💻 computer science

Hermes Seal: Zero-Knowledge Assurance for Autonomous Vehicle Communications

Dit paper introduceert Hermes Seal, een op zk-SNARKs gebaseerd framework dat autonome voertuigen in staat stelt om de integriteit van hun perceptie- en beslissingsprocessen te verifiëren zonder gevoelige data of eigendomswaarden te onthullen, waardoor privacybehoudende en transparante communicatie in V2V- en V2I-netwerken mogelijk wordt.

Oorspronkelijke auteurs: Munawar Hasan, Apostol Vassilev, Edward Griffor, Thoshitha Gamage

Gepubliceerd 2026-03-30

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Munawar Hasan, Apostol Vassilev, Edward Griffor, Thoshitha Gamage

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

🚗 Hermes' Seal: De Onzichtbare Stempel voor Zelfrijdende Auto's

Stel je voor dat je in een drukke stad rijdt met een zelfrijdende auto. Plotseling ziet jouw auto een gevaar: een fietser die net achter een hoekje duikt, maar die jij (en je auto) niet kunt zien omdat er een gebouw in de weg staat. Een andere auto, die die fietser wél ziet, wil je waarschuwen.

Maar hier zit het probleem: Waarom zou je die andere auto vertrouwen?
Misschien is die auto gekaapt door hackers? Misschien liegt de software? En als je de andere auto vraagt om te bewijzen dat hij de fietser echt ziet, moet hij dan zijn geheime camera-beelden en zijn dure, gepatenteerde software laten zien? Nee, dat wil hij niet. Dat is zijn "geheime recept" (zoals Coca-Cola hun formule niet deelt).

Hier komt Hermes' Seal in het spel. Het is een slimme, cryptografische "stempel" die zegt: "Ik heb de fietser gezien, ik heb de juiste berekening gemaakt, en ik volg de veiligheidsregels, maar ik vertel je niet hóe ik dat heb gedaan."

🧩 De Kern: Wat is een "Zero-Knowledge Proof"?

Om dit te begrijpen, gebruiken we een analogie met een puzzel in een donkere kamer.

Stel je hebt een puzzel die alleen jij kunt oplossen. Je wilt bewijzen aan een vriend dat je de oplossing kent, zonder de oplossing te laten zien.

De oude manier: Je laat je vriend de oplossing zien. (Dit is alsof je je geheime softwarecode deelt).
De nieuwe manier (Zero-Knowledge Proof): Je doet de puzzel in een gesloten doos. Je vriend kan de doos niet openen, maar hij kan wel zien dat jij de puzzel correct hebt opgelost door een speciaal slot dat alleen opent als de puzzel klopt. Hij ziet het resultaat, maar ziet nooit de puzzelstukjes zelf.

Hermes' Seal is precies dit voor auto's. Het is een wiskundig bewijs dat zegt: "Ik heb de juiste beslissing genomen op basis van de regels, zonder mijn geheime data te onthullen."

🛡️ Hoe werkt het in de praktijk?

Het paper beschrijft twee belangrijke situaties waar deze technologie wordt gebruikt:

1. De "Veilige Afstand" (Case Study I)

Stel je voor dat je auto een stopbord ziet. De auto moet bewijzen dat hij niet te hard rijdt en op tijd kan remmen.

Het geheim: De auto weet precies hoe snel hij rijdt, waar hij staat en hoe goed zijn camera's werken.
Het bewijs: De auto stuurt een klein digitaal certificaat naar de auto achter hem. Dit certificaat zegt: "Ik ben verder dan de veilige afstand van het stopbord."
Het resultaat: De auto achter je hoeft je snelheid of locatie niet te weten. Hij hoeft alleen te weten dat het bewijs klopt. Als het klopt, kan hij veilig remmen.

2. De "Geheime Recept Test" (Case Study II)

Autobouwers (zoals Tesla of Waymo) hebben allemaal hun eigen, geheime software voor het herkennen van objecten. De overheid wil weten of deze software veilig is, maar de bedrijven willen hun geheimen niet delen.

De uitdaging: Hoe bewijst een bedrijf dat zijn software goed werkt, zonder de software te laten zien?
De oplossing: De overheid geeft een "proefexamen" (een set van foto's met bekende antwoorden). De auto's draaien hun software op deze foto's en sturen een bewijs terug: "Onze software heeft 99% van de voetgangers gevonden."
Het resultaat: De overheid ziet het cijfer, maar ziet niet hoe de software eruitziet. Het is alsof je een kok laat koken met een blinddoek op, maar je proeft wel dat het gerecht perfect is.

⚡ Waarom is dit zo snel en veilig?

Zelfrijdende auto's moeten razendsnel beslissingen nemen (binnen milliseconden). Oude methoden om dit te bewijzen waren te traag, alsof je een hele bibliotheek moest lezen om één feit te controleren.

Hermes' Seal gebruikt een speciale techniek (genaamd zk-SNARKs) die werkt als een super-snel postkantoor:

Succinct: Het bewijs is heel klein (zoals een postzegel), dus het gaat snel over het netwerk.
Snel: Het bewijs wordt in een fractie van een seconde gemaakt en gecontroleerd (zoals een blik op een paspoort).
Privacy: Het bewijs onthult niets over de binnenkant van de auto.

In de tests van het paper bleek dat de technologie op een krachtige computer (een GPU) het bewijs in 8 milliseconden kon maken. Dat is sneller dan het knipperen van een oog!

🏛️ Wie is de "Hermes"?

In de Griekse mythologie was Hermes de boodschapper van de goden. Hij bracht berichten over grenzen heen. In dit paper staat Hermes voor de veilige boodschap die van auto naar auto gaat.

Er is ook een "Autoriteit" (zoals de overheid of een keuringsinstantie) die de regels opstelt en de "stempels" (de cryptografische sleutels) uitdeelt. Zolang de auto's deze stempel gebruiken, weten alle andere auto's dat ze veilig en eerlijk spelen, zonder dat ze elkaars geheimen hoeven te kennen.

🚀 Conclusie

Hermes' Seal lost een groot probleem op: Vertrouwen zonder blootleggen.

Het maakt het mogelijk dat zelfrijdende auto's met elkaar praten en elkaar waarschuwen voor gevaren, terwijl ze hun eigen geheime software en gevoelige data veilig houden. Het is de sleutel tot een toekomst waarin auto's samenwerken als een goed georganiseerd team, zonder dat ze elkaars geheime recepten hoeven te stelen.

Kortom: Het is de onzichtbare stempel van vertrouwen die onze straten veiliger maakt.

Titel: Hermes' Seal: Zero-Knowledge Assurance voor Communicatie van Autonome Voertuigen

Auteurs: Munawar Hasan, Apostol Vassilev, Edward Griffor, Thoshitha Gamage (NIST, Michigan Tech, SIUE Edwardsville).

1. Het Probleem

Autonome voertuigen (AV's) zijn afhankelijk van hun perceptiestacks (sensoren en AI-modellen) voor veiligheidskritieke beslissingen. Om de veiligheid te vergroten, is coöperatieve perceptie essentieel: voertuigen delen waarnemingen (bijv. over verstopte objecten) met andere voertuigen of infrastructuur (V2X).

Er zijn echter twee fundamentele uitdagingen bij deze uitwisseling:

Verificatie en Betrouwbaarheid: Ontvangers moeten zeker weten dat de ontvangen data correct is en voldoet aan veiligheidsregels, zonder dat de zender de data kan manipuleren. Zonder verificatie kan broadcast-data onvolledig, inconsistent of kwaadaardig gemanipuleerd zijn.
Privacy en Intellectueel Eigendom: Voertuigfabrikanten willen geen ruwe sensordata of hun proprietaire AI-modelgewichten (de "black box") delen, omdat dit hun intellectueel eigendom blootlegt en privacyrisico's met zich meebrengt.

Bestaande oplossingen zijn vaak te traag voor real-time AV-toepassingen of vereisen dat gevoelige data wordt gedeeld.

2. Methodologie: Hermes' Seal

Het paper stelt Hermes' Seal voor, een framework dat Zero-Knowledge Proofs (ZKPs), specifiek zk-SNARKs (Zero-Knowledge Succinct Non-Interactive Arguments of Knowledge), gebruikt om de integriteit van perceptie-uitkomsten te verifiëren zonder de onderliggende data te onthullen.

Kernarchitectuur en Ontwerpprincipes:

Model-Agnostisch: Het framework werkt als een cryptografische wrapper rondom de perceptiestack. Het maakt niet uit welk model (YOLO, DETR, etc.) wordt gebruikt; de output wordt gestandaardiseerd naar bewijsverklaringen.
Modulaire Integratie: Het vereist geen hertraining van bestaande modellen en voegt slechts een minimale overhead toe aan de inferentie.
Privacy-behoud: De zender (Prover) bewijst dat een uitspraak waar is (bijv. "Ik heb een stopbord gezien en sta op veilige afstand"), zonder de ruwe sensordata of modelgewichten te onthullen.

Technische Implementatie:

Cryptografische Primitief: Het framework maakt gebruik van het Groth16-protocol. Dit biedt zeer kleine bewijzen (ca. 128 bytes) en constante verificatietijd, wat ideaal is voor bandbreedte-beperkte V2X-kanalen, hoewel het een "trusted setup" vereist.
Entiteiten:
- Enforcing Authority (EA): Een vertrouwde derde partij (bijv. NHTSA of SAE) die de veiligheidsregels (constraints) definieert en de cryptografische sleutels (proving key pk en verification key vk) genereert.
- Prover (P): Het autonome voertuig dat de berekening uitvoert en het ZK-bewijs genereert.
- Verifier (V): De ontvanger (ander voertuig, RSU, auditor) die het bewijs controleert.
Workflow:
1. De EA definieert logica (bijv. RSS-afstandsformules) en compileert dit naar een Rank-1 Constraint System (R1CS).
2. De Prover voert inferentie uit, genereert een witness (gevoelige data) en een zk-SNARK proof (π) die aantoont dat de output voldoet aan de regels.
3. De Prover ondertekent het bericht digitaal om authenticiteit te garanderen.
4. De Verifier controleert de digitale handtekening en het ZK-bewijs. Als beide kloppen, wordt de data als waarheid geaccepteerd zonder de oorspronkelijke data te zien.
Data Representatie: Omdat zk-SNARKs werken in eindige velden ( $F_p$ ) en AV's met zwevendekommagetallen werken, wordt een quantisatie-scheme gebruikt om real-getallen om te zetten naar gehele getallen binnen het veld.

3. Belangrijkste Bijdragen

Hermes' Seal Framework: Een nieuw, open-source framework voor verifieerbare uitwisseling van informatie tussen autonome systemen dat privacy en interoperabiliteit combineert.
Oplossing voor Coöperatieve Perceptie: Het adresseert het gebrek aan verifieerbare garanties voor extern ontvangen veiligheidskritieke data. Het stelt voertuigen in staat om te vertrouwen op data van anderen zonder de bron te hoeven vertrouwen of de data te inspecteren.
Privacy-behoudende Auditing: Het ontwikkelt een mechanisme waarbij toezichthouders of andere partijen kunnen verifiëren dat een voertuig voldoet aan veiligheidsnormen (bijv. detectiepercentages) zonder toegang te krijgen tot de proprietaire modellen.
Realisatie van twee Use-Cases:
- Case Study I (Perceptie-integriteit): Bewijs dat een voertuig een veilige stopafstand tot een stopbord aanhoudt (gebaseerd op het RSS-model), zonder snelheid of exacte locatie te onthullen.
- Case Study II (Semantische Interoperabiliteit & Model Auditing): Bewijs dat een perceptiemodel voldoet aan specifieke Precision/Recall-eisen op een testset, zonder de model-output of het model zelf te onthullen.

4. Resultaten en Experimentele Analyse

De auteurs hebben het framework geïmplementeerd en getest op drie platformen: SnarkJS (JavaScript/CPU), Rapidsnark (C++/CPU) en Rapidsnark-GPU.

Prestaties (Case Study I - Perceptie-integriteit):

Proof Generatie:
- SnarkJS: ~300 ms
- Rapidsnark (CPU): ~11 ms
- Rapidsnark-GPU: ~5 ms
Proof Verificatie:
- SnarkJS: ~233 ms
- Rapidsnark (CPU): ~3 ms
- Rapidsnark-GPU: ~1 ms
Conclusie: De GPU-versie van Rapidsnark biedt een prestatieverbetering van meer dan 75x ten opzichte van SnarkJS voor verificatie en maakt real-time toepassing haalbaar.

Prestaties (Case Study II - Model Auditing):

Voor een complexere taak (modelperformance op 5 afbeeldingen):
- SnarkJS: ~2132 ms (generatie) / ~1405 ms (verificatie).
- Rapidsnark-GPU: ~54 ms (generatie) / ~20 ms (verificatie).
De resultaten tonen aan dat geoptimaliseerde C++-implementaties met GPU-versnelling essentieel zijn om de strenge latentie-eisen van AV's te voldoen.

5. Betekenis en Toekomstperspectief

Significantie:
Hermes' Seal vormt een brug tussen de noodzaak van transparantie in autonome systemen en de bescherming van intellectueel eigendom. Het verschuift het vertrouwen van de identiteit van de zender naar de wiskundige validiteit van het bewijs. Dit maakt schaalbare, privacy-behoudende coöperatieve perceptie mogelijk in heterogene voertuignetwerken.

Beperkingen:

Vertrouwen in de EA: Het huidige ontwerp vereist een vertrouwde derde partij voor de setup (Groth16).
Berekeningscomplexiteit: Delen en andere complexe wiskundige operaties zijn moeilijk te implementeren in eindige velden.
Input-integriteit: Het framework bewijst dat de berekening correct is, maar garandeert niet dat de input (sensordata) niet is gemanipuleerd (het vereist nog "Proof of Execution" via Trusted Execution Environments zoals OP-TEE).

Toekomstig Werk:
De auteurs plotten de integratie van Proof of Execution (PoX) om te garanderen dat de input echt van de sensoren komt, uitbreiding naar complexere taken (zoals diepteschatten), en integratie met bestaande benchmark-leaderboards (zoals KITTI of Waymo) voor privacy-behoudende, verifieerbare prestatie-evaluaties.

Conclusie:
Hermes' Seal is een cruciale stap naar een veilig, betrouwbaar en privacy-behoudend ecosysteem voor autonome mobiliteit, waarbij voertuigen kunnen samenwerken zonder hun geheimen te hoeven prijsgeven. De open-source code is beschikbaar op GitHub.