提升 C-ITS 中不可关联性:最优混淆方法学
密码学与安全
2023-01-11 v1 计算机科学与博弈论
信息论
math.IT
摘要
本文提出一种新方法学,以为协同智能交通系统(C-ITS)中的隐私提供高度保障。我们的焦点在于由协同感知基本服务实现的车联网(V2X)通信。我们的研究动机基于对不可关联性提供方法的分析,其揭示出一处空白。为此,我们提出一种隐马尔可夫模型(HMM)来表达两辆车使用协同感知消息(CAMs)与路侧单元(RSU)通信情形下的不可关联性。我们的 HMM 具有标记状态,指定被动攻击者可观测 CAMs 的不同来源。我们进而证明,在假设攻击者知晓车辆实际位置(即 HMM 中的隐状态)的条件下,攻击者对标记状态的不确定性程度(如熵)可获得高度保障。我们进一步展示了如何提升 C-ITS 中的不可关联性:提出一种联合概率分布,两位驾驶员必须据此联合混淆其实际数据。该混淆数据随后被封装于其 CAMs 中。最后,我们的发现被整合进一种混淆算法,其复杂度在 HMM 离散时间步数量上呈线性。
引用
@article{arxiv.2301.04130,
title = {Improving unlinkability in C-ITS: a methodology for optimal obfuscation},
author = {Yevhen Zolotavkin and Yurii Baryshev and Vitalii Lukichov and Jannik Mähn and Stefan Köpsell},
journal= {arXiv preprint arXiv:2301.04130},
year = {2023}
}
备注
13 pages