自动驾驶汽车的隐私：风险、保护方法与未来方向
人工智能
2022-09-12 v1
摘要
机器学习的最新进展使其在不同领域的广泛应用成为可能，其中最令人振奋的应用之一是自动驾驶汽车(AVs)，它促进了从感知到预测再到规划的众多ML算法的发展。然而，训练AVs通常需要从不同的驾驶环境(如城市)以及不同类型的个人信息(如工作时间和路线)收集大量训练数据。这些被视作数据中心AI时代ML的新石油所收集的大数据，通常包含大量难以去除甚至审计的隐私敏感信息。尽管现有隐私保护方法已取得一定的理论和经验成功，但在将其应用于自动驾驶汽车等现实世界应用时仍存在差距。例如，在训练AVs时，不仅个人可识别信息会泄露隐私敏感信息，城市内的道路建设等群体层面信息以及AVs的专有层面商业机密也会如此。因此，重新审视AVs中隐私风险与相应保护方法的前沿以弥合此差距至关重要。遵循这一目标，我们在本工作中提供了AVs中隐私风险与保护方法的新分类法，并将AVs中的隐私分为三个层级：个体、群体和专有。我们明确列出了保护各层级隐私近期的挑战，总结了应对这些挑战的现有方案，讨论了经验教训与结论，并为研究者和从业者提供了潜在的未来方向与机遇。我们相信本工作将有助于塑造AV领域的隐私研究并指导隐私保护技术设计。
引用
@article{arxiv.2209.04022,
title = {Privacy of Autonomous Vehicles: Risks, Protection Methods, and Future Directions},
author = {Chulin Xie and Zhong Cao and Yunhui Long and Diange Yang and Ding Zhao and Bo Li},
journal= {arXiv preprint arXiv:2209.04022},
year = {2022}
}