Verkeerssoftware en machine learning zijn grootste cybergevaren van morgen

 
Om onze veiligheid te blijven garanderen houden we beter een oogje op intelligente transportsystemen, machine learning en slimme robots. Dat is de conclusie van een studie naar opkomende cyberrisico’s uitgevoerd door het United States Computer Emergency Readiness Team (US-CERT).
 
US-CERT publiceert sinds 2015 jaarlijks een analyse waarin het kijkt naar opkomende technologieën en de mogelijke veiligheidsrisico’s die deze kunnen inhouden. De studie dient in de eerste plaats als een instrument om te bepalen welke ontwikkelingen de grootste aandacht verdienen van het US-CERT en andere veiligheidsorganisaties. Dit jaar geeft het onderzoek de hoogste prioriteit aan intelligente verkeerssoftware, machine learning en robots. Artificiële intelligentie speelt in alle drie de technologieën een grote rol.
 

ITS

 
Met het begrip ‘intelligente transportsystemen’ (ITS) omvat het Amerikaanse rapport alle toepassingen die voertuigen en verkeersregelaars deels of volledig automatiseren. Zelfrijdende wagens vallen onder de definitie, maar ook bijvoorbeeld software-toepassingen die verkeerslichten afstemmen op de verkeersdrukte. Momenteel lopen er in verschillende landen testprojecten rond slimme verkeerstoepassingen.
[related_article id=”170925″] Het is voornamelijk het moment waarop men met geïntegreerde systemen komt die een significant deel van het verkeer controleren, dat het US-CERT grote risico’s ziet opduiken. “Een miscommunicatie in het systeem, per vergissing of met opzet, zou tot talrijke verkeersincidenten kunnen leiden, met schade aan eigendom, kwetsuren en mogelijk doden tot gevolg.” De organisatie wijst ook op de privacyproblemen die ITS met zich meebrengt als men duizenden voertuigen in real-time kan volgen. US-CERT verwacht dat men geïntegreerde verkeersystemen binnen vijf à tien jaar in gebruik zal nemen.
 

Machine learning

 
Machine learning is een verzamelterm voor de diverse technieken die men gebruikt om kunstmatige intelligentie te trainen. Het is is niet zozeer één technologie, en dat maakt het moeilijk om de veiligheidsrisico’s in te schatten. Desalniettemin krijgt het een hoge priotiteit mee omdat het US-CERT verwacht dat het een van de “meest aggressieve en snel geadopteerde technologie van de komende jaren wordt.”
[related_article id=”172960″] Het rapport raadt aan om elke implementatie van machine learning apart te evalueren. De onderzoekers stellen dat er risico’s zijn op het stelen of lekken van data, maar ook het manipuleren van een algoritme door valse data behoort tot de mogelijkheden.
 

Slimme robots

 
Nog een technologie die volgens het US-CERT binnen vijf tot tien jaar tot wasdom zal komen: slimme robots die zich aanpassen aan hun omgeving en zelf beslissingen kunnen nemen. We zetten momenteel al robots in als werkers in fabrieken, maar het overgrote deel daarvan is geprogrammeerd om binnen een fysiek afgelijnde ruimte bepaalde taken uit te voeren. Zodra robots echter kunnen profiteren van de voordelen van artificiële intelligentie spelen ook hier de veiligheidsproblemen van die technologie mee.
 
Omdat robots waarschijnlijk “alle facetten van ons leven” zullen beïnvloeden, krijgen ze ook een code rood. “Het is niet moeilijk om je de financiële, operationele en veiligheidsimpact in te beelden van het stoppen of modificeren van het gedrag van industriële robots, leveringsdrones, dienstrobots of militaire androids, industriële controlemachines of […] robotchirurgen.”
 
Naast de drie bovengenoemde technologieën neemt het rapport nog enkele andere ontwikkelingen onder de loep, zoals blockchain, mesh-netwerken en digitale assistenten. Het is voornamelijk de brede applicatie van ITS, machine learning en slimme robots en hun relatief vergevorderde ontwikkeling die het US-CERT er toe bracht om de drie als de belangrijkste risicogebieden naar voren te schuiven.