Autonomiczne taksówki to bezpieczeństwo, ale nie cyfrowe

Autonomiczne taksówki pozwalają budować bezpieczeństwo na drogach, ale pytania o prywatność danych pasażerów budzi nowe obawy.

Pojazdy robotaxi, czyli autonomiczne taksówki stają się coraz częstszym widokiem na ulicach miast takich jak Los Angeles. Taksówki, które nie potrzebują kierowców do przewożenia pasażerów oferują wygodne przejazdy dzięki zaawansowanym czujnikom i aplikacjom. Jednak auta zbierają sporo osobistych danych jak: trasy, wizerunki pasażerów, czy rozmowy w środku, co rodzi pytania o prywatność i bezpieczeństwo. Ostatnie badanie, przedstawione na 20. Międzynarodowym Warsztacie Zarządzania Prywatnością Danych (DPM) w Tuluzie we Francji, wskazuje na lukę w ochronie informacji. Przygotowane przez międzynarodowy zespół z USC Viterbi Information Sciences Institute, Uniwersytetu w Ulm, Bosch Research, Uniwersytetu Halle-Wittenberg, Continental Automotive Technologies, Uniwersytetu Goethego we Frankfurcie i Qualcomm Technologies. Badanie ujawnia brak praktycznych narzędzi do skutecznego zabezpieczenia danych pasażerów.

Autonomiczne taksówki gromadzą dane na każdym etapie. Zaczynają od rezerwacji kończąc na analizie po przejeździe. Algorytmy gromadzą dane: imion, szczegółów kart kredytowych, lokalizacji GPS, nagrań z sensorów, dzięki którym auto może bezpiecznie poruszać się po drodze i audio w kabinie. Choć istniejące wytyczne pomagają wskazywać zagrożenia dla prywatności, wybór odpowiednich technologii wzmacniających prywatność (PETs), takich jak szyfrowanie, anonimizacja, czy zaawansowane metody jak prywatność różnicowa i szyfrowanie homomorficzne. Narzędzia mają umożliwić korzystanie z danych do celów nawigacyjnych, czy rozliczenia bez niepotrzebnego ujawniania szczegółów osobistych, ale wdrożenie wymaga lepszych wskazówek.

Badanie przetestowało trzy czołowe metody akademickie wyboru PETs w realistycznym scenariuszu robotaxi, obejmującym cały cykl jazdy. Wyniki pokazały, że żadna z nich nie zapewniła wystarczającej ochrony wrażliwych danych, często z powodu uproszczonych założeń lub pominięcia powiązań między systemami. Zespół opracował też własną praktyczną metodę opartą na doświadczeniu, która działała lepiej, ale potrzebowała specjalistycznej wiedzy, co ogranicza jej powszechność. Ala’a Al-Momani z Uniwersytetu w Ulm zauważył, że PETs poprawiają prywatność, ale mogą powodować opóźnienia lub wpływać na komfort użytkownika przez dodatkowe obliczenia.

Badanie ujawnia kluczową lukę w prywatności danych robotaxi, gdzie zaawansowane zbieranie spotyka niewystarczające metody ochrony. Testując wybór PETs i proponując rozwiązania, wskazuje na potrzebę lepszych narzędzi do budowania zaufania pasażerów. Wraz z rozwojem pojazdów autonomicznych, rozwiązywanie tych wyzwań będzie kluczowe dla ich powodzenia, zapewniając bezpieczeństwo danych bez uszczerbku na jakości usług. To praca kładzie podwaliny pod przyszłe innowacje w inżynierii prywatności w różnych dziedzinach.

Szymon Ślubowski