Мировой рынок коммерческой телематики продолжает расти из года в год. Этот рост обусловлен государственными постановлениями и подпитывается идеями, которые могут быть получены в результате сбора данных в автомобиле и подключения, предоставляемых телематическими решениями послепродажного обслуживания.
По мере того, как глобальный рынок коммерческой телематики становится все более зрелым, передовые периферийные вычисления внедряются в телематические подразделения, что позволяет создавать сложные системы безопасности и расширенную аналитику в режиме реального времени. Эта способность приобретает все большее значение. Безопасность водителей и лучшее понимание автопарка необходимы для борьбы с нехваткой водителей, и это может контролировать эффективность автопарка, затраты и обслуживание клиентов, а также выполнять обязанность компании заботиться о сотрудниках и других участниках дорожного движения. (Источник 22 августа 2022 г. — ID G00747465)
«Правила, безопасность водителей, растущие расходы и потребность в наглядности продолжают стимулировать использование технологий мобильности на транспорте». — Гартнер
Мобильная телематика — одно из популярных решений SafeLiShare для цепочки поставок и обеспечения мобильности транспорта. Наши конфиденциальные чистые комнаты на базе ConfidentialAI™ улучшают соблюдение нормативных требований и прогнозную аналитику AI / ML с помощью шифрования, которое соответствует государственным стандартам, таким как требования к устройствам электронной регистрации (ELD) США и Канады.
Преимущества конфиденциальной чистой комнаты:
• Единое окно, позволяющее специалистам по обработке и анализу данных создавать собственные несколько чистых комнат по запросу.
• Сохранять интеллектуальную собственность (ИС) путем шифрования модели, алгоритма, кода и данных.
• Держите поставщика данных, поставщика алгоритмов и поставщика платформы в неведении на протяжении всего жизненного цикла AI/ML.
• Простая и безопасная совместная работа над проектами с реальными данными с использованием шифрования при использовании/исполнении модели.
• Контроль доступа на основе политик в организациях и аудит всех запросов на доступ.
Мобильная телематика использует использование беспроводной связи и информационных технологий в транспортных средствах для сбора, передачи и анализа данных, связанных с поведением вождения, характеристиками транспортного средства и другими соответствующими параметрами. Как правило, это связано с использованием пограничных датчиков и мобильных устройств, таких как смартфоны или специализированные телематические устройства, для сбора и передачи данных на центральные или распределенные серверы в облаке для обработки и анализа.
Привнесите вычисления в данные
Для распределенных серверов сеть доставки контента (CDN) и периферийные вычисления могут предоставить облачную и распределенную сеть экземпляров данных, стратегически размещенных в различных точках по всему миру, готовых к приему алгоритмов для аналитических целей, моделирования искусственного интеллекта и машинного обучения.
Конфиденциальные чистые комнаты SafeLiShare позволяют предоставлять зашифрованные алгоритмы по запросу для стратегически размещенных экземпляров данных, не беспокоясь об утечке конфиденциальных данных, алгоритмической защите IP и необходимости деидентификации конфиденциальных данных с помощью зашифрованного запроса или доступа к базе данных.
Конфиденциальные чистые комнаты можно запускать по запросу для обработки и анализа данных ближе к источнику или «периферии» сети, а не полагаться исключительно на централизованные облачные серверы. Это приближает вычислительные ресурсы к устройствам и датчикам, генерирующим данные, сокращая время задержки за счет обеспечения конфиденциальности и видимости доступа, а также улучшая возможности обработки в реальном времени.
Когда дело доходит до мобильной телематики, конфиденциальные чистые комнаты и граничные вычисления могут работать вместе для защиты интеллектуальной собственности (IP) модели (алгоритма) мобильной телематики и улучшения необходимого управления моделью, сохранения конфиденциальности и эффективности данных.
Распределенное хранение и анализ данных. Как только данные телематики достигают вычислительного облака, в игру могут вступить граничные вычисления. Вместо того, чтобы полагаться исключительно на облачные серверы, граничные вычисления позволяют выполнять локализованную обработку и анализ данных. Это может включать запуск алгоритмов и аналитики непосредственно на пограничных устройствах или использование близлежащих пограничных серверов для выполнения анализа практически в реальном времени в конфиденциальных чистых комнатах. Решение обеспечивает более быстрое время отклика и снижает потребность в передаче значительных объемов необработанных данных на централизованные серверы для обработки.
1. Информация и обратная связь в режиме реального времени: CDN также могут помочь в предоставлении обратной связи в режиме реального времени с помощью сквозного шифрования, включая шифрование в состоянии покоя, в пути и при использовании, а также информацию, полученную из телематических данных для водителей или соответствующих заинтересованных сторон. . Используя свои возможности кэширования и близость к конечным пользователям, CDN могут эффективно распространять персонализированные отзывы или уведомления в мобильные приложения или автомобильные системы.
2. Мобильная телематика использует датчики и мобильные устройства для сбора и передачи данных, в то время как CDN оптимизируют передачу данных, а граничные вычисления обеспечивают локализованную обработку данных и анализ в режиме реального времени. Интеграция CDN и периферийных вычислений в системы мобильной телематики может повысить производительность, сократить время ожидания и обеспечить более быстрое понимание и обратную связь с пользователями.
Конфиденциальные чистые комнаты содержат зашифрованные данные мобильной телематики и зашифрованные алгоритмы. Зашифрованные данные и алгоритмы расшифровываются только внутри чистой комнаты с использованием ключей дешифрования, которые генерируются в чистой комнате и всегда остаются незамеченными внутри чистой комнаты.
Сохраняйте конфиденциальность IP модели AI ML
Обработка в чистых помещениях защищена с помощью технологий конфиденциальных вычислений или Trusted Execution Environments (TEE). Обработка чистых помещений создает журналы аудита, которые показывают весь доступ; созданный аппаратным обеспечением регистр или журнал криптографически подписан аппаратным обеспечением TEE и защищен от несанкционированного доступа.
Утечка данных, эксфильтрация и контроль хранения
Возможная утечка данных водителя является одной из главных причин при развертывании технологии Confidential Clean Room. Однако одинаково важно защитить интеллектуальную собственность модели или алгоритма.
Конфиденциальные зашифрованные чистые комнаты могут сыграть решающую роль, позволяя телематическим системам использовать модели AI/ML для данных, собранных с периферийных устройств, при соблюдении правил конфиденциальности данных, таких как GDPR (Общее положение о защите данных) или других ограничений соответствия. Вот как работает этот процесс:
· Сбор данных на периферии: телематические устройства, установленные в транспортных средствах, или периферийные устройства собирают данные с различных датчиков, таких как GPS, акселерометры и средства диагностики транспортных средств. Эти данные надежно хранятся на устройстве или шифруются перед передачей.
· Безопасная передача данных: для обеспечения конфиденциальности и безопасности собранные данные шифруются во время передачи на облачный край или на централизованный сервер. Шифрование помогает защитить данные от несанкционированного доступа или перехвата, что делает их пригодными для соблюдения правил защиты данных.
· Конфиденциальные зашифрованные чистые комнаты. На границе облака создаются конфиденциальные зашифрованные чистые комнаты для безопасной обработки конфиденциальных телематических данных. Чистые помещения — это изолированные и безопасные среды, в которых можно анализировать и обрабатывать данные, не раскрывая необработанные данные неавторизованным лицам или системам.
· Безопасные анклавы. Конфиденциальные чистые комнаты работают на основе безопасных анклавов, которые представляют собой облачные аппаратные технологии, создающие доверенные среды выполнения. Защищенные анклавы используют такие методы, как шифрование и контроль доступа, для защиты данных и обеспечения того, чтобы операции обработки в анклаве оставались изолированными и безопасными.
· Обработка конфиденциальных данных в режиме реального времени. Используя безопасные анклавы, модели AI/ML могут быть развернуты в «чистых комнатах» для обработки телематических данных в режиме реального времени с использованием используемого шифрования без необходимости деидентификации или другой конфиденциальности. техники сохранения. Данные остаются конфиденциальными и зашифрованными на протяжении всей обработки, что обеспечивает соблюдение правил конфиденциальности.
· Понимание и обратная связь: после обработки телематических данных в конфиденциальной чистой комнате модели AI/ML могут генерировать ценные сведения, отзывы или прогнозы. Эти результаты могут быть безопасно переданы назначенным сторонам с шифрованием или переданы обратно на пограничные устройства или приложения без нарушения правил конфиденциальности данных. Передаваемая информация может включать агрегированные статистические данные или обезличенные сводки, а не необработанные отдельные данные.
Традиционные подходы включают обезличивание PII или анонимизацию собранных данных до того, как анализ может привести к потере ценной информации и ограничить эффективность моделей AI/ML. SafeLiShare обеспечивает безопасные многосторонние вычисления, которые можно использовать для вывода модели AI/ML на зашифрованных данных.
Используя SafeLiShare Confidential Clean Rooms на основе безопасных анклавов, телематические системы могут обрабатывать конфиденциальные данные в режиме реального времени, обеспечивая соответствие GDPR и другим правилам конфиденциальности данных. Этот подход позволяет использовать преимущества безопасных и точных моделей AI/ML без необходимости явных процессов деидентификации и гарантирует, что модель, код и данные останутся конфиденциальными и безопасными на протяжении всего процесса анализа и формирования обратной связи.
Для дополнительной информации
Конечно, существуют расширенные варианты использования, когда модели AI/ML обучаются на децентрализованных периферийных устройствах без передачи необработанных данных на центральный сервер. В этой конфигурации модели обучаются совместно путем агрегирования локально обработанных обновлений с нескольких устройств, обеспечивая защиту конфиденциальности с помощью федерального обучения с конфиденциальными чистыми комнатами.
Для получения дополнительной информации о SafeLiShare Confidential Clean Room посетите https://safelishare.com/solution/confidential-clean-room/ или запланируйте демонстрацию на https://safelishare.com/demo/.
