.jpg)
影像学分:Sergey奈文/ shutterstock.com
汽车现在比以往任何时候都更加紧密。他们不仅可以与其他车辆和无生命的物体,但全自动汽车可能在拐角处(如果没有其他事故)。正因为如此,汽车现在更通过各种无线网络连接。这些网络(如网络)容易受到网络攻击和网络攻击者有可能禁用汽车的许多基本功能。在本文中,我们将看看如何基于机器学习可以帮助防止未来汽车的网络攻击。
基于机器学习的是什么?
基于机器学习的是应用人工智能(AI)的一种形式,使一个系统自动学习和发展本身,没有人类的进步需要编程。而不是编程,这些系统在系统识别模式和异常独立适应系统的需求。机器学习系统的学习只使用系统内的数据(和任何新的数据从外部连接网络)产生独立的计算机的思维过程和做出自己的决定。
基于机器学习是一个一般术语,任何人工智能系统,可以提高和学习本身。事实上,有许多广泛类型的机器学习,这些包括监督机器学习,非监督机器学习,机器学习semi-supervised钢筋机器学习,包括不同的亚型。
汽车危险吗?
汽车现在比以前更容易受到网络攻击。汽车在过去的几十年里经历了许多转换——从纯粹的机械,机械和电气部件组成的,到现在,汽车各种无线连接的计算机网络。虽然这些网络是伟大的与汽车制造商进行交互,保险提供者,交通灯,通行费,家庭网络和其他车辆,它付出了代价。
价格,是网络攻击的风险。不仅如此,这些网络攻击有可能淘汰赛,或控制,汽车的一些基本功能。这些的范围可以从禁用刹车,刹车单个轮,甚至停止发动机。从攻击者远程控制风险并不是唯一的问题。这些攻击者也可能感染恶意软件的软件的自主车,或任何其他恶意的电脑病毒。这些将是灾难性的,不管车用户控制或自治和公共安全造成巨大风险。
保护现代汽车也是一个重大的挑战。这些汽车网络是非常复杂的,可以包含wi - fi、细胞和专用短程通信(简称DSRC)传输和接收来自不同数据源的数据。也很难地方攻击可能来自当这样的大型网络。过时的技术也给网络黑客带来一个简单的路线,特别是如果他们的网络不再是监控。
基于机器学习如何保护汽车
传统的安全方法重点保护的电子汽车,因为这些电子系统被用来控制了大部分的功能在一个汽车很多年了。基于机器学习技术的潜力提供一个新型的现代网络连接汽车的安全。
一般来说,机器学习可以帮助汽车工业更好地分析威胁和应对任何可能发生的事件。机器学习也提供了潜在的接管卑微的工作通常由网络安全团队,让这些团队专注于实际的威胁。
机器学习在哪里来呢?为了防止网络攻击,以及返回攻击如果系统之前已经突破了,很多信息和监测是必需的。你不仅需要保护系统和发现任何潜在的入口点(和处理他们是否发生),团队向上网络安全需要了解他们的潜在的攻击者。这意味着安全团队不仅需要确定任何潜在的攻击者,而且他们如何可能的攻击,他们的动机是什么。只有一个有效的反应可以发生,如果发生的攻击。
机器学习可以帮助收集数据,模式识别,使计算预测许多这样的问题。机器学习可以帮助建立行为概要文件的任何潜在的攻击者。这不仅艾滋病网络安全团队在数据处理方面,而且在提供一种方式来阻止攻击一旦被启动。机器学习也可以帮助其他汽车的检测异常的系统网络,不只是那些被监控。
有几个可以使用机器学习技术,对网络威胁,包括基于分类技术来检测异常发生时(尽管不是异常的位置);基于集群技术来检测异常模式;深度学习的入侵检测系统(使用深层神经网络)或深度学习,可以检测到攻击中央区域网络总线;和连续的时间序列异常检测的技术。
机器学习也可以帮助汽车本身以外的地区。因为从自动汽车如此巨大和复杂的网络,他们特性与其他系统连接。从一个潜在的攻击另一个系统风险是汽车制造商——那么包括任何与公司有关的内部系统本身和其制造工厂。
来源:
专家系统:http://www.expertsystem.com/machine-learning-definition/
情景应用程序:https://www.sas.com/en_gb/insights/analytics/machine-learning.html
本-古里安大学和IBM -连接汽车高级分析网络安全:https://arxiv.org/pdf/1711.01939.pdf
方案:https://www.csoonline.com/article/3240925/machine-learning/5-top-machine-learning-use-cases-for-security.html
莎莉:https://www.ey.com/en_gl/tax/navigating-the-competition-law-implications-of-connected-cars
麦肯锡:https://www.mckinsey.com/ ~ /媒体/麦肯锡/行业/汽车% 20和% 20组装/ % 20的见解/转移% 20齿轮% 20 % 20网络安全% 20 % 20 % 20辆汽车/ shifting-gears-in-cyber-security-for-connected-cars.ashx相连
麻省理工学院技术评论:https://www.technologyreview.com/s/608618/hackers-are-the-real-obstacle-for-self-driving-vehicles/
Toptal:https://www.toptal.com/insights/innovation/how-machine-learning-can-enhance-cybersecurity-for-autonomous-cars
免责声明:这里的观点是作者表达他们的私人能力,不一定代表AZoM.com T /有限的观点AZoNetwork这个网站的所有者和经营者。这个声明的一部分条款和条件本网站的使用。