通过在智能运输系统中移动和定位的假定保密机制来保护弹性隐私保护

科学领域:

• 计算机科学 计算机科学
• 网络安全 网络安全
• 运输工程 运输工程

背景情况:

• 智能城市的智能交通系统 (ITS) 促进了移动,但由于数据共享而面临隐私风险.
• 通信范式中的不利风险威胁到用户隐私,影响移动性和本地化.
• 现有的ITS架构需要加强安全措施来解决隐私漏洞.

研究的目的:

• 引入一种新的弹性隐私保护 (RPP) 方法,用于智能城市ITS中的安全通信.
• 增强用户隐私和系统对安全威胁的弹性,在流量数据交换中.
• 为了减少计算开销,同时改善ITS中的隐私保护.

主要方法:

• 提出了一种利用假定保密 (PS) 的弹性隐私保护 (RPP) 方法.
• 基于先前的安全耗尽级别来保持隐私,用于渐进式通信会话.
• 避开转移学习用于识别中断,并建议在流量数据会话中重新处理.

主要成果:

• 与传统方法相比,RPP方法实现了25%的计算开销降低.
• 与现有方法相比,隐私保护提高了30%.
• 在各种交通密度下,安全耗尽率下降了15%,显示出ITS弹性得到了改善.

结论:

• 拟议的RPP方法为智慧城市ITS中的隐私保护提供了一个强大的解决方案.
• 这种方法有效地平衡了智能交通通信中的安全性,隐私和效率.
• 经验结果验证了该模型在增强安全的ITS通信和弹性方面的有效性.