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

Immaginate un futuro in cui la vostra auto guidi da sola, navigando nel traffico, evitando incidenti e comunicando con altri veicoli e con le infrastrutture cittadine senza una mano umana sul volante. Queste macchine, note come veicoli autonomi connessi, si affidano a un flusso costante di dati ad alta velocità per prendere decisioni in frazioni di secondo. Per mantenere questo sistema sicuro, i dati devono essere protetti dagli hacker, ma devono anche essere condivisi liberamente per garantire che l'auto sappia dove sta andando. Ciò crea un delicato equilibrio: come si può blindare un sistema per mantenerlo sicuro senza escludere proprio le informazioni di cui l'auto ha bisogno per funzionare?

Per anni, gli esperti si sono rivolti a una tecnologia chiamata blockchain per risolvere questo problema. Pensate alla blockchain come a un registro digitale condiviso che registra ogni transazione o messaggio in un modo che è quasi impossibile da alterare o falsificare. Utilizzando questo sistema, i produttori di veicoli e i governi sperano di creare una rete sicura in cui le auto possano verificare l'identità l'una dell'altra e condividere dati critici sulla sicurezza senza che un'autorità centrale controlli il flusso. Tuttavia, il semplice fatto di collegare questa tecnologia a un'auto introduce un nuovo insieme di problemi complessi. Le stesse caratteristiche che rendono sicura la blockchain possono anche renderla lenta, costosa da gestire e difficile da amministrare quando milioni di auto cercano di comunicare contemporaneamente.

Un team di ricercatori dall'India ha approfondito proprio queste specifiche sfide. Si sono posti l'obiettivo di comprendere le connessioni nascoste tra i vari rischi legati all'uso della blockchain per la sicurezza automobilistica. Invece di guardare a questi problemi isolatamente, li hanno trattati come una rete di fattori interdipendenti. Volevano sapere quali problemi fossero le cause profonde che innescano altri problemi, e quali fossero invece semplici sintomi che appaiono quando il sistema è sotto stress. Per farlo, hanno raccolto le opinioni di un panel di esperti, tra cui ingegneri della cybersicurezza, ricercatori universitari e scienziati dei dati, e hanno utilizzato un metodo analitico sofisticato per mappare come questi dieci fattori critici influenzino l'uno l'altro.

I ricercatori hanno identificato dieci aree chiave che determinano il successo o il fallimento di questa tecnologia. Queste spaziano dai "conflitti di policy", in cui autorità diverse come polizia, produttori di auto e proprietari potrebbero emettere regole contraddittorie, alla "latenza", ovvero il minuscolo ritardo che si verifica quando il sistema verifica un messaggio. Altri fattori includono il puro volume di dati che la rete deve gestire, la limitata potenza di calcolo all'interno dell'auto stessa e la difficoltà di aggiornare le regole di sicurezza mentre l'auto è in movimento. Il team ha anche esaminato la tensione tra la protezione della privacy della posizione di un conducente e la necessità di verificarne l'identità per la sicurezza, nonché il rischio di errori nel codice informatico che governa queste regole.

Analizzando l'interazione tra questi fattori, lo studio ha rivelato una chiara gerarchia di causa ed effetto. Il risultato più critico è stato che l' "Interoperabilità" è il fattore causale più forte, il che significa che è la causa principale che innesca la maggior parte dei problemi a valle nel sistema. Questo si riferisce alle incongruenze tecniche tra le diverse piattaforme blockchain e i diversi produttori di veicoli che sottendono a molte vulnerabilità successive. Tuttavia, lo studio ha anche evidenziato che i "Conflitti di Policy" rappresentano il fattore più prominente e strutturalmente complesso in termini generali. Questo si riferisce a situazioni in cui i disaccordi legali e giurisdizionali tra le parti interessate — come governi, produttori e proprietari di veicoli — complicano direttamente le operazioni e il processo decisionale in tempo reale, conferendo a questo fattore il valore di importanza complessiva più elevato nel sistema.

In seguito, lo studio ha indicato la "fiducia e reputazione" come un altro driver fondamentale. In questo ecosistema digitale, la capacità di un'auto di partecipare dipende da un punteggio che riflette il suo comportamento passato. Se un'auto ha una storia di invio di dati falsi, le viene limitata la partecipazione. I ricercatori hanno scoperto che se questo sistema di fiducia non è robusto, l'intera rete diventa inaffidabile. Allo stesso modo, i limiti fisici del computer di bordo dell'auto, noti come vincoli di risorse, agiscono come una causa primaria per i ritardi. Poiché questi computer hanno una potenza limitata, faticano a elaborare i pesanti controlli di sicurezza richiesti dalla blockchain, il che a sua volta rallenta la capacità dell'auto di reagire alle emergenze.

Lo studio ha inoltre evidenziato che gli "aggiornamenti dinamici delle policy" — la capacità di cambiare le regole di sicurezza istantaneamente durante un'emergenza — sono la parte più sensibile del sistema. Questi aggiornamenti non sono la causa dei problemi, ma ne sono il risultato. Se le cause profonde come l'interoperabilità e i limiti di risorse non vengono risolte, il sistema non può aggiornare le proprie regole abbastanza velocemente da gestire una crisi. Ad esempio, se un'auto ha bisogno di condividere la propria posizione con i servizi di emergenza durante un incidente, ma la rete è intasata o le regole sono in conflitto, quell'informazione critica potrebbe non arrivare in tempo.

L'intuizione più significativa della ricerca è che cercare di correggere direttamente i sintomi è spesso inefficace. Lo studio suggerisce che concentrarsi esclusivamente sulla riduzione dei ritardi o sul miglioramento della privacy senza affrontare le cause sottostanti non funzionerà. Invece, i produttori e i decisori politici devono dare priorità alla risoluzione dei problemi fondamentali: garantire che i diversi sistemi automobilistici possano comunicare senza problemi, assicurarsi che i computer di bordo siano abbastanza potenti da gestire il carico e creare regole chiare e unificate su come i dati vengono condivisi. Risolvendo questi problemi fondamentali, anche gli altri problemi, come i tempi di risposta lenti e le preoccupazioni per la privacy, inizieranno naturalmente a risolversi.

I ricercatori hanno validato le loro scoperte utilizzando strumenti di intelligenza artificiale per ricontrollare i loro calcoli, assicurandosi che i risultati non fossero solo il prodotto di un'opinione umana, ma fossero matematicamente coerenti. Il loro lavoro fornisce una tabella di marcia per il futuro, suggerendo che la strada verso auto autonome sicure e protette non risiede nella costruzione di serrature più forti, ma nella costruzione di una rete più compatibile ed efficiente. Mentre l'industria si muove verso un futuro in cui milioni di veicoli autonomi condivideranno la strada, comprendere questi legami causali sarà essenziale per progettare un sistema che sia sia sicuro che capace di proteggerci.