SecureV2X：面向车联网应用的高效隐私保护系统

在过去十年中，自动驾驶和 V2X 技术发展迅速，提高了现代交通工具的安全性和效率。这些系统与广泛的车辆、道路设施和云资源交互，以支持其机器学习能力。然而，广泛使用机器学习在 V2X 系统中引发了数据隐私问题。这尤其关切于智能交通和驾驶员安全应用，这些应用可能隐式透露用户位置或明确披露医学数据，如 EEG 信号。为解决这些问题，我们提出 SecureV2X，一个面向服务器和每辆车部署的可扩展、多代理的安全神经网络推理系统。在此设置下，我们研究两种多代理 V2X 应用：secure drowsiness detection 和 secure red-light violation detection。我们的系统相对于基线方法表现出色，能够高效支持大量安全计算交互同时发生。例如，SecureV2X 在 drowsiness detection 中速度为 $9.4 \times$，计算轮数仅为 $143\times$，通信量仅为 $16.6 \times$，显著优于其他安全系统。此外，它在红灯违规检测的对象检测任务中，运行速度几乎快于最先进的基准 $100 \times$。