Sunday, February 4, 2018

CUBE – Platform Keamanan Jaringan Mobil Otonomi berdasarkan Blockchain


CUBE  yaitu dasar pembuatan perangkat otonom dengan tehnologi blocker yang aman. Sekarang ini, mobil berkembang secara cepat jadi kendaraan yang terhubung dari pada mekanis tradisionil. Seperti navigasi navigasi, info jalan raya, dsb jadi feature basic kendaraan, unit yang ada didalam kendaraan seperti ECU, Unit Kontrol Brake (BCU), Unit Kontrol Roda (WCU) dan rawan pada serangan beresiko.
Lebih dari 30% peran kendaraan otonom tergantung pada komunikasi. Pusat kontrol jalan raya. Navigasi yang diperlukan untuk pengoperasian kendaraan juga tergantung pada komunikasi. Dengan pemikiran diatas, satu kalangan masalah yang berhubungan dengan kendaraan otonom yaitu menahan mereka dari serangan jaringan beresiko. Sampai sekarang ini, tak ada mekanisme pertahanan fundamental yang diperkhai. Resiko ini adalah masalah yang paling besar untuk kendaraan otonom. CUBE memecahkan masalah keamanan kendaraan otonom dengan memakai tehnologi blockchain.
Kunci untuk Blockchain yaitu tehnologi yakin. CUBE memakai tehnologi blok-rantai untuk pengoperasian jaringan otonom. Dalam pengoperasian kendaraan otonom, banyak IOT memberi info pada kendaraan otonom. Penyerang terbuka untuk memperoleh akses ke jaringan pada mobil otonom serta IoT atau pusat jalan raya. Dalam masalah sesuai sama itu, hash dari biner yang rusak berlainan dari hash yang termasuk juga dalam transaksi multisig yang di tadinya oleh penyedia SW dan OEM.
Dengan hal tersebut, kendaraan bisa dengan gampangnya seperti sebelumnya memasang up-date SW yang penting. Pembagian yang memang dengan salah satu penyedianya jadi OEM atau SW bisa tutup karna nodal overlay. Kunci Umum OEM sekaligus penyedia layanan SW. Dengan selengkap, penyerang tidak bisa menjadi satu kesatuan entitas ini karna membutuhkan kunci pribadi yang berhubungan dengan Kunci Umum dari entitas berhubungan.

Lapisan blokir

Kunci untuk Blockchain yaitu tehnologi yakin. CUBE memakai tehnologi blok-rantai untuk pengoperasian jaringan otonom. Ada berbagai kesusahan dalam mengaplikasikan BC tradisionil pada keamanan kendaraan otonom. Instansiasi blockchain. Derita overhead tinggi dan skalabilitas rendah. Algoritma konsensus yang dipakai di Blockchain melibatkan teka teki yang gampang diverifikasi dengan susah payah yang memakai sumber komputasi yang penting. Semuanya itu terbagi ke semua jaringan yang hasilkan overhead paket yang pasti. Diluar itu, ini menyebabkan masalah skalabilitas karna jumlah susul yang.  
CUBE pemecahan terbatasnya tehnologi BC tradisionil ini dengan BC hibrida, yang memakai blockchain umum dan blokir pribadi. Bila lambat, pilihlah tingkat keamanan yang lebih tinggi, pakai Public Blockchain. Yah, sebagian tingkat keamanan dibutuhkan, jika anda membutuhkan kecepatan cepat, pakai blockchain pribadi. Dalam pengoperasian kendaraan otonom, banyak IOT memberi info pada kendaraan otonom. Penyerang terbuka untuk memperoleh akses ke jaringan pada mobil otonom serta pusat jalan raya IoT, dan merekayasa piranti lunak biner dengan maksud menyuntikkan piranti lunak ke beberapa besar kendaraan. Dalam masalah sesuai sama itu, hash dari biner yang rusak berlainan dari hash yang termasuk juga dalam multisig.
transaksi yang di tibat oleh provider SW dan OEM. Dengan hal tersebut, kendaraan bisa dengan gampangnya seperti sebelumnya memasang up-date SW yang penting. Pembagian yang memang sudah matang dengan OEM jadi jadi tahan panas atau SW bisa tutup hamparan karna nodul PK OEM sekaligus penyedia super SW. Dengan selengkap, penyerang tidak bisa menjadi satu kesatuan entitas ini karna membutuhkan kunci privat yang berhubungan dengan PK dari entitas yang berhubungan.

AI Deep Learning Layer

Untuk tingkatkan tingkat keamanan, AI (Artificial Intelligence) juga akan diaplikasikan pada langkah ini. Beberapa waktu terakhir, serangan pada jaringan hacker dengan maksud jahat berkembang secara cepat. Sampai sekarang ini, tehnologi keamanan maya sudah jadi cara pasif untuk menyatukan vaksin untuk bertahan melawan yang sudah terjaga selama ini. Cube sudah meningkatkan keamanan jaringan yang sedang dalam proses ini untuk memilih cara berdasar pada kecepatan serangan beresiko serta cara defensif selama ini. Saat ini, CUBE selalu belajar bagaimana penyerang jahat menyerang jaringan dan untuk menghindar serangan di masa depan.
Sistem deteksi intrusi berlaku tipe kendaraan umum. Cara kerja mandiri seperti OBD yang dipasangkan dengan piranti mobile pengemudi.

Lapisan Kriptografi Hasrat Quantum

Blokchain sudah tingkatkan keamanan dengan menggunakan hash dengan pas. Tapi, ada kecemasan kalau bersamaan kemampuan komputer tumbuh secara cepat, kriptografi hash bisa jadi batasan. Kubus meningkatkan kriptografi kuantum untuk menghindar serangan beresiko pada kendaraan otonom. Kriptografi Kuantum ini juga akan memberi peran bukan pada dorongan otonom, tapi juga untuk keseluruhnya penambahan keseluruhnya tehnologi Blockchain. Susunan Kriptografi Keinginan ini juga akan diterapkan dari th. 2022.
Tehnologi hash kuantum Cube juga akan memberi peluang untuk mendapatkan tingkat keamanan yang tinggi di semua bagian blockchain memakai tehnologi hash simpel. Cube tingkatkan tingkat keamanan dengan memakai karakter kuantum yang selalu beralih, Karakter yang di terima data tergantung pada pojok polarisasi; Setelah itu, karakter data dihancurkan saat sedang beresiko beresiko.

Belajar mandiri CUBE

Evaluasi Kognitif CUBE yaitu proses evaluasi yang mendalam yang terbagi dalam dua langkah menuju. Pertama, representasi fitur yang baik belajar dari himpunan besar data yg tidak di beri label, xu, yang sedang dibacanya Unsupervised Fitur Learning. Pada langkah ke-2, representasi terpelajar ini diaplikasikan pada data yang memiliki loabel, xl, dan dipakai untuk pekerjaan. Walau data yg tidak memiliki loabel dan memiliki loabel dapat berasal dari distribusi yang berlainan, mesti ada relevansi antara mereka. Gambar di bawah diagram diagram arsitektur evaluasi otodidak. Ada banyak tampilan yang berlainan yang dipakai untuk Unsupervised Fitur Learning, seperti Sparse AutoEncoder, Dibatasi Boltzmann Machine (RBM), K-Means Clustering, dan Gaussian Mixtures.

1 comment: