Véhicules Autonomes : les enjeux en termes de cybersécurité

0

Même s’il est encore trop tôt aujourd’hui pour voir des parcs de véhicules entièrement autonomes, les dernières avancées technologiques dans ce domaine laissent entrevoir une image réaliste des fonctionnalités que nous pourrons utiliser dans un avenir proche.

En effet, de nombreux véhicules produits en 2019 étaient équipés de capteurs et de caméra de pointe basés sur des technologies analytiques, telles que le machine learning. Ces capteurs sont conçus pour automatiser, assister ou remplacer de nombreuses fonctions dont les humains étaient auparavant responsables. Ces fonctionnalités incluent par exemple des capteurs de pluie qui contrôle les essuie-glaces, des capteurs de détection d’objets pour éviter les collisions, ou encore des systèmes de caméras capables d’identifier à distance des objets et de fournir des informations de pilotage directement au véhicule.

Pour les fabricants de composants et de véhicules, cette adoption à grande échelle de technologies plus novatrices représente un potentiel de transformation dans la façon de conduire mais s’accompagne également de nouvelles menaces.

Voici quelques conseils pour proteger votre voiture:

  • Effectuer des contrôles rigoureux. Afin d’éviter qu’une technologie fonctionne d’une manière non anticipée par les ingénieurs, il est primordial d’effectuer des contrôles rigoureux. Ces contrôles doivent tenir compte des scénarios et cas marginaux pour lesquels cette technologie n’a pas été spécifiquement conçue. Cela inclut par exemple des tests approfondit des algorithmes de classification via la méthodologie de model hacking.
  • L’association homme-machine. Les cybercriminels ne cessent de développer de nouvelles techniques d’attaques. Les algorithmes de machine learning sont aujourd’hui embarqué dans de nombreuses technologies utilisées dans l’industrie automobile. Bien qu’ils permettent d’automatiser la conduite ou encore de détecter des obstacles, il est encore nécessaire d’avoir un conducteur qui pourra réagir en cas de nécessité. De manière similaire à ce que nous observons dans le domaine de la cybersécurité, le machine learning améliore les détections toutefois il ne peut pour l’instant se substituer aux compétences d’une équipe d’ingénieur dédiés. 
  • Appliquer de multiples techniques analytiques et suivre les changements de près. Pour améliorer la sécurité des algorithmes, il est nécessaire d’utiliser des méthodes de protection comprenant par exemple l’ajout de bruit, le test des caractéristiques, etc… De plus, il faudra surveiller de près les faux positifs et les faux négatifs, en tenant compte de la raison du changement et des effets de bord.
  • Adopter une approche globale pour la gestion des risques. De nombreuses entreprises fonctionnent encore en silo et les menaces peuvent entrer par de multiples biais. Par conséquent, une collaboration accrue et une vision unifiée du lieu de travail numérique du constructeur, des services cloud, des contrôles industriels et de la chaîne d’approvisionnement sont des facteurs à prendre en compte afin de maintenir une dynamique en matière de cybersécurité tout en développant des véhicules autonomes.

About Author

Thomas Roccia

Chercheur en sécurité chez McAfee

Leave A Reply