SAFEMYRIDES：去中心化控制边缘计算在顺风车监控服务中的应用
密码学与安全
2023-01-04 v1 人工智能
摘要
边缘计算正在改变许多行业和服务的面貌。常见的边缘计算模型将计算卸载，这易于带来安全风险与隐私侵犯。然而，深度学习的发展使物联网（IoTs）能够在本地做出决策并执行认知任务。本研究引入了一种去中心化控制边缘模型，其中大部分计算与决策被下移到 IoT 层级。该模型旨在减少与边缘的通信，从而提升效率并降低延迟。该模型还避免了数据传输，进而减少了安全与隐私风险。为检验该模型，我们开发了 SAFEMYRIDES——一个场景感知的顺风车监控系统，其中智能手机在运行时检测违规行为。当前的实时监控系统成本高昂且需要持续网络连接。该系统使用在 IoT 上本地运行的优化深度学习来检测顺风车中的违规行为并记录违规事件。该系统可在不侵犯隐私的前提下提升顺风车的安全性与保障性。
引用
@article{arxiv.2301.00888,
title = {SAFEMYRIDES: Application of Decentralized Control Edge-Computing to Ridesharing Monitoring Services},
author = {Samaa Elnagar and Manoj A. Thomas and Kweku-Muata Osei-Bryson},
journal= {arXiv preprint arXiv:2301.00888},
year = {2023}
}
备注
18 pages, eight figures and it is under review in Information System Frontiers