En ce qui concerne les voitures qui se conduisent elles-mêmes, la plupart des gens hésitent encore. Des réserves similaires existent en ce qui concerne les capteurs embarqués recueillant des données sur l'état de santé actuel d'un conducteur. Dans le cadre du projet SECREDAS, un consortium de recherche comprenant l'Institut Fraunhofer de génie logiciel expérimental IESE étudie la sécurité, la sécurité et la confidentialité de ces systèmes. L'objectif est de renforcer la confiance dans une telle technologie.

Il reste encore du chemin à parcourir avant de pouvoir persuader les gens d'adopter une nouvelle technologie comme les voitures autonomes. Lorsqu'il s'agit de prendre des décisions en matière de circulation routière, nous avons tendance à faire plus confiance aux conducteurs humains qu'aux logiciels. Renforcer la confiance dans de tels connectés, les systèmes automatisés et leur capacité à répondre aux préoccupations de sécurité et de confidentialité des données, que ce soit dans le domaine de la mobilité ou de la médecine :c'est l'objectif du consortium à l'origine du projet SECREDAS. SECREDAS – qui signifie « Product security for cross domain fiable fiable systèmes automatisés » – rassemble 69 partenaires de 16 pays européens, y compris l'Institut Fraunhofer de génie logiciel expérimental IESE. Ce projet vise à garantir que les équipementiers européens restent compétitifs dans ce domaine. Il dispose d'un financement total de 51,6 millions d'euros, l'UE contribuant à hauteur d'environ 15 millions d'euros à cette somme.

Augmenter la sécurité des voitures autonomes

Le contrôle des véhicules autonomes est de plus en plus entre les mains des réseaux de neurones. Ceux-ci sont utilisés pour évaluer les situations de la circulation routière quotidienne :le feu de circulation est-il rouge ? Un autre véhicule est-il sur le point de traverser la route devant vous ? Le problème des réseaux de neurones, cependant, est qu'on ne sait pas exactement comment ils arrivent à de telles décisions. « Nous développons donc un superviseur de sécurité. Celui-ci suivra en temps réel les décisions prises par le réseau de neurones. Si nécessaire, il peut intervenir sur la base de cette évaluation, " explique Mohammed Naveed Akram de Fraunhofer IESE. " Le superviseur de la sécurité utilise des algorithmes classiques, qui se concentrent sur des paramètres clés plutôt que d'évaluer la situation globale, c'est ce que font les réseaux de neurones. Notre travail pour le projet SECREDAS consiste principalement à identifier des métriques adaptées à cet effet, mais nous examinons également la meilleure façon de prendre les contre-mesures appropriées afin d'éviter le danger."

L'exemple suivant illustre ce que cela signifie dans la pratique. Lorsque le véhicule s'approche d'une intersection, un réseau de neurones évalue la situation globale :qui a la priorité ? Le feu de circulation est-il rouge ou vert ? Y a-t-il des piétons dans la zone dangereuse ? Des véhicules sont-ils sur le point de traverser la route devant vous ? Pendant ce temps, les algorithmes du superviseur de sécurité se concentrent sur des métriques spécifiques. Ceux-ci peuvent inclure le temps de collision général (GTTC), qui est basé sur les trajectoires de tout véhicule sur une trajectoire de collision, ou la vitesse d'impact dans le pire des cas, qui détermine le degré de dommage en fonction de la vitesse probable de collision. Si la voiture se dirige vers un autre usager de la route que le réseau neuronal n'a pas détecté, les algorithmes du superviseur de la sécurité reconnaîtront que la distance à cet ou à d'autres usagers de la route se rétrécit à un degré dangereux. Et si les systèmes autonomes tombent en panne, le superviseur de la sécurité prendra alors le contrôle du véhicule et appliquera les freins. "Nous avons étudié diverses mesures pour voir dans quelle mesure nous pouvons évaluer une situation dangereuse comme celle-ci, " explique Akram. Les chercheurs ont utilisé la simulation informatique pour modéliser l'efficacité de ces métriques dans une gamme de situations critiques, avec des résultats impressionnants. " En combinaison avec la gestion dynamique des risques, l'utilisation d'approches conventionnelles pour surveiller les réseaux de neurones en temps réel peut offrir une augmentation substantielle de la sécurité, " dit Akram.

Un meilleur service ou une protection des données renforcée ?

Partager une voiture peut être un frein :chaque fois que vous l'utilisez, il faut réajuster le siège et le rétroviseur, réglez la radio sur votre canal préféré et entrez à nouveau vos emplacements préférés dans le système de navigation. Il est, bien sûr, parfaitement possible d'enregistrer de tels paramètres personnels, afin qu'ils puissent être automatiquement sélectionnés pour chaque pilote. Pour certaines personnes, cela représente une fonction très pratique. Autres, cependant, considérer comme une intrusion malvenue dans la confidentialité des données. Ce problème devient encore plus compliqué si nous imaginons que les systèmes du véhicule pourraient également surveiller la glycémie ou la fréquence cardiaque d'un conducteur, afin de pouvoir avertir le conducteur ou appeler de l'aide en cas de lecture critique. L'une des raisons des réserves contre une telle surveillance de la santé est que les conducteurs ne savent jamais vraiment si les données restent à bord ou sont traitées dans un cloud. "Vous ne pouvez pas avoir une solution unique ici, " dit Arghavan Hosseinzadeh da Silva, Ingénieur sécurité chez Fraunhofer IESE. "En général, plus vous soumettez de données, meilleur est le service que vous recevez. Mais combien de données quelqu'un veut divulguer, et dans quelles circonstances, peut varier considérablement d'une personne à l'autre."

Les chercheurs du programme IND²UCE développent aujourd'hui un cadre permettant de limiter l'utilisation des données personnelles en fonction de la situation précise et des préférences individuelles. Cela a déjà donné lieu à un logiciel sous le nom de produit MYDATA Control Technologies. Dire, par exemple, vous voulez que les messages WhatsApp s'affichent sur l'écran de la voiture, mais pas lorsque vous avez de la compagnie. Ou, lorsque vous louez une voiture, vous voulez que les mêmes contacts et listes de lecture soient affichés que ceux de votre propre véhicule—et le siège, le volant et le rétroviseur doivent se déplacer automatiquement vers les réglages appropriés. Et vous souhaitez que toutes les données relatives à la santé, telles que la fréquence cardiaque, restent à bord plutôt que d'être envoyées vers le cloud, à moins qu'il n'y ait une véritable urgence telle qu'un accident, et l'aide doit être demandée immédiatement. À l'avenir, les utilisateurs pourront définir ces préférences dans une application pour smartphone qui communiquera ensuite ces paramètres à n'importe quel véhicule qu'ils conduisent, qu'il s'agisse d'une entreprise, voiture de location ou personnelle.

Les composants du cadre requis pour permettre cela seront installés dans le véhicule. Par exemple, une demande pour savoir si les données sur la fréquence cardiaque du conducteur doivent être envoyées au cloud sera dirigée vers un point de décision politique (PDP), qui vérifie ensuite si cela est autorisé. Si la réponse est affirmative, le PDP envoie l'autorisation au point d'application de la politique (PEP) ou spécifie quelles données doivent être supprimées ou rendues anonymes avant d'être envoyées. Dans le cadre du projet SECREDAS, les chercheurs de Fraunhofer IESE développent actuellement un démonstrateur pour ce scénario. Ces travaux devraient être terminés d'ici fin 2020. À plus long terme, le consortium SECREDAS cherche à établir une norme pour le contrôle de l'utilisation des données à bord des véhicules. Si possible, cela devrait être adopté par tous les constructeurs automobiles, permettant ainsi aux utilisateurs de véhicules de déterminer comment leurs informations personnelles sont utilisées.