车联网时代差分隐私技术的特征刻画
密码学与安全
2022-02-16 v2
摘要
先进的人车交互近期发展依赖于车联网(IoV)概念,以在实践中实现大规模的数据通信与同步。IoV概念与分布式系统高度相似,其中每辆车被视为一个节点,所有节点与中心服务器分组。如此一来,数据隐私问题十分突出,因为所有车辆收集、处理并共享个人统计信息(例如多模态、驾驶状态等)。因此,理解现代隐私保护技术如何适配IoV十分重要。我们提出了迄今为止最全面的针对IoV现代隐私保护技术的特征刻画研究。我们聚焦于差分隐私(DP)——一组具有数学保证的、用于敏感数据隐私保护处理与共享的机制代表。我们研究的目的是揭示部署DP技术在服务质量方面的权衡。我们首先刻画由先进DP方法赋能的代表性隐私保护处理机制。随后我们对一个新兴的车载深度神经网络驱动应用进行详细研究,并探讨DP对于不同类型数据流的利弊。我们的研究获得11项关键发现,并从不详尽刻画中突显五项最重要的观察。我们总结道,通过以低服务质量开销实现隐私保护型IoV,未来研究存在大量挑战与机遇。
引用
@article{arxiv.2202.06477,
title = {Characterizing Differentially-Private Techniques in the Era of Internet-of-Vehicles},
author = {Yicun Duan and Junyu Liu and Wangkai Jin and Xiangjun Peng},
journal= {arXiv preprint arXiv:2202.06477},
year = {2022}
}
备注
Technical Report-Feb-03 at User-Centric Computing Group, University of Nottingham Ningbo China