/>
ردیابی وسایل نقلیه به عنوان راهی برای نظارت ، سال هاست که توسط دولت های سراسر جهان مورد استفاده قرار می گیرد. حداقل در ایالات متحده ، چه زمانی دقیقاً مجاز است که هنوز هم مجاز باشد اما هنوز هم موضوع داغی است. و این فقط پلیس نیست که از دستگاه های ردیابی استفاده می کند. اخیراً مشخص شد که سازنده خودرو مرسدس پنهانی آنها را در تمام اتومبیل های جدید و استفاده شده خود نصب کرده است. آنها در یک هدف نسبتاً شگفت انگیز کار می کنند – در آنچه شرکت "شرایط شدید" می نامد: وقتی مشتریان مالی از پرداخت های خود به طور پیش فرض استفاده می کنند. این شرکت اطلاعات مربوط به موقعیت مکانی وسیله نقلیه را با شرکت های بازیابی که سپس سعی در تصرف خودروها دارند ، به اشتراک می گذارد. اگرچه آشکارا نقض غیرقابل قبول حریم خصوصی افراد است ، اما نسبت به آنچه در آینده است ابتدایی است. به همین دلیل است که نظارت مبتنی بر وسیله نقلیه در حال بدتر شدن است ، همانطور که توسط مک کینزی بیان شده است:
اتومبیل های امروز تا 150 دستگاه کنترل الکترونیکی دارند. تا سال 2030 ، بسیاری از ناظران انتظار دارند که تقریباً 300 میلیون خط کد نرم افزار داشته باشند. برای مقایسه ، ماشینهای امروزی حدود 100 میلیون خط کد دارند. برای چشم انداز این موضوع ، یک هواپیمای مسافربری 15 میلیون خط کد ، یک هواپیمای جنگنده مدرن حدود 25 میلیون و یک سیستم عامل رایانه شخصی در بازار انبوه نزدیک به 40 میلیون تخمین زده است. این بیش از حد کدهای نرم افزاری پیچیده از هر دو میراث طراحی سیستم های الکترونیکی به روش های خاص برای 35 سال گذشته و همچنین افزایش نیازها و افزایش پیچیدگی سیستم ها در اتومبیل های متصل و خودمختار ناشی می شود.
هرچه کد بیشتر باشد ، داده های بیشتری نیز به دست می آید. تولید و تجزیه و تحلیل ، و جزئیات بیشتر در مورد نحوه استفاده از وسیله نقلیه متصل به طور بالقوه در دسترس است. شرکت های مختلفی در صنایع مختلف از این واقعیت آگاه هستند و برای تبدیل شدن به دروازه بان ها تلاش می کنند. سال گذشته مدیرعامل فورد باعث افزایش موجبات موفقیت شرکت شد ، زیرا او اظهار داشت شرکت ممکن است برای افزایش سود از داده هایی که برای اهداف دیگر جمع آوری می کند ، استفاده کند. Google در حال حاضر در نبرد با داده های ماشین الکتریکی قفل شده است. این شرکت ایتالیایی Enel را شامل می شود که در حال ایجاد شبکه ایستگاه های شارژ برای وسایل نقلیه برقی است. این برنامه دارای برنامه ای است که به کاربران کمک می کند تا نقاط شارژ را در این نزدیکی پیدا کنند. Google از ادغام برنامه در نرم افزار کنترل اتومبیل خود امتناع می ورزد. درعوض ، می خواهد مردم از Google Maps استفاده کنند تا ایستگاه های شارژ Enel را پیدا کنند. تفاوت مهم این است که در حالت دوم ، گوگل داده های ارزشمندی را درمورد آنچه درایورهای Enel انجام می دهند به دست می آورد. مقاله اخیر در نیویورک تایمز انواع داده هایی را که به طور بالقوه در دسترس است از اتومبیل های دیجیتالی بیان شده است:
داده های مکان شما به شرکت ها امکان می دهد تا بر اساس مکانی که در آن زندگی می کنید ، کار می کنید یا به طور مکرر مسافرت می کنند ، به شما تبلیغ کنند. داده های جمع آوری شده از فن آوری فرمان صوتی همچنین می تواند برای تبلیغ کنندگان مفید باشد.
اطلاعات مربوط به عادات رانندگی شما – چقدر سریع رانندگی می کنید ، چقدر سخت ترمز می کنید ، آیا همیشه از کمربند ایمنی خود استفاده می کنید – می تواند برای شرکت های بیمه ارزشمند باشد. شما ممکن است تصمیم بگیرید که داده های خود را با این خدمات به اشتراک نگذارید.
نویسنده ، بیل هانوی ، رئیس جمهور و مدیر ارشد انجمن مراقبت از اتومبیل ، به درستی می گوید: "ماشین های تولید شده امروزه در واقع تلفن های هوشمند با چرخ هستند". اما می افزاید: "در حالی که می توانید داده های مکان را در تلفن همراه خود خاموش کنید ، هیچ ویژگی انتخابی برای خودروی شما وجود ندارد." به همین دلیل است که داده های حمل و نقل به طور بالقوه حتی با ارزش تر از نوع به دست آمده از تلفن های هوشمند هستند.
با وجود این ، این واقعیت است. هنوز هم امکان استفاده از اتومبیل برای مقابله با نظارت وجود دارد. به عنوان مثال ، Nexar به افراد اجازه می دهد تا از تلفن های هوشمند خود به عنوان یک dashcam استفاده کنند و هر آنچه را که هنگام رانندگی اتفاق می افتد را ضبط می کنند. حداقل این بدان معناست که مردم سابقه وقایع خود را دارند و می توانند از آن برای فراهم کردن زمینه برای هر نسخه تولید شده توسط مقامات استفاده کنند. محقق امنیتی Truman Kain مرحله پیش رو را با استفاده از Scout Detection Detection Detection که در اینجا توسط Wired گزارش شده است ، انجام داده است:
رایانه DIY در کنسول میانی Tesla Model S یا Model 3 قرار دارد و به درگاه USB داشبورد آن وصل می شود ، و دوربین های داخلی این خودرو را – همان دوربین های دیداری و عقب که نمای 360 درجه ای را برای ویژگی های Autopilot و Sentry Tesla استفاده می کند – به سیستمی تبدیل می کند که به مرور زمان پلاک ها و چهره ها را لکه دار می کند ، ردیابی می کند و پلاک ها را ذخیره می کند. این ابزار با استفاده از نرم افزار شناسایی تصویر منبع منبع باز ، در صورت مشاهده مکرر همان صفحه پلاک ، به طور خودکار هشدار را روی صفحه نمایش تسلا و تلفن کاربر قرار می دهد. هنگامی که ماشین پارک شده است ، می تواند چهره های اطراف را ردیابی کند تا ببیند کدام یک از آنها به طور مکرر ظاهر می شوند.
این یک چرخش مرتب و مرتب از دینامیک معمول است ، جایی که ماشین از شما جاسوسی می کند ، اما تنها در صورت داشتن وسیله نقلیه ممکن است. این گزینه ای برای اتوبوس ها ، کشتی ها یا هواپیماها نیست:
غول هوافضا ایرباس این هفته اعلام کرد که آزمایش پرواز را با استفاده از "کابین متصل" خود در هواپیما با هواپیمای گسترده A350-900 خود آغاز کرده است. این هواپیما با سنسورهایی برخورد می کند که می توانند رفتار و حرکات مسافر را ردیابی کنند ، از جمله اینکه چند بار و چه مدت از توالت استفاده می شود.
این مسئله یک مشکل کلی در حمل و نقل عمومی را نشان می دهد. شما در اصل در دام املاک شخصی شخص دیگری قرار دارید. اگر آنها تصمیم بگیرند این تجهیزات را با انواع مختلف سیستم های نظارتی تجهیز کنند ، در مورد آن کار چندانی نمی توان انجام داد ، مگر اینکه قوانینی محلی برای محافظت از داده های شخصی – مانند GDPR اتحادیه اروپا – وجود داشته باشد که دقیقاً برای جلوگیری از این نوع فرسایش تدریجی حریم خصوصی طراحی شده اند. . در غیاب آنها ، دیجیتالی شدن روزافزون حمل و نقل احتمالاً فرصت های جدیدی را برای نظارت گسترده و غیرقابل اجتناب به وجود می آورد.
تصویر برجسته آلف ون بیم.
درباره گلی مودی
گلی مودی روزنامه نگار آزاد است که می نویسد. و در مورد حریم خصوصی ، نظارت ، حقوق دیجیتال ، متن باز ، حق چاپ ، حق ثبت اختراعات و موضوعات کلی سیاست مربوط به فناوری دیجیتال صحبت می کند. وی شروع به پوشش استفاده از مشاغل اینترنت در سال 1994 كرد و اولین ویژگی اصلی را در مورد لینوكس نوشت ، كه در اوت 1997 در Wired ظاهر شد. كتاب وی با نام "Rebel Code" اولین و تنها تاریخ كامل درباره ظهور منبع آزاد است. ، در حالی که کار بعدی او ، "کد دیجیتال زندگی" ، به بررسی بیوانفورماتیک – تقاطع محاسبات با ژنتیک می پردازد.
