JAKARTA - Une équipe de chercheurs aux États-Unis a développé un nouveau cadre basé sur l’apprentissage automatique pour améliorer la sécurité des réseaux informatiques dans les voitures sans sacrifier les performances. Cela est conforme à l’utilisation de plus en plus lointaine des ordinateurs dans la technologie automobile, en particulier les voitures autonomes.
En collaboration avec des experts de Virginia Tech, de l’Université du Queensland et de l’Institut des sciences et de la technologie de Gwangju, des chercheurs de l’Institut de l’armée américaine disent « DESOLATOR » pour aider à optimiser une stratégie de cybersécurité bien connue connue connue sous le nom de défense des cibles mobiles.
DESOLATOR est l’acronyme de Deep Reinforcement Learning-based Resource Allocation and Mobile Target Defense Deployment Framework, qui permet aux réseaux embarqués d’identifier une fréquence de brouillage IP et une allocation de bande passante optimales pour une défense efficace à long terme des cibles mobiles.
« Si tout est statique, l’attaquant peut prendre le temps de tout regarder et de choisir une cible. Cependant, si l’adresse IP est mélangée assez rapidement, les informations données à l’adresse IP seront perdues immédiatement et une attaque se produira. Il faut le rechercher à nouveau », a expliqué le Dr Terence Moore, mathématicien de l’armée américaine, dans la légende.
L’équipe de recherche a utilisé l’apprentissage par renforcement profond pour façonner progressivement le comportement de l’algorithme en fonction de diverses fonctions de récompense telles que le temps d’exposition et le nombre de paquets abandonnés, et DESOLATOR a considéré la sécurité et l’efficacité de manière égale.
« Les réseaux embarqués existants sont très efficaces, mais ils n’ont pas vraiment été conçus pour la sécurité », explique Moore. « Actuellement, il y a beaucoup de recherches qui se concentrent uniquement sur l’amélioration des performances ou de la sécurité. Il est un peu inhabituel de considérer les performances et la sécurité, en particulier pour un réseau embarqué ».
De plus, DESOLATOR ne se limite pas à identifier la fréquence de brassage IP optimale et l’allocation de bande passante.
Cette approche existe en tant que cadre basé sur l’apprentissage automatique, ce qui permet à d’autres chercheurs de modifier l’approche pour poursuivre différents objectifs dans l’espace problématique.
Selon l’informaticien et chef de programme de l’Armée de terre Dr Frederica Freenelson, le niveau accru d’actifs préférés dans ce réseau fait partie intégrante de tous les types de protection du réseau.
« La capacité de reconstruire cette technologie est inestimable non seulement pour élargir la recherche, mais aussi pour la combiner avec d’autres caractéristiques cybernétiques afin d’une protection optimale de la cybersécurité », a déclaré Nelson.
The English, Chinese, Japanese, Arabic, and French versions are automatically generated by the AI. So there may still be inaccuracies in translating, please always see Indonesian as our main language. (system supported by DigitalSiber.id)
