*Kelsey Ramírez Gutiérrez

El procesamiento digital de imágenes que ha sido un área de investigación muy importante desde sus inicios en los años sesenta. Una de las primeras aplicaciones de la imagen digital fue en la industria de los periódicos, cuando las imágenes se enviaron por primera vez por cable submarino entre Londres y Nueva York (1). Desde entonces sus aplicaciones han ido creciendo con el fin de asistir a las personas en diferentes áreas como la medicina, donde las tomografías axiales computarizadas (TACs) sirven como un elemento adicional para el diagnóstico de enfermedades, así como las imágenes de rayos X. Las aplicaciones del procesamiento digital de imágenes van desde tareas complejas que han marcado un antes y un después en la historia, como la reciente imagen obtenida del agujero negro en el 2019 hasta aplicaciones más cotidianas como el reconocimiento de rostros hoy incluido en muchos teléfonos inteligentes. El desarrollo de autos inteligentes no se aísla de esta área de investigación, donde los sistemas de visión son de suma importancia en los Sistemas Avanzados de Asistencia al Conductor (ADAS por sus siglas en inglés) y en los desarrollos actuales de los autos autónomos.

Los sistemas de visión en un automóvil se pueden clasificar en dos grupos. El primero contempla la Detección fuera del vehículo, que incluye funciones como extraer los límites del carril, especialmente cuando no está claramente marcado o en malas condiciones climáticas. Detectar vehículos cercanos, estimando sus posiciones, velocidades y aceleraciones. Reconocer las señales de tráfico y los semáforos. Detectar los obstáculos y participantes inesperados del tráfico, como los peatones y obstáculos grandes. Y el segundo grupo la Detección dentro del vehículo que tiene como objetivo monitorear el movimiento de los ojos del conductor para detectar la fatiga; vigilar el movimiento de las manos del conductor para el aprendizaje del comportamiento de conducción; monitorear la postura del conductor o pasajero y dirigirse a la aplicación inteligente de bolsas de aire.

Actualmente una gran cantidad de vehículos cuenta con dispositivos de imagen como cámaras visibles, generalmente ubicadas en los retrovisores para asistir al conductor y permitir la visibilidad en los puntos ciegos; cámaras 3D con sistemas de reconocimiento para monitorear al conductor; cámaras de visón nocturna para detectar peatones en la oscuridad y los sensores LiDAR que realizan un mapeo 3D del entorno (2).La evolución de estas tecnologías promete mejorar la seguridad de los conductores y apunta al desarrollo de vehículos completamente autónomos más eficientes y seguros. Muchas grandes industrias automotrices trabajan en el desarrollo de estas tecnologías con el fin de mejorar la seguridad en las calles evitando el error humano.

Sin embargo, se ha demostrado que estos sensores de visión pueden ser atacados, corrompiendo sus datos y llevando a los sistemas a tomar acciones equivocadas. Los ataques a las cámaras son dirigidos a sus funciones como la exposición automática, sensibilidad a la luz o el enfoque automático. Petit y col. realizaron ataques que tienen como objetivo cegar la cámara total o parcialmente emitiendo luz hacia la misma para ocultar objetos y engañar a los controles automáticos (3). Se ha demostrado cómo engañar a los sistemas de reconocimiento de señales de tránsito, con el ataque de Lenticular Printing creando imágenes que se ven diferentes desde diversas alturas, lo que permite a un adversario incrustar sigilosamente una señal de tráfico potencialmente peligrosa en una inofensiva (4). Felix y col. (5) explican cómo se pueden alterar los sistemas LiDAR, reconocen y dañan los sistemas de cámaras mediante un emisor de luz láser verde. Otro ataque realizado por Petit y col. consistía en engañar al sistema LiDAR haciéndole detectar un falso obstáculo frente a él, que puede interpretarse como un falso peatón o vehículo. Todos estos ataques representan un peligro ya que pueden causar accidentes en las vialidades. Actualmente los desarrolladores y fabricantes han tratado de compensar estas debilidades haciendo uso de uno o más sensores en conjunto, combinando sensores térmicos, radares, cámaras 3D y LiDAR. Esto con el objetivo de compensar las debilidades de unos con las fortalezas de otros.

Otro aspecto no menos relevante es acerca de la información, estos componentes son críticos debido a su capacidad de proporcionar información visual, e independientemente de su procesamiento o destino esta información debe ser provista de confidencialidad, integridad y autenticidad (6). Aunque existen muchas propuestas para cifrar este tipo de información, pocas se pueden aplicar en sistemas con baja capacidad computacional, como los sistemas automotrices. Con el auge del Internet de las Cosas (IoT), la Industria 4.0, las ciudades inteligentes y el desarrollo de nuevas tecnologías, la seguridad de la información en todos los sistemas es fundamental. Es por ello que la criptografía ligera se enfoca en el diseño de algoritmos criptográficos ligeros y su implementación en dispositivos con recursos limitados como dispositivos IoT, sensores inalámbricos, tarjetas RFID, sistemas visuales, etc. La necesidad del uso de algoritmos ligeros radica en que originalmente la criptografía tradicional se ha enfocado en el diseño de algoritmos para incrementar la eficiencia y la seguridad en la información, pero no en los recursos de hardware y energía utilizados para procesar dichos algoritmos. Por esto se requieren dispositivos que sean más eficientes en cuanto a consumo de energía, memoria y tiempo de procesamiento.

Los algoritmos criptográficos ligeros se caracterizan por utilizar bajos requerimientos en su implementación en hardware, bajos recursos computacionales para microprocesadores y microcontroladores, memoria, etc. Ya que muchos dispositivos embebidos actuales se conectan a la red y con otros dispositivos, la criptografía ligera es necesaria para proteger los datos que están siendo procesados dentro de un dispositivo de posibles ataques (7).

No cabe duda que estas tecnologías de visión se posicionan como sensores principales para ADAS y vehículos autónomos, proporcionando confort y asistencia al conductor. Sin embargo, quedan algunas preocupaciones en cuanto a la seguridad y privacidad de los datos utilizados en los vehículos.

*La Dra. Kelsey Alejandra Ramírez Gutiérrez es investigadora Cátedra-CONACYT, dentro del Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE). Correo: kramirez@inaoe.mx

1. The Origins of Digital Image Processing & Application areas in Digital Image Processing Medical Images. Mukul, Sajjan Singh, Nishi. 02, 2013, IJERT, Vol. 1.2. Yole Développement. Imaging Technologies for Automotive 2016 report. Lyon : s.n., 2016.3. Jonathan Petit, Bas Stottelaar, Michael Feiri, Frank Kargl. Remote Attacks on Automated Vehicles Sensors: Experiments on Camera and LiDAR. 2015.4. DARTS: Deceiving Autonomous Cars with Toxic Signs. Chawin Sitawarin, Arjun Nitin Bhagoji, Arsalan Mosenia, Mung Chiang, Prateek Mittal. 2018.5. Rodrigo Felix, John Economou, Kevin Knowles. Driverless Vehicles and LIDAR: Evaluation of Possible Security Threats on the Open Road. SAE Technical Paper. s.l. : SAE International, 2015.6. Driverless vehicle security: Challenges and future research opportunities. Gonzalo De La Torre, Paul Rad, Kim-Kwang Raymond Choo. s.l. : Elsevier, 2018, Future Generation Computer Systems, Vol. 108, pp. 1092-1111.7. A Survey on Lightweight Cryptographic Algorithms. S. Sallam, B. D. Beheshti. 2018. TENCON 2018 - 2018 IEEE Region 10 Conference. pp. 1784-1789.8. Digital Image Processing Real Time Applications. S.Padmappriya, K.Sumalatha. 2018, International Journal of Engineering Science Invention (IJESI), pp. 46-51.