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

Imaginez un futur où votre voiture se conduit elle-même, naviguant dans le trafic, évitant les accidents et communiquant avec les autres véhicules et l'infrastructure urbaine sans qu'une main humaine ne soit sur le volant. Ces machines, connues sous le nom de véhicules autonomes connectés, dépendent d'un flux constant de données à haute vitesse pour prendre des décisions en une fraction de seconde. Pour maintenir la sécurité de ce système, les données doivent être protégées contre les pirates informatiques, tout en devant être partagées librement pour garantir que la voiture sache où elle va. Cela crée un équilibre délicat : comment verrouiller un système pour le sécuriser sans exclure l'information même dont la voiture a besoin pour fonctionner ?

Pendant des années, des experts se sont tournés vers une technologie appelée blockchain pour résoudre ce problème. Considérez la blockchain comme un registre numérique partagé qui enregistre chaque transaction ou message d'une manière presque impossible à altérer ou à falsifier. En utilisant ce système, les constructeurs automobiles et les gouvernements espèrent créer un réseau sécurisé où les voitures peuvent vérifier l'identité les unes des autres et partager des données de sécurité critiques sans qu'une autorité centrale ne contrôle le flux. Cependant, le simple fait de brancher cette technologie dans une voiture introduit un nouvel ensemble de problèmes complexes. Les caractéristiques mêmes qui rendent la blockchain sécurisée peuvent également la rendre lente, coûteuse à exploiter et difficile à gérer lorsque des millions de voitures tentent de communiquer simultanément.

Une équipe de chercheurs de l'Inde a mené une analyse approfondie de ces défis spécifiques. Ils ont cherché à comprendre les connexions cachées entre les divers risques liés à l'utilisation de la blockchain pour la sécurité automobile. Au lieu d'examiner ces questions de manière isolée, ils les ont traitées comme un réseau de facteurs interdépendants. Ils voulaient savoir quels problèmes sont les causes profondes qui déclenchent d'autres problèmes, et lesquels ne sont que des symptômes qui apparaissent lorsque le système est sous tension. Pour ce faire, ils ont recueilli les avis d'un panel d'experts, comprenant des ingénieurs en cybersécurité, des chercheurs universitaires et des scientifiques des données, et ont utilisé une méthode analytique sophistiquée pour cartographier la façon dont ces dix facteurs critiques s'influencent mutuellement.

Les chercheurs ont identifié dix domaines clés qui déterminent le succès ou l'échec de cette technologie. Ceux-ci vont des « conflits de politiques », où différentes autorités comme la police, les constructeurs automobiles et les propriétaires peuvent émettre des règles contradictoires, à la « latence », qui est le minuscule délai qui se produit lorsqu'on vérifie un message. D'autres facteurs incluent le volume massif de données que le réseau doit gérer, la puissance de calcul limitée à l'intérieur même de la voiture, et la difficulté de mettre à jour les règles de sécurité pendant que la voiture est en mouvement. L'équipe a également examiné la tension entre la confidentialité de la localisation d'un conducteur et la nécessité de vérifier son identité pour la sécurité, ainsi que le risque d'erreurs dans le code informatique qui régit ces règles.

En analysant l'interaction de ces facteurs, l'étude a révélé une hiérarchie claire de cause à effet. La conclusion la plus critique est que l'« Interopérabilité » est le facteur causal le plus fort, ce qui signifie qu'il s'agit de la cause racine qui déclenche la plupart des problèmes en aval dans le système. Cela fait référence aux incohérences techniques entre les différentes plateformes de blockchain et les constructeurs automobiles qui sous-tendent de nombreuses vulnérabilités en aval. Cependant, l'étude a également souligné que les « Conflits de Politiques » représentent le facteur le plus important et le plus structurellement complexe de l'ensemble. Cela fait référence aux situations où les désaccords juridiques et de juridiction entre les parties prenantes — tels que les gouvernements, les constructeurs et les propriétaires de véhicules — compliquent directement les opérations et la prise de décision en temps réel, lui conférant la valeur d'importance globale la plus élevée dans le système.

Par la suite, l'étude a désigné la « confiance et la réputation » comme un autre moteur fondamental. Dans cet écosystème numérique, la capacité d'une voiture à participer dépend d'un score qui reflète son comportement passé. Si une voiture a un historique d'envoi de fausses données, elle est restreinte. Les chercheurs ont constaté que si ce système de confiance n'est pas robuste, l'ensemble du réseau devient peu fiable. De même, les limitations physiques de l'ordinateur de bord de la voiture, connues sous le nom de contraintes de ressources, agissent comme une cause primaire des retards. Parce que ces ordinateurs ont une puissance limitée, ils peinent à traiter les lourdes vérifications de sécurité requises par la blockchain, ce qui ralentit la capacité de la voiture à réagir aux urgences.

L'étude a également souligné que les « mises à jour dynamiques des politiques » — la capacité de modifier les règles de sécurité instantanément lors d'une urgence — sont la partie la plus sensible du système. Ces mises à jour ne sont pas la cause des problèmes, mais plutôt le résultat de ceux-ci. Si les causes racines comme l'interopérabilité et les limites de ressources ne sont pas corrigées, le système ne peut pas mettre à jour ses règles assez rapidement pour gérer une crise. Par exemple, si une voiture doit partager sa position avec les services d'urgence lors d'un accident, mais que le réseau est encombré ou que les règles sont conflictuelles, cette information critique pourrait ne pas parvenir à temps.

L'enseignement le plus significatif de la recherche est que tenter de corriger directement les symptômes est souvent inefficace. L'étude suggère que se concentrer uniquement sur la réduction des délais ou l'amélioration de la confidentialité sans traiter les causes sous-jacentes ne fonctionnera pas. Au lieu de cela, les constructeurs et les décideurs politiques doivent donner la priorité à la résolution des problèmes de fond : s'assurer que les différents systèmes de voitures peuvent communiquer de manière fluide, garantir que les ordinateurs de bord sont assez puissants pour supporter la charge, et créer des règles claires et unifiées pour le partage des données. En résolvant ces problèmes fondamentaux, les autres problèmes, tels que les temps de réponse lents et les préoccupations de confidentialité, commencent naturellement à se résoudre d'eux-mêmes.

Les chercheurs ont validé leurs conclusions en utilisant des outils d'intelligence artificielle pour revérifier leurs calculs, garantissant que les résultats n'étaient pas seulement le produit d'une opinion humaine mais étaient mathématiquement cohérents. Leur travail fournit une feuille de route pour l'avenir, suggérant que le chemin vers des voitures autonomes sûres et sécurisées ne réside pas dans la construction de verrous plus solides, mais dans la construction d'un réseau plus compatible et plus efficace. Alors que l'industrie se dirige vers un avenir où des millions de véhicules autonomes partageront la route, la compréhension de ces liens causaux sera essentielle pour concevoir un système qui soit à la fois sûr et capable de nous protéger.