एक शक्तिशाली सुरक्षित ड्रायव्हिंग अनुभव अनलॉक करणे

ठळक मुद्दे

• स्मार्ट वाहने प्रचंड वैयक्तिक डेटा संकलित करतात, ज्यामुळे प्रमुख डेटा गोपनीयता आणि ड्रायव्हर्ससाठी पाळत ठेवण्याची चिंता वाढते.
• स्थान, सवयी आणि ओळख यासारखे संवेदनशील तपशील उघड केले जाऊ शकतात, ज्यामुळे ओळख चोरी, फसवणूक आणि तृतीय-पक्ष कमाई होऊ शकते.
• ब्लॉकचेन आणि प्रायव्हसी एन्हांसिंग टेक्नॉलॉजीज सोल्यूशन्स ऑफर करतात, ड्रायव्हर्सना त्यांच्या कनेक्ट केलेल्या कारवर नियंत्रण देतात.

एकदा तुमच्या ड्राइव्हवेमध्ये पार्क केल्यावर, तुमची कार आता एक अत्याधुनिक, रोलिंग डेटा सेंटर दर्शवते. जोडलेली आणि स्वायत्त वाहने (CAVs) ने ऑटोमोबाईल उद्योगाचे डिजिटल क्षेत्राच्या विस्तारात रूपांतर केले आहे, ज्यामुळे प्रचंड प्रमाणात खाजगी माहिती धोक्यात आली आहे. डेटाचा हा प्रवाह कार्यक्षमतेसाठी तयार केलेल्या ट्रॅफिक पॅटर्नमध्ये क्रॅश टाळण्यासाठी डिझाइन केलेल्या सिस्टीममधून अद्भुत नवकल्पनांना प्रोत्साहन देत असताना-त्यामुळे खूप गंभीर समस्या निर्माण होतात: तुमची कार तुमच्या आयुष्यावर गुप्तपणे लक्ष ठेवते का आणि ती गोळा करत असलेल्या अत्यंत खाजगी माहितीचे काय होते?

बुद्धिमान कारसाठी मोठ्या प्रमाणावर बाजारपेठ वेग घेत आहे. अंदाज असे सूचित करतात की 2030 पर्यंत, जवळजवळ सर्व नवीन कार काही प्रमाणात जोडल्या जातील. हे संक्रमण, हायवे वापरकर्त्यांना नवीन सेवा प्रदान करण्याच्या क्षमतेमुळे वाढलेले, कारच्या आतील भागात बदलते ज्याची तुलना काही समालोचकांनी “मूव्हिंग पॅनोप्टिकॉन” शी तुलना केली, ज्यामध्ये वापरकर्त्याचे सतत निरीक्षण केले जाते आणि त्यातून सुटणे कठीण आहे. कनेक्टेड कार्स या मुळात अत्याधुनिक सायबर-फिजिकल सिस्टीम असतात, ज्यात हार्डवेअर आणि सॉफ्टवेअर घटकांचा संपूर्ण संच असतो ज्याचा उद्देश वाहन आणि त्यातील प्रवासी या दोहोंच्या मेकॅनिक्सचा डेटा गोळा करण्यासाठी असतो.

संकलनाची यंत्रणा

ते सर्व शेकडो सेन्सर्स आणि ECUs वर आधारित आहेत, जे वाहनाचे कार्यप्रदर्शन, ड्रायव्हर क्रियाकलाप आणि आसपासच्या वातावरणाचे मोजमाप आणि निरीक्षण करतात. हे सेन्सर LIDAR, रडार, कॅमेरे आणि थर्मोग्राफिक कॅमेरे यांसारखे उच्च-अंत तंत्रज्ञान तैनात करतात. वाहनांना वस्तू समजण्यासाठी, पर्यावरणीय बदलांचा अंदाज घेण्यासाठी आणि मुख्य कार्यक्षमतेवर नियंत्रण ठेवण्यासाठी ते सतत कच्चा डेटा रेकॉर्ड करतात. उत्पादित डेटाचे प्रमाण प्रचंड आहे. कमी स्वायत्त वाहने सुमारे 25 गीगाबाइट्स प्रति तास डेटा व्युत्पन्न करू शकतात, जो सेल्फ-ड्रायव्हिंग कारसाठी प्रति तास 500 गीगाबाइट्सचा फुगा देऊ शकतो.

रेकॉर्ड केलेला वैयक्तिक डेटा अचूक आणि अत्यंत संवेदनशील आहे. यात वाहनाचे अचूक भौगोलिक निर्देशांक, प्रवास केलेले मार्ग, अचूक थांबण्याचे ठिकाण, प्रवासाचा वेग आणि प्रवासाचा वेळ यांचा समावेश आहे. या प्रकारचा डेटा घर आणि कामाचे पत्ते, खरेदीचे वर्तन आणि अगदी संवेदनशील जीवनशैली गुणधर्म ओळखू शकतो.

अधिकृत वापराचे प्रमाणीकरण करण्यासाठी, सोई किंवा मनोरंजन सेटिंग्ज वैयक्तिकृत करण्यासाठी आणि नाव किंवा गंतव्य निवडीनुसार प्रवाशांना ओळखण्यासाठी सामायिक गतिशीलता सेवांमध्ये रेकॉर्ड केलेला डेटा. कारमधील कॅमेऱ्यांद्वारे रेकॉर्ड केलेली माहिती (ड्रायव्हरचे लक्ष वेधून घेण्याच्या उद्देशाने) आणि मायक्रोफोन्स (इन्फोटेनमेंट सिस्टमशी जोडलेले) केबिनच्या वैयक्तिक जागेतील घटनांचा मागोवा घेते.

स्टोरेज आणि नेटवर्क

एकत्रित केल्यानंतर, ही माहिती प्रक्रिया आणि संग्रहित करणे आवश्यक आहे. वाहनाच्या ECUs शी जोडलेल्या उच्च-कार्यक्षमता संगणकावर (HPC) सर्वात गहन प्रक्रिया केली जाते. ऑनबोर्ड नेटवर्क डेटाबेसमध्ये डेटा स्थानिकरित्या संग्रहित केला जाऊ शकतो. तरीही, सेल्युलर नेटवर्क (4G, 5G), वाय-फाय, ब्लूटूथ आणि GPS यांसारख्या तंत्रज्ञानाचा वापर करून, ते बऱ्याचदा आऊटबोर्ड नेटवर्क्स (V2X)—वाहन-टू-एव्हरीथिंग कम्युनिकेशन सिस्टमद्वारे प्रसारित केले जाते.

वाहन आर्किटेक्चरमध्ये प्रवेशाचे अनेक बिंदू (ॲक्सेस पॉइंट्स किंवा APs) असतात ज्याचा वापर हल्ला किंवा डेटा काढण्यासाठी व्हेक्टर म्हणून केला जाऊ शकतो, जसे की वाहन पोर्ट, जसे की OBD (ऑन-बोर्ड डायग्नोस्टिक्स) पोर्ट, टेलिमॅटिक्स कंट्रोल युनिट्स (TCU), आणि USB पोर्ट.

ऑटोमोटिव्ह डेटासाठी बाजारपेठ

मुख्य गोपनीयतेची चिंता डेटाचे संकलन एवढी नाही, तर ती किती ठेवली जाते, प्रक्रिया केली जाते आणि तृतीय पक्षांना हस्तांतरित केली जाते. कनेक्ट केलेल्या कार-आधारित सेवांचे वर्गीकरण ज्या पद्धतीने डेटा प्रवास करते त्यानुसार केले जाऊ शकते:

1. इन-इन: इको-ड्रायव्हिंग सहाय्यासारख्या स्टँड-अलोन सेवांसाठी डेटा पूर्णपणे वाहनामध्ये ठेवला जातो.

2. इन-आउट: गोळा केलेली माहिती बाहेर पाठवली जाते, सामान्यत: तृतीय पक्षांना, जसे की पे-एज-यू-जा विमा उत्पादने किंवा कार निदान सेवा.

3. इन-आउट-इन: कारला निकाल देण्यापूर्वी माहिती प्रक्रिया आणि विश्लेषणासाठी (जसे की स्थान आणि नेव्हिगेशन सेवा) बाह्य सेवा प्रदात्याकडे (जसे की क्लाउड) प्रसारित केली जाते.

हे नंतरच्या दोन प्रकारांचे व्यावसायिक मूल्य आहे जे गोपनीयतेची चिंता वाढवते. ऑटोमेकर्स आणि त्यांचे सहयोगी या वैयक्तिक माहितीचा फायदा घेऊ शकतात. विमा कंपन्यांना, उदाहरणार्थ, अपघात विश्लेषण आणि प्रीमियम रेटिंगसाठी बाह्य सेन्सर डेटा (कॅमेरा किंवा LIDAR मधील) आणि अंतर्गत डेटा (वेगातील फरक किंवा दिशा मोजणे) यांसारख्या वाहन डेटामध्ये अत्यंत रस असतो.

चिंताजनकपणे, संवेदनशील आणि अंतरंग माहिती वाहन डेटा हब आणि तृतीय पक्षांच्या हातात जाते, जे मोटर वाहन डेटा इतर स्त्रोतांसह विलीन करतात. हे संलयन संभाव्यपणे एकत्रित माहिती रद्द करू शकते आणि जाहिरातदारांना किंवा इतर तृतीय पक्षांना विक्रीसाठी अत्यंत मौल्यवान बनवू शकते, परिणामी आक्रमक विपणन होऊ शकते.

द प्रायव्हसी थ्रेट लँडस्केप

बुद्धिमान कारमधील गोपनीयतेला धोका गंभीर आहे कारण बद्रेडिन चह आणि सहकाऱ्यांच्या म्हणण्यानुसार, संगणकाच्या सुरक्षिततेच्या “कमकुवत लिंक तत्त्वाचे” अनुसरण करून, त्यातील कोणत्याही भागात एकच असुरक्षा संपूर्ण प्रणाली प्रकट करू शकते. धोक्याचे विश्लेषण फ्रेमवर्क लिंकेबिलिटी आणि आयडेंटिफायबिलिटी सारख्या मुख्य गोपनीयतेच्या जोखमींना ओळखतात, जे प्रतिस्पर्ध्यासाठी (जे संघटित गुन्हेगारी, चोर किंवा गुप्तचर संस्था असू शकतात) दोन किंवा अधिक डेटा पॉइंट्स, जसे की संदेश किंवा कृती, परत त्याच व्यक्ती किंवा वाहनाशी जोडण्याची शक्यता असते.

संदर्भ माहिती, जसे की कूटबद्ध न केलेला स्थान डेटा, सहजपणे प्रवासी आयडी किंवा वाहन अनुक्रमांकाशी संबद्ध केला जाऊ शकतो आणि अशा प्रकारे स्पष्ट ओळख नसतानाही एक अंतरंग वापरकर्ता प्रोफाइल तयार करू शकतो. इतर काही धोके म्हणजे वैयक्तिक माहिती उघड करणे, ओळख चोरी आणि फसवणूक, खरा गुन्हा आणि सुरक्षा घुसखोरी

ड्रायव्हरचा दृष्टीकोन: सुरक्षा आणि गोपनीयता संतुलित करणे

ड्रायव्हर्स सर्वसाधारणपणे डेटा संकलनाच्या विरोधात नाहीत, विशेषतः जर पारदर्शक, सार्थक उद्देश असेल. रस्ता सुरक्षा (स्वतःसाठी किंवा इतरांसाठी) वाढवण्यासाठी किंवा वाहनाची कार्यक्षमता आणि उत्पादनाच्या विकासासाठी अनुकूलता आणण्यासाठी डेटा संकलनासाठी ड्रायव्हर्सचा कल अनुकूल असतो. तथापि, वापरकर्ते विशिष्ट, तडजोड न करता येणाऱ्या सीमा परिभाषित करतात, विशेषत: केबिनच्या खाजगी क्षेत्राशी संबंधित:

• ऑडिओ आणि व्हिडिओ पाळत ठेवणे: ऑडिओ माहिती गोळा करण्यासाठी जवळजवळ सार्वत्रिक प्रतिकार अस्तित्वात आहे आणि कारमधील व्हिडिओ कॅमेऱ्यांना व्यापक प्रतिकार आहे. ड्रायव्हर्स कार इंटीरियरला खाजगी आणि सुरक्षित जागा मानतात जिथे वैयक्तिक चर्चा टॅप करू नये. ज्या परिस्थितीत अंतर्गत कॅमेरे सुरक्षितता वैशिष्ट्ये वाढवू शकतात (जसे की ड्रायव्हर थकवा मॉनिटरिंग), ड्रायव्हर्स बंद प्रणालीला प्राधान्य देतात ज्यामध्ये डेटा केवळ स्थानिक पातळीवर सेन्सर म्हणून वापरला जातो आणि कारमधून कधीही प्रसारित केला जात नाही.

• ट्रॅकिंग प्रती अनामिकता: जेव्हा गोळा केलेली माहिती वाहनाशी संबंधित असते (उदा. कार्यप्रदर्शन) त्यांच्या वैयक्तिक वर्तनापेक्षा ड्रायव्हर्स अधिक सहजतेला प्राधान्य देतात. डेटा एकत्रित करणे आणि अनामित करणे त्यांना आवडते. निनावीपणा गमावण्याचा धोका विक्रीच्या प्रयत्नांद्वारे लक्ष्यित होण्याबद्दल किंवा जास्त देखरेखीच्या अधीन राहण्याबद्दल चिंता निर्माण करतो.

• नियंत्रणाचा अभाव (एजन्सी): बहुतेक ड्रायव्हर्सना नेमका कोणता डेटा गोळा केला जातो, तो कसा संग्रहित केला जातो आणि तो शेवटी कोणाकडे निर्देशित केला जातो याबद्दल ज्ञानाची कमतरता (सुवाच्यता) जाणवते. त्यांना सूचित संमती देण्यासाठी आवश्यक माहितीची कमतरता आहे. त्यांना वापरण्यास-सुलभ, तपशीलवार नियंत्रणे हवी आहेत-सामान्यत: सेल फोन ॲपद्वारे – जी त्यांना बदलण्याच्या संदर्भांवर (निगोशिएबिलिटी) अवलंबून डेटाचे विशिष्ट तुकडे वापरण्याची निवड करण्यास सक्षम करतात.

निष्कर्ष

तांत्रिकदृष्ट्या, डेटा संरक्षित करण्यासाठी शक्तिशाली फ्रेमवर्क तयार केले जात आहेत, गोपनीयता वर्धित तंत्रज्ञानावर (पीईटी) अवलंबून राहण्याची प्रवृत्ती आहे. ब्लॉकचेन आणि फेडरेटेड रिइन्फोर्समेंट लर्निंग (BFRL) चे एकत्रीकरण हे एक आशादायक तंत्र आहे.

संवेदनक्षम कच्च्या डेटाची देवाणघेवाण करण्याची आवश्यकता न ठेवता असंख्य वाहनांमध्ये मशीन लर्निंग मॉडेल्सना संयुक्तपणे प्रशिक्षित करण्यासाठी फ्रेमवर्क वितरित तंत्रज्ञानाचा वापर करते. त्याऐवजी, एनक्रिप्टेड मॉडेल अपडेट्सचा व्यापार सुरक्षित, विकेंद्रित लेजरद्वारे केला जातो. हे मजबूत डेटा अखंडतेची हमी देते आणि केंद्रीकृत डेटा स्टोरेजची आवश्यकता काढून टाकते, ज्यामुळे एक मोठी संभाव्य भेद्यता दूर होते.

शेवटी, त्याच्या डोक्यावर डायनॅमिक चालू करणे आणि निर्मात्यांनी गोपनीयतेला डिझाइन करून प्राधान्य देणे हे उद्दिष्ट आहे. याचा अर्थ ड्रायव्हर्सना स्पष्ट, दाणेदार नियंत्रणे ऑफर करणे जे सुरक्षेच्या वैशिष्ट्यांसाठी आवश्यक असलेला डेटा विपणन किंवा कमाई यांसारख्या सहायक हेतूंसाठी वापरल्या जाणाऱ्या डेटापासून वेगळे करतात. जोपर्यंत या प्रकारच्या सिस्टीम उद्योगात कायमस्वरूपी तयार केल्या जात नाहीत तोपर्यंत, प्रश्न कायम राहतो: तुमच्या कनेक्ट केलेल्या कारच्या नियंत्रणात तुमचे नियंत्रण आहे, की तुमच्या कनेक्ट केलेल्या कारवर पाळत ठेवण्याचे नियंत्रण तुमच्या आयुष्यात आहे?