Hacking misslyckades miljarder Dollar gränsen säkerhetssystemet (1 / 4 steg)

Steg 1: Sätta fast filtret

För två år sedan jag fick anlitas som konsult av Boeing med arbetsbeskrivningen för att se till att allt fungerade. På min första dag på jobbet läste jag lite dokumentation som sade systemet används "Kalman filtrering." Det sade också det används "partikelfysik?" Tja, jag vet inte mycket om partikelfysik, men jag vet min Kalman filtrering. Senare samma dag jag frågade min chef om han kunde tala mig hur Kalmanfilter genomfördes. Han berättade för mig att jag endast bör befatta mig med "intelligenta" frågor. Jag visste just då och där att systemet skulle vara en fullständig och total misslyckande. Jag var släppa efter 30 dagar för "inkompetens."

En av de största klagomål om Boeing-systemet är att det ständigt ger falsklarm. Tja, en sak en Kalmanfilter är bra för är att undanröja falsklarm. En Kalmanfilter är en mjukvaran algoritmen som används för alla möjliga saker. Det är oftast för vägledning och navigering, men det kan användas för allt från ekonomiska prognoser till tillväxt befolkningsstudier.

Kalmanfilter är min favorit filter i världen. Om du gick fram till mig i en bar och frågade vad min favorit filter var, skulle jag säga Kalman, överlägset. En anledning är det min favorit är att om du läser beskrivningen på Wikipedia, det ser ut som en stor ful hairball av matematiska ekvationer! Gå här och scrolla ner (faktiskt, titta på skärmbilden ovan.) Vacker, är inte det! BTW, det är ett problem med Wikipedia. Det slutar ibland som en gigantisk sandlåda för grad studenter arbetar på avhandlingar, som, enligt min ödmjuka åsikt, är där beskrivningen hör hemma, inte på Wikipedia. Den genomsnittlige läsaren kommer inte att kunna förstå en beskrivning sådär.

Lyckligtvis, som mest komplicerade saker, om du kokar det ner, det är bara en liten liten sunt förnuft ekvation. Det är i grunden bara ett vägt filter. Till exempel säga att du har en hög med vattenmeloner med en skylt med texten "10 lb. vattenmeloner." Nu, för att uppskatta hur mycket varje vattenmelon faktiskt väger, du börja med att säga din ursprungsberäkningen av vikt 10 lbs, eftersom det är den enda information du har. Detta kallas prognos. Sedan du plocka upp en vattenmelon från högen och satte den på skalan och den läser 9 kg. Men skalan säger att det är korrekt att plus eller minus 5 procent, enligt 95% korrekt. Därför kan du bara säga säkert att vattenmelon väger minst 9 * 95 = 8,55 kg. För att kompensera för de övriga 5%, du tar den tidigare uppskattningen, din första uppskattningen, tider 5%, och lägga att de mellanliggande uppskattning, som ger 10 lbs *.05 = 0,5. Då är din övergripande ny uppskattning, kallas uppdateringen, 8,55 + 0,5 = 9.05 pounds. Och du fortsätter bara att göra att för varje vattenmelon, vilket resulterar i ett rekursivt filtrerad uppskattning. När det gäller kovarians matris, som för saker som har en liten bieffekt på systemet, som om mycket hög fuktighet orsakar vattenmeloner vara en liten bit tyngre, i vilket fall du skulle lägga till fukt i kovarians matris.

Med Boeing system var specifika klagomål att på blåsiga dagar, skulle vara ännu mer falsklarm på grund av saker som trädgrenar som vajar i vinden, för att inte nämna tumbleweeds rullning genom. För att rätta till detta, vore ett objekt för kovarians matris aktuella vindförhållanden. Kanske är även användning "tumbleweed erkännande," som för övrigt är hela genomförbart med tanke på att det sätt jag mönster erkännande genom att stänga ögonen och visualisera videodata (ettor och nollor) och "se" vad tumbleweeds ser ut över tiden som ettor och nollor. För det första är de nästan helt runda. Och de rör sig snabbt, ungefär lika snabbt som vinden, som jag redan vet eftersom det är i min Kalmanfilter. Börjar du se hur förmågan att injicera enkelt sunt förnuft i Kalmanfilter är det som gör Kalmanfilter så vältalig och användbara? Närmare om detta i nästa avsnitt.