A Hybrid AI-DEMATEL Model for Causal Analysis of Blockchain-Enabled Secure Communication and Privacy Risks in Access Control of Connected Autonomous Vehicles

تخيل مستقبلاً تقود فيه سيارتك نفسها، وتتنقل عبر حركة المرور، وتتجنب الحوادث، وتتواصل مع المركبات الأخرى والبنية التحتية للمدينة دون يد بشرية على عجلة القيادة. تعتمد هذه الآلات، المعروفة باسم المركبات ذاتية القيادة المتصلة، على تدفق مستمر وعالي السرعة من البيانات لاتخاذ قرارات في أجزاء من الثانية. وللحفاظ على سلامة هذا النظام، يجب حماية البيانات من المتسللين، ومع ذلك يجب مشاركتها بحرية لضمان معرفة السيارة إلى أين تذهب. وهذا يخلق عملية توازن دقيقة: كيف يمكنك إغلاق نظام ما بإحكام للحفاظ على أمنه دون منع المعلومات التي تحتاجها السيارة للعمل؟

لسنوات، بحث الخبراء في تقنية تُسمى "البلوكشين" (سلسلة الكتل) لحل هذه المشكلة. فكر في البلوكشين كدفتر حسابات رقمي مشترك يسجل كل معاملة أو رسالة بطريقة يصعب تغييرها أو تزييفها تقريبًا. ومن خلال استخدام هذا النظام، يأمل مصنعو المركبات والحكومات في إنشاء شبكة آمنة حيث يمكن للسيارات التحقق من هوية بعضها البعض ومشاركة بيانات السلامة الحرجة دون وجود سلطة مركزية تتحكم في تدفق المعلومات. ومع ذلك، فإن مجرد توصيل هذه التقنية بالسيارة يطرح مجموعة جديدة من المشكلات المعقدة؛ إذ إن الميزات ذاتها التي تجعل البلوكشين آمنًا يمكن أن تجعله أيضًا بطيئًا، ومكلفًا للتشغيل، وصعب الإدارة عندما تحاول ملايين السيارات التواصل في وقت واحد.

لقد تعمق فريق من الباحثين من الهند في هذه التحديات المحددة. فقد سعوا لفهم الروابط الخفية بين المخاطر المختلفة المتعلقة باستخدام البلوكشين لأمن السيارات. وبدلاً من النظر إلى هذه القضايا بشكل منعزل، عاملوها كشبكة من العوامل المترابطة. أرادوا معرفة أي المشكلات هي الأسباب الجذرية التي تطلق مشكلات أخرى، وأيها مجرد أعراض تظهر عندما يتعرض النظام للضغط. وللقيام بذلك، جمعوا رؤى من لجنة من الخبراء، بما في ذلك مهندسو الأمن السيبراني، والباحثون الجامعيون، وعلماء البيانات، واستخدموا طريقة تحليلية متطورة لرسم خريطة لكيفية تأثير هذه العوامل العشرة الحرجة على بعضها البعض.

حدد الباحثون عشرة مجالات رئيسية تحدد نجاح أو فشل هذه التقنية. وتتراوح هذه المجالات من "تضارب السياسات"، حيث قد تصدر سلطات مختلفة مثل الشرطة ومصنعي السيارات والمالكين قواعد متناقضة، إلى "زمن الاستجابة" (الكمون)، وهو التأخير الضئيل الذي يحدث عند التحقق من رسالة ما. وتشمل عوامل أخرى حجم البيانات الهائل الذي يجب أن تتعامل معه الشبكة، وقدرة الحوسبة المحدودة داخل السيارة نفسها، وصعوبة تحديث قواعد الأمن أثناء تحرك السيارة. كما فحص الفريق التوتر بين الحفاظ على خصوصية موقع السائق والحاجة إلى التحقق من هويته من أجل السلامة، بالإضافة إلى خطر الأخطاء في الكود البرمجي الذي يحكم هذه القواعد.

ومن خلال تحليل كيفية تفاعل هذه العوامل، كشفت الدراسة عن تسلسل هرمي واضح للسبب والنتيجة. وكان الاكتشاف الأكثر أهمية هو أن "التوافق التشغيلي" (Interoperability) هو أقوى عامل سببي، مما يعني أنه السبب الجذري الذي يطلق معظم المشكلات اللاحقة في النظام. ويشير هذا إلى التناقضات التقنية بين منصات البلوكشين ومصنعي المركبات المختلفة التي تكمن وراء العديد من الثغرات اللاحقة. ومع ذلك، سلطت الدراسة الضوء أيضًا على أن "تضارب السياسات" يمثل العامل الأكثر بروزًا وتعقيدًا من الناحية الهيكلية بشكل عام. ويشير هذا إلى المواقف التي تؤدي فيها الخلافات القانونية والقضائية بين أصحاب المصلحة — مثل الحكومات والمصنعين ومالكي المركبات — إلى تعقيد العمليات واتخاذ القرارات في الوقت الفعلي، مما يمنحه أعلى قيمة أهمية إجمالية في النظام.

بعد ذلك، أشارت الدراسة إلى أن "الثقة والسمعة" هما محركان أساسيان آخران. في هذا النظام البيئي الرقمي، تعتمد قدرة السيارة على المشاركة على درجة تعكس سلوكها السابق. فإذا كان لدى السيارة تاريخ في إرسال بيانات كاذبة، يتم تقييدها. ووجد الباحثون أنه إذا لم يكن نظام الثقة هذا قويًا، فإن الشبكة بأكملها ستصبح غير موثوقة. وبالمثل، فإن القيود المادية على كمبيوتر السيارة المدمج، والمعروفة باسم "قيود الموارد"، تعمل كسبب رئيسي للتأخير. نظرًا لأن هذه الحواسيب لديها طاقة محدودة، فإنها تكافح لمعالجة عمليات التحقق الأمنية الثقيلة المطلوبة من البلوكشين، مما يبطئ بدوره قدرة السيارة على الاستجابة لحالات الطوارئ.

كما أوضحت الدراسة أن "تحديثات السياسة الديناميكية" — أي القدرة على تغيير قواعد الأمن فورًا أثناء حالة الطوارئ — هي الجزء الأكثر حساسية في النظام. هذه التحديثات ليست سبب المشكلات، بل هي نتيجة لها. فإذا لم يتم إصلاح الأسباب الجذرية مثل التوافق التشغيلي وقيود الموارد، فلن يتمكن النظام من تحديث قواعده بسرعة كافية للتعامل مع الأزمة. فعلى سبيل المثال، إذا احتاجت سيارة إلى مشاركة موقعها مع خدمات الطوارئ أثناء حادث، ولكن الشبكة كانت مزدحمة أو القواعد متضاربة، فقد لا تصل تلك المعلومات الحرجة في الوقت المناسب.

ولعل الرؤية الأكثر أهمية التي قدمتها الدراسة هي أن محاولة علاج الأعراض مباشرة غالبًا ما تكون غير فعالة. وتقترح الدراسة أن التركيز فقط على تقليل التأخير أو تحسين الخصوصية دون معالجة الأسباب الكامنة لن ينجح. بدلاً من ذلك، يجب على المصنعين وصناع السياسات إعطاء الأولوية لحل القضايا الجذرية: التأكد من أن أنظمة السيارات المختلفة يمكنها التواصل بسلاسة، وضمان أن الحواسيب المدمجة قوية بما يكفي لتحمل العبء، ووضع قواعد واضحة وموحدة لكيفية مشاركة البيانات. ومن خلال إصلاح هذه المشكلات التأسيسية، تبدأ المشكلات الأخرى، مثل بطء زمن الاستجابة والمخاوف المتعلقة بالخصوصية، في الحل تلقائيًا.

وقد تحقق الباحثون من صحة نتائجهم باستخدام أدوات الذكاء الاصطناعي للتدقيق في حساباتهم، لضمان أن النتائج لم تكن مجرد نتاج للرأي البشري بل كانت متسقة رياضيًا. يوفر عملهم خارطة طريق للمستقبل، مشيرًا إلى أن الطريق نحو سيارات ذاتية القيادة آمنة ومحمية لا يكمن في بناء أقفال أقوى، بل في بناء شبكة أكثر توافقًا وكفاءة. ومع انتقال الصناعة نحو مستقبل تشارك فيه ملايين المركبات ذاتية القيادة الطريق، سيكون فهم هذه الروابط السببية أمرًا ضروريًا لتصميم نظام يكون آمنًا وقادرًا في الوقت نفسه على الحفاظ على سلامتنا.