[ad_1]

محققان دانشگاه مریلند ، منطقه بالتیمور (UMBC) برای ایجاد روش هایی برای بهبود ایمنی وسایل نقلیه پیشرفته از نظر فناوری تلاش کرده اند. اکنون که اکثر اتومبیل های جدید از فناوری پیشرفته محاسبات استفاده می کنند ، در برابر حملات مخرب به شبکه های خود آسیب پذیر هستند ، که می تواند منجر به مسائل ایمنی فاجعه بار شود. Riadul Islam ، استادیار علوم کامپیوتر و مهندسی برق ، با همکاران در UMBC و دانشگاه میشیگان-Dearborn کار کرده است تا یک روش ساده و آسان برای تشخیص نقض امنیت ایجاد کند. این مطالعه در نشریه موسسه مهندسان برق و الکترونیک (IEEE) منتشر شده است. معاملات با سیستم های حمل و نقل هوشمند.

در حال حاضر ، پرکاربردترین شبکه ارتباطی درون اتومبیل در صنعت خودرو ، منطقه کنترل (CAN) است. استفاده از این شبکه بسیار آسان است ، که باعث جذابیت آن برای مصرف کنندگان و تولیدکنندگان می شود ، اما همین سادگی باعث آسیب پذیری آن در برابر تهدیدات امنیتی بالقوه می شود.

CAN اساساً یک شبکه پخش است ، بنابراین هر شی object توانایی “خواندن” پیام های وارد شده از اتومبیل و ارسال پیام های متناقض را دارد. با استفاده از شبکه CAN امکان کنترل از راه دور خودرو از دستگاه دیگر وجود دارد. این یک ویژگی و یک اشکال است که امکان بسیاری از نوآوری های جدید را فراهم می کند ، و همچنین نگرانی های امنیتی را ایجاد می کند. این سایت می تواند کنترل شبکه را در دست بگیرد و با ایجاد شرایط خطرناک مانند از کار انداختن قطعی ها یا خرابی موتور ، دستورات جدیدی را به خودرو ارسال کند.

اولین قدم برای ریشه کن کردن کامل این تهدیدات احتمالی ، شناسایی آنهاست. از نظر اسلام ، کشف این تهدیدات به فناوری گسترده ای نیاز ندارد. در عوض ، روش وی شامل فرمول بندی تکنیک های گرافیکی برای تشخیص ناهنجاری ها است که “به راحتی رابطه پیچیده بین داده ها را نشان می دهد”.

تیم اسلام نمودارهای تهیه شده برای نشان دادن داده ها را در وب گرفته و تجزیه و تحلیل آماری ساده ای را برای شناسایی متخلفان یا تهدیدها انجام داده است. این روش به ماشین آلات گران قیمت احتیاج ندارد. در عوض ، این روش به روشهایی تکیه می کند که از قبل توسط آمارشناسان به خوبی درک شده اند و می توانند بصورت شهودی عمل کنند.

مزیت اصلی استفاده از روش آماری برای تشخیص تهدیدات احتمالی در CAN این است که از نظر اسلام مقرون به صرفه است. وی توضیح می دهد: “روش آماری به انرژی كمتری نسبت به یادگیری ماشین یا روش های هوشمندانه مصنوعی نیاز دارد.”

همانطور که چشم انداز اتومبیل رانی خودران یا وسایل نقلیه کاملاً رایانه ای به واقعیت تبدیل می شود ، شناسایی و رفع آسیب پذیری های شبکه ضروری می شود. اسلام و تیم او نشان داده اند که این کار برای اثرگذاری پیچیده و گران نیست. در عوض ، خودروسازان می توانند با استفاده از داده ها و تجزیه و تحلیل آماری ، سادگی را برای شناسایی تهدیدها در زمان واقعی حفظ کنند. در آینده ، روش آماری توسعه یافته توسط اسلام به صورت دیجیتال در دسترس خواهد بود تا از بهترین دسترسی اطمینان حاصل کند ، زیرا وسایل نقلیه با عملکردهای بیشتر از گذشته ایجاد می شوند.

###

سلب مسئولیت: AAAS و EurekAlert! هیچ مسئولیتی در قبال صحت گزارشهای خبری منتشر شده در EurekAlert ندارند! از طریق موسسات کمک کننده یا استفاده از هرگونه اطلاعات از طریق سیستم EurekAlert.

[ad_2]

منبع: kolah-news.ir

ایندکسر