BlackBerry Jarvis: sicurezza per le auto connesse

L’attività di BlackBerry si sta progressivamente spostando dal territorio mobile a quello automotive, come testimonia la partnership con Baidu svelata la scorsa settimana per lo sviluppo di soluzioni dedicate alla guida autonoma. Oggi il gruppo canadese annuncia una nuova iniziativa che va nella stessa direzione: Jarvis, una soluzione dedicata alla sicurezza delle auto connesse.

In occasione dell’evento NAIAS (North American International Automotive Show) in scena a Detroit, l’azienda ha presentato un tool basato su piattaforma cloud che tornerà utile agli automaker per l’analisi del software equipaggiato sulle self-driving car e sui veicoli connessi. È in grado di effettuare una scansione del codice binario, alla ricerca di eventuali vulnerabilità potenzialmente sfruttabili dai malintenzionati per accedere alle informazioni relative al veicolo, ai suoi utilizzatori o addirittura per assumerne il controllo. Queste le parole di John Chen, CEO ed Executive Chairman di BlackBerry.

I veicoli connessi e autonomi richiedono alcuni dei software più complessi mai sviluppati, ponendo una sfida significativa agli automaker, chiamati ad assicurare che il codice rispetti gli standard dell’industria e dei produttori, garantendo al tempo stesso la protezione da un gran numero di tentativi d’attacco da parte dei cybercriminali.

Secondo BlackBerry, Jarvis è in grado di fornire un report dettagliato in pochi minuti, laddove utilizzando soluzioni alternative si impiegherebbero diverse settimane. Il tool verrà destinato inizialmente al settore automotive, ma i suoi potenziali impieghi si estendono ben oltre il mondo delle quattro ruote, interessando ambiti come quello dell’healthcare, dell’automazione industriale, dell’aerospaziale e i progetti legati alla difesa militare.

Jarvis cambia le carte in tavola per i produttori, poiché per la prima volta offre loro una visione completa, consistente e in tempo quasi reale della sicurezza relativa all’intero codice del veicolo, mediante analisi condotte attraverso l’impiego del deep learning, al fine di prevedere e correggere le vulnerabilità, garantendo la conformità e restando un passo in avanti rispetto ai malintenzionati.