车联网个性化位置隐私保护机制研究

来源 :安徽大学 | 被引量 : 0次 | 上传用户:ivan_wongxc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
车辆在行驶过程中会发送包含位置的消息从而达成以下目的:告知周边车辆自己的实时位置,减少交通事故的发生;向基于位置服务的服务器请求新闻资讯、社交、娱乐等网络服务,改善驾驶体验。而由于车联网具有大规模的网络结构和开放的无线信道,车辆位置隐私信息每时每刻都暴露在网络中,如果这些隐私信息不能得到保护,用户的隐私将会泄露。传统的位置隐私保护方案提出使用假名来保护车辆的位置隐私,然而简单地假名更换并不能满足车辆的实际需要。一方面,由于车辆的社会特性,对于车辆经常访问的地点如家、工作单位等,所需的位置隐私需求相对于不常访问的地点应该较高;另一方面,由于假名更换受车辆数目大小的限制,在很多位置隐私亟需保护的地方,车辆的假名更换并不能达到位置隐私保护的目的。针对以上问题,本文设计了基于车辆移动规律性的个性化位置隐私保护方案和5G车联网中基于虚拟车辆的位置隐私保护方案。主要贡献如下:1)针对车联网中的位置隐私保护问题,提出了一种基于车辆移动规律性的个性化位置隐私保护方案。由于车辆的移动规律,假名更换策略应有所区别;设计了一种称为敏感度的度量方法来量化车辆的位置隐私需求;采用一个假名年龄分析模型来验证方案的效率,分析结果表明,该方案能够显著提高每辆车的个性化位置隐私保护水平。2)针对5G车联网中位置隐私保护问题,提出了一种5G车联网中基于虚拟车辆的位置隐私保护方案。在车辆数较少时,使用虚拟车辆来混淆攻击者;其次,考虑一些隐私敏感地点,如医院、政府机关等,将假名更换的区域扩大到敏感区域,从而提供了一个更实用的位置隐私保护方案;另外,设计了一个假名更换博弈,只有符合要求的车辆才会更换假名,从而实现了个性化的位置隐私保护。
其他文献
采用主动有源装置如雷达等设备来估计目标的位置属于有源定位的范围,有源定位的一个缺点是很容易受到反辐射打击或电子干扰,使得系统的安全得不到保障,而无源定位技术的出现很好的解决了这个问题。无源定位技术相对于有源定位的主要区别在于其自身不需要发射信号,它是一种直接利用目标发射或反射的信号来获取目标位置的技术,其基本原理是利用多个位置明确的接收站共同接收目标发射或反射的信号,从中提取出能用来获取目标位置参
随着互联网的飞速发展,人们可以从互联网上获得的信息也与日俱增。而信息的激增也会带来信息过载的问题,人们虽然可以更容易地找到自己所需要的信息,但对自己而言无用的信息也随之激增。为了解决信息过载问题给用户带来的困扰,推荐系统应运而生。在推荐系统技术中,协同过滤算法是使用最为广泛的算法。但协同过滤算法发展至今仍需解决诸如数据稀疏性、冷启动等众多问题。本文针对协同过滤算法的缺陷和现有方法的不足进行深入研究
在面对恶劣环境时,单导航系统性能表现不佳,定位精度有限。随着卫星导航系统的发展与完善,相比单一导航系统,组合导航系统以其可以提供更多的可见卫星和提高定位精度受到更多的关注。同时,北斗三号系统的最新建成为组合导航系统的发展提供新动力。然而在组合系统选星场景下,冗余卫星信号的增加却加大了卫星选择的时间和计算成本。因此,本文为改善选星问题,提出基于差分进化的选星算法,利用差分进化的快速搜索能力达到快速选
现实生活中存在着各式各样的文本(印刷体或是手写体),比如书籍、支票、广告牌、考试卷,而如何自动地识别图像中的文本具有很大的应用价值和研究价值。图像中的文本信息对于其他计算机视觉任务,如图片检索、无人驾驶、场景理解、即时翻译等有着很大的帮助。因此,自然场景中的文本检测和识别引起了学术界和工业界大量关注。越来越多的纸质文档通过拍照成像进行识别,且很多文档中手写和印刷体文本混合。因此,本论文除了研究场景
行人重识别任务主要是给定一张行人图像,在一个大型的图片库中去匹配到该行人的另一张图像。近些年来不断涌出的基于深度网络的行人重识别算法在很多大型数据集上都持续刷新记录。由于现实情况下可能会存在各种遮挡物体,很多用于解决行人重识别任务的模型并不能很好地适用于存在很多遮挡的数据。因此,本文研究了在遮挡情况下的行人重识别,根据对遮挡数据的不同处理,将分为局部行人重识别和遮挡行人重识别两个子任务分别去研究。
近年来,随着移动通信技术快速发展,圆极化天线以其独有的特性被广泛用于各种各样的无线通信系统中。天线作为通信系统的不可缺少的一环,对其性能的要求也越来越高,如要求天线要具有尺寸小,宽频带,高增益,方向图良好,低成本等特性。在一些空间有限的无线通信设备中,也通常需要天线具有低剖面的结构特性,但同时具备宽带和低剖面的特性还有待研究。因此,本文主要对宽频带和低剖面这两个特性设计了三种圆极化天线,主要内容为
大规模多输入多输出(Massive Multiple Input Multiple Output,Massive MIMO)技术作为第五代移动通信系统的关键技术之一,相对于传统MIMO技术来说,增加了更多的天线数量,在系统容量、频谱效率、数据传输速率和传输可靠性等方面显著提升了系统性能。但是随着基站天线数和用户数的增加,Massive MIMO信号检测过程的计算复杂度较高,难以实现,是研究的难点问
随着大数据时代的到来,人们对自动驾驶、计算机视觉、语音识别等数据密集型应用越加的重视。现如今,几乎所有先进的计算平台都是基于著名的冯·诺依曼架构,由于其计算和数据存储分开的特性,在处理数据时需要在计算模块和存储模块之间进行频繁的数据传输,从而造成了“内存墙”的问题。为了解决“内存墙”的问题,很多学者提出了“存算一体化”的概念,即将部分计算模式嵌入到内存中,从而减少处理器和存储模块之间的数据传输。静
随着数据分析技术的迅速发展和智能终端设备的广泛应用,数据聚合成为各个领域中的一项重要技术。在面向边缘计算的数据聚合中,边缘服务器收集和聚合来自终端设备的感知数据,以提供智能计算和实时控制等服务,并且将聚合结果上传给云服务器,从而执行全局的数据分析。考虑到感知数据可能涉及终端用户的隐私信息,面向边缘计算的隐私保护数据聚合方案被相继提出。隐私保护原始数据聚合支持服务器收集原始感知数据,从而可以计算任意
检索任务一直都是学术界和工业界关注的热点,最初的工作主要集中在单模态检索上,例如用图像检索与之相似的图像。但是现如今互联网的发展速度非常快,人们频繁地使用手机中的各类软件,生产出大规模的多模态数据,例如图片,文字,视频和语音等等,以往的单模态检索技术面对人们多样化的检索需求开始变的逐渐乏力,例如人们想要通过一幅图像搜索出与之相关的视频片段或者文本描述。因此为了更好地满足人们的需求,同时更好地利用这