Charakterisierung von AmI-Systemen. AnwendungsgebieteZu den in Ambient Intelligence (AmI) integrierten Technologien gehören computergestützte Bildverarbeitung, Videoüberwachung (die beispielsweise mithilfe von Augmented Reality Sprache, Gesichter, Gesten und Emotionen analysiert), biometrische/wahrnehmungsbasierte Schnittstellen mit Sprachsteuerung, der Einsatz nanotechnologiebasierter Materialien wie künstlicher Haut, multimodale Interaktion, ubiquitäre Netzwerke und vieles mehr. AmI-Technologie ermöglicht die Schaffung unmerklicher, intuitiver Umgebungen intelligenter Netzwerkgeräte, die die Anwesenheit von Menschen erkennen. In Kombination mit fortschrittlichen Data-Mining-Funktionen können so Daten von Personen unbemerkt erfasst, analysiert und zwischen unzähligen Sensoren, Prozessoren, Datenbanken und Geräten ausgetauscht werden, um kontextbezogene und personalisierte Informationsdienste bereitzustellen – selbst in Ländern mit sehr unterschiedlichen Rechtssystemen. Die Entwicklung von AmI-Umgebungen konzentriert sich auf die Schaffung von Systemen und Diensten mit folgenden Eigenschaften: Vernetzung, Mobilität, Unmerklichkeit und Skalierbarkeit. Diese Eigenschaften ermöglichen jederzeit und ortsunabhängig optimale Konnektivität für alle in Alltagsgegenständen eingebetteten Elemente (RFID-Tags, Nanosensoren/-aktoren). Dieser intelligente und personalisierte Ansatz ermöglicht eine stärkere Nutzerorientierung, reichhaltige Inhalte und Erlebnisse sowie visuelle und multimodale Interaktion. Die sich rasant entwickelnde Ambient-Intelligence-Technologie (AmI) identifiziert eine wachsende Zahl technologischer Entwicklungen, die es heterogenen vernetzten Systemen und Geräten mit unterschiedlichen Rechenkapazitäten ermöglichen, bei der Erkennung der alltäglichen Aktivitäten von Menschen, Tieren und Objekten zusammenzuarbeiten und diese zu unterstützen und daran teilzunehmen.
Ambient Intelligence (AmI) umfasst vielfältige Anwendungsbereiche: Haushalte, häusliche Pflege/Krankenhäuser, Unterhaltungselektronik/Freizeit/Arbeit/Hausautomation, Verkehrs-/Fahrzeugmanagement, Flugsicherung, Unfallprävention, Unterhaltung, Stadtmanagement, urbanes Leben (Smart Cities), E-Demokratie, Büros, Kultur-/Bildungszentren, Gesundheitseinrichtungen, Logistik, E-Commerce/Wirtschaft usw. Zu den Schlüsselkomponenten von AmI gehören allgegenwärtige Breitbandkommunikation, verteiltes Rechnen und intelligente Schnittstellen. AmI zeichnet sich durch mehrere Aspekte aus, von denen einige derzeit vernachlässigt werden: (i) Eine sensible, kontextbezogene und adaptive Umgebung, die auf die Anwesenheit von Personen und Objekten reagiert. (ii) Eine Umgebung, in der Technologie unsichtbar, eingebettet und im Hintergrund verborgen ist. (iii) Eine Umgebung, die Aktivitäten durch implizite und intelligente Unterstützung erweitert. (iv) Eine Umgebung, die Cybersicherheit, Datenschutz und Zuverlässigkeit gewährleisten muss und Informationen nur dann nutzt, wenn dies erforderlich und von wem als angemessen erachtet wird. Dieser Aspekt wird derzeit in spezifischen Fällen kaum und global praktisch gar nicht berücksichtigt. Cyber-Privatsphäre, ein Recht, wird von manchen bereits als Ware (die gehandelt werden kann) und Privileg für wenige betrachtet. (v) Ein neues, auf künstlicher Intelligenz basierendes Paradigma sieht vor, dass Computergeräte (Tablets, Smartphones, Laptops usw.) als proaktive Werkzeuge eingesetzt werden, die Menschen im Alltag unterstützen und ihr Leben komfortabler gestalten sollen. Immer ausgefeiltere Kommunikationstechnologien und Rechenleistung werden zunehmend in Alltagsgegenstände integriert, und ihre Einbettung in unsere Umgebung muss so unauffällig wie möglich erfolgen. Damit AmI-Systeme erfolgreich sind, muss die gesamte Cybersicherheits-, Datenschutz- und Vertrauensinfrastruktur verborgen und zuverlässig sein. Darüber hinaus muss die Interaktion des Menschen mit Rechenleistung und eingebetteten Systemen nahtlos und unbemerkt erfolgen. Das Bewusstsein der Menschen für AmI-Systeme sollte darauf ausgerichtet sein, diese sicherer, zuverlässiger, datenschutzkonformer, komfortabler und gesundheitsfördernder zu gestalten.
Ambient-Intelligence-Technologien (AmI) integrieren Sensorik, Rechenleistung, KI-basierte Denkmechanismen, miniaturisierte Netzwerkgeräte, Anwendungen und Dienste, digitale Inhalte sowie verteilte Aktorik in die Umgebung. Trotz der Vielzahl an beteiligten Technologien ist das Ziel von AmI, die Technologie für die Nutzer unauffällig zu gestalten und so implizite Interaktionsformen zu ermöglichen. Der Mensch und sein soziales Umfeld – von Einzelpersonen über Gruppen, Arbeitsteams bis hin zu Familien und Freunden – sowie deren jeweilige Arbeitsumgebungen wie intelligente Bürogebäude, Fabriken, Wohnhäuser, öffentliche Räume, Krankenhäuser, Business Intelligence und intelligente Transportsysteme stehen im Mittelpunkt der Designüberlegungen.
Bedrohungen und Gegenmaßnahmen in AmI:
AmI-Umgebungen bestehen aus verschiedenen autonomen Computergeräten des modernen Lebens, von Unterhaltungselektronik und eingebetteter Elektronik bis hin zu Mobiltelefonen. Menschen in einer AmI-Umgebung sollen diese Geräte (teilweise basierend auf Nanotechnologie) nicht wahrnehmen, sondern sie nutzen. Die Geräte erkennen die Anwesenheit von Personen und reagieren auf deren Gesten, Handlungen, Stimme und Kontext. In naher Zukunft (der AmI-Welt) wird jedes Produkt (Kleidung, Geld, Hardware, Wandfarbe, Teppiche, Fahrzeuge usw.) mit Intelligenz ausgestattet sein – Netzwerken aus winzigen Sensoren und Aktoren (manche Autoren nennen sie „intelligenten Staub“). Überwachungssysteme, Biometrie, mobile Kommunikation und andere Technologien existieren bereits seit einiger Zeit. AmI ermöglicht personalisierte Dienste und den Zugriff auf deutlich mehr Informationen über uns weltweit über das Internet.
In letzter Zeit ist das Interesse an Ambient Intelligence (AmI) aufgrund neuer gesellschaftlicher Herausforderungen, die hochinnovative Dienste wie VANET (Vehicular Ad-hoc Networks), AAL (Ambient Assisted Living), E-Health, IoT (Internet der Dinge), Haus- und Geschäftsautomatisierung und vieles mehr erfordern, deutlich gestiegen. Ambient Intelligence zielt darauf ab, zu nachhaltigeren und intelligenteren Umgebungen wie Smart Cities, Smart Cars, Smart Grids und der Orchestrierung umweltbewusster Geräte beizutragen.
Ubiquitäres/pervasives Computing, integriert in AmI-Umgebungen, zeichnet sich durch eine sehr hohe Anzahl heterogener intelligenter Geräte aus (wie Smartphones/PDAs, intelligente Kleidung, Objekte mit eingebetteter Elektronik-Intelligenz, stationäre und mobile Nanosensoren usw.) mit unterschiedlichen Fähigkeiten hinsichtlich der Kommunikationskanäle, der Leistung ihrer CPUs, der Größe ihrer Speicher, des Leistungsniveaus ihrer Batterien (mit der Fähigkeit zur Selbstaufladung durch Vibration, Licht, Bewegung, umgebendes elektromagnetisches Feld, Umgebungsgeräusche, Wärme) usw.
Die inhärenten Herausforderungen für den Datenschutz bei Ambient-Intelligence-Systemen (AmI) resultieren aus zwei Innovationen, die für ihren Erfolg unerlässlich sind: (a) Die verbesserte Fähigkeit, Daten über die alltäglichen Interaktionen von Menschen zu erfassen (über verschiedene Modalitäten und große räumliche und zeitliche Zeiträume hinweg). (b) Die verbesserte Fähigkeit, die erfassten Daten schnell in großen Datenbanken zu durchsuchen und zu korrelieren, wodurch sich die Möglichkeiten zur Profilerstellung und für andere Formen des Data-Mining deutlich erweitern. Zu den potenziellen Datenschutzbedenken von Nutzern von Ambient-Intelligence-Systemen gehören: (i) Ein allgegenwärtiges und weitverbreitetes Netzwerk vernetzter Kommunikationsgeräte führt zu einer massiven und signifikant erhöhten Menge an im Umlauf befindlichen personenbezogenen Daten (ein gefundenes Fressen für Angreifer). (ii) Die Einführung biometrischer und sensorischer Schnittstellen für bestimmte Anwendungen verändert die qualitative Beschaffenheit der im Umlauf befindlichen personenbezogenen Daten. (iii) Die in AmI-Umgebungen integrierten allgegenwärtigen Netzwerke erfordern die Verfolgung und Erfassung erheblicher Teile der alltäglichen Aktivitäten der Nutzer, um personalisierte Dienste anzubieten. Sind diese Dienste kostenlos oder kostenpflichtig, können die wirtschaftlichen Vorteile für die Betreiber dieser AmI-Umgebungen enorm sein.
Sichere Mehrparteienberechnungsszenarien.
Betrachten wir N Clients, die über anonyme bidirektionale Kanäle mit einem Server S kommunizieren. Der Server speichert für jeden Client i eine Eingabe X und einen geheimen Wert qi. Ziel ist es, dass jeder Client den Ausgabewert einer Funktion f(qi, X) kennt, während qi vor dem Server geheim bleibt und Clients keine Informationen über X erhalten. Diese beiden Eigenschaften der Cybersicherheit werden als Client- und Server-Datenschutz bezeichnet. Angenommen, f ist eine lineare Funktion, beispielsweise f(q, X) = (X, q), wobei X eine vom Server gespeicherte Matrix und q ein vom Client gespeicherter Spaltenvektor ist. Das Protokoll für sichere Mehrparteienberechnung lautet: (1) Jeder Client teilt seinen Eingabevektor q in k additive Fragmente q1, ..., qk auf. Anonym werden k Nachrichten der Form (j, qj) an S gesendet. (2) Server S antwortet auf jede Nachricht mit dem Wert (X, qj + rj), wobei rj Zufallsmasken sind, deren Summe null ergibt. Jeder Client kann nun seine Ausgabe abrufen, indem er k Nachrichten zu den empfangenen Nachrichten hinzufügt. Aufgrund der Wahl der rj-Masken erhält jeder Client keinerlei Informationen über X.
Abschließende Überlegungen
: Um kurz-, mittel- und langfristig von den zunehmend komplexen Umgebungen der Ambient Intelligence zu profitieren, ist die Implementierung professioneller Cybersicherheits- und Datenschutzmechanismen sowie entsprechender Dienste dringend erforderlich. Dazu gehören auch solche, die auf Cybersicherheitstechniken basieren, welche mithilfe künstlicher Intelligenz und Methoden des allgegenwärtigen IoT-Netzwerks entwickelt wurden. 
Dieser Artikel ist Teil der Aktivitäten des thematischen Netzwerks LEFIS.
Literaturverzeichnis:
Areitio, J. „Information Security: Networks, Computing and Information Systems“. Cengage Learning-Paraninfo. 2013.
Areitio, J. „Technical Considerations for Bluetooth Protection in WPANs“. Conectrónica Magazine. Nr. 160. September 2012.
Areitio, J. „Identification and Analysis of Web Application Protection“. Conectrónica Magazine. Nr. 143. Januar 2011.
Weber, W., Rabaey, J. und Aarts, EHL „Ambient Intelligence“ – Springer. 2010.
Wright, D., Gutwirth, S., Friedewald, M., Vildjiounaite, E. und Punie, Y. „Safeguards in a World of Ambient Intelligence“. Springer. 2010.
Petkovic, M. und Jonker, W. „Security, Privacy and Trust in Modern Data Management: Data-Centric Systems and Applications“. Springer. 2010.
Eldar, YC und Kutyniok, G. „Compressed Sensing: Theory and Applications.“ Cambridge University Press. 2012.
Schneier, B. „Economics of Information Security and Privacy.“ Springer. 2011.
Nicastro, FM „Security Patch Management“. CRC Press. 2011.
Norman, TL „Risk Analysis and Security Countermeasure Selection.“ CRC Press. 2009.
Wright, D. und Hert, P. „Privacy Impact Assessment.“ Springer. 2012.
Fuller, R. und Koutsoukos, XD „Mobile Entity Localization and Tracking in GPS-less Environments. Second International Workshop“. Proceedings. Orlando, USA. September. 2009.
Craig, T und Ludloff, ME „Privacy and Big Data.“ O'Reilly Media.Tinm
Bettini, C., Jajodia, S., Samarati, P. und Wang, X. S.: „Privacy in Location-Based Applications: Research Issues and Emergency Trends“. Springer. 2009.
, C. und Perez, R.: „Seven Deadliest Social Networks Attacks“. Syngress. 2010.
Axelrod, W. W., Bayuk, J. L. und Schutzer, D.: „Enterprise Information Security and Privacy“. Artech House Publishers. 2009.
Kostopoulos, G.: „Cyberspace and cybersecurity“. Auerbach Publications. 2012.
Autor:
Prof. Dr. Javier Areitio Bertolín – E-Mail:
Professor an der Fakultät für Ingenieurwissenschaften.
Leiter der Forschungsgruppe Netzwerke und Systeme. Universität Deusto.
