascaradas o MaskID y claves secretas de vehículos legítimos y servidores perimetrales.
Una vez que los vehículos y servidores tienen su lista única de identidades enmascaradas, pueden autenticarse entre sí sin necesidad de depender de servidores en la nube, lo que garantiza una comunicación más rápida y eficiente.
Cuando un vehículo comienza a comunicarse, el servidor perimetral más cercano verifica su identidad utilizando MaskID y claves secretas, lo que reduce la carga computacional del vehículo.
Los científicos explican: «En nuestro esquema, cada vehículo y servidor perimetral (a través de RSU) está equipado con un algoritmo ML para clasificar a los adversarios de los legítimos».
El algoritmo de aprendizaje automático analiza y verifica los patrones de comunicación en tiempo real, fortaleciendo la seguridad contra ataques cibernéticos comunes, incluidos los ataques de intermediario o de suplantación de identidad.
Lo que hace que el enfoque se destaque en comparación con las herramientas disponibles actualmente es la incorporación de un lapso de tiempo «en la carga útil de cada mensaje cifrado para podar el esquema propuesto contra ataques adversarios bien conocidos».
«Los resultados de la simulación verifican el rendimiento excepcional de nuestro esquema en términos de sobrecarga computacional, sobrecarga de comunicación y sobrecarga de almacenamiento», afirman los autores.
Más información:
Mian Ahmad jan et al, Una autenticación basada en ML para la preservación de la privacidad en una Internet de vehículos distribuida y habilitada para el borde, Revista IEEE de Internet de las cosas (2024). DOI: 10.1109/JIOT.2024.3483275
Citación: El esquema de autenticación basado en IA puede proteger los vehículos de las amenazas cibernéticas (2024, 11 de noviembre) recuperado el 11 de noviembre de 2024 de https://techxplore.com/news/2024-11-ai-based-authentication-scheme-safeguard.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.
GIPHY App Key not set. Please check settings