論文の概要: Location Privacy Threats and Protections in 6G Vehicular Networks: A Comprehensive Review

• arxiv url: http://arxiv.org/abs/2305.04503v2
• Date: Wed, 08 Jan 2025 02:47:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-09 14:52:41.734421
• Title: Location Privacy Threats and Protections in 6G Vehicular Networks: A Comprehensive Review
• Title（参考訳）: 6GVネットワークにおける位置プライバシーの脅威と保護 - 総合的なレビュー
• Authors: Baihe Ma, Xu Wang, Xiaojie Lin, Yanna Jiang, Caijun Sun, Zhe Wang, Guangsheng Yu, Suirui Zhu, Ying He, Wei Ni, Ren Ping Liu,
• Abstract要約: 位置のプライバシーは、ドライバーの軌跡や個人情報が暴露される車載ネットワークにおいて重要である。 本調査では, インフラストラクチャベース, 光ビジョンベース, セルラジオベースのローカライゼーションなど, 包括的に異なるローカライゼーション手法について検討する。 位置情報プライバシ保護機構(LPPM)を,ユーザ側,サーバ側,ユーザ-サーバインターフェースベースに分類し,その有効性を評価する。
• 参考スコア（独自算出の注目度）: 23.901688216192397
• License:
• Abstract: Location privacy is critical in vehicular networks, where drivers' trajectories and personal information can be exposed, allowing adversaries to launch data and physical attacks that threaten drivers' safety and personal security. This survey reviews comprehensively different localization techniques, including widely used ones like sensing infrastructure-based, optical vision-based, and cellular radio-based localization, and identifies inadequately addressed location privacy concerns. We classify Location Privacy Preserving Mechanisms (LPPMs) into user-side, server-side, and user-server-interface-based, and evaluate their effectiveness. Our analysis shows that the user-server-interface-based LPPMs have received insufficient attention in the literature, despite their paramount importance in vehicular networks. Further, we examine methods for balancing data utility and privacy protection for existing LPPMs in vehicular networks and highlight emerging challenges from future upper-layer location privacy attacks, wireless technologies, and network convergences. By providing insights into the relationship between localization techniques and location privacy, and evaluating the effectiveness of different LPPMs, this survey can help inform the development of future LPPMs in vehicular networks.
• Abstract（参考訳）: 位置情報のプライバシーは、ドライバーのトラジェクトリと個人情報を公開し、ドライバーの安全と個人情報を脅かすデータや物理的攻撃を相手が起動できるようにする、車両ネットワークにおいて重要である。 この調査では、インフラベース、光学ビジョンベース、携帯電話ベースのローカライゼーションなど、広範囲に使用されているローカライゼーション技術についてレビューし、ロケーションプライバシに関する不適切な問題を特定する。 位置情報プライバシ保護機構(LPPM)を,ユーザ側,サーバ側,ユーザ-サーバインターフェースベースに分類し,その有効性を評価する。 分析の結果,車載ネットワークにおいて最重要でありながら,ユーザ・サーバ・インタフェース・ベースのLPPMは文献にはあまり注目されていないことが明らかとなった。 さらに、車載ネットワークにおける既存のLPPMに対するデータユーティリティとプライバシ保護のバランスをとる手法について検討し、将来の上位層のプライバシー攻撃、無線技術、ネットワークコンバージェンスといった課題を浮き彫りにする。 ローカライゼーション技術と位置プライバシの関係を考察し、異なるLPPMの有効性を評価することにより、車載ネットワークにおける今後のLPPMの開発に役立てることができる。

関連論文リスト

• Investigating Vulnerabilities of GPS Trip Data to Trajectory-User Linking Attacks [49.1574468325115]
  単一旅行からなるGPS旅行データセットにおいて,ユーザ識別子を再構築する新たな攻撃を提案する。 個人識別が削除された場合でも再識別のリスクは大きい。 さらなる調査では、少数の人しか訪れていない場所を頻繁に訪れているユーザーは、再識別に弱い傾向にあることが示されている。
  論文  参考訳（メタデータ） (2025-02-12T08:54:49Z)
• Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
  近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。 この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。 本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
  論文  参考訳（メタデータ） (2024-11-15T08:09:28Z)
• Differentially Private Data Release on Graphs: Inefficiencies and Unfairness [48.96399034594329]
  本稿では,ネットワーク情報公開の文脈における偏見と不公平性に対する差別的プライバシの影響を特徴づける。 ネットワーク構造が全員に知られているネットワークリリースの問題を考えるが、エッジの重みをプライベートにリリースする必要がある。 我々の研究は、これらのネットワーク化された決定問題におけるプライバシーに起因する偏見と不公平性に関する理論的根拠と実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2024-08-08T08:37:37Z)
• Unveiling Privacy Vulnerabilities: Investigating the Role of Structure in Graph Data [17.11821761700748]
  本研究では,ネットワーク構造から生じるプライバシーリスクに対する理解と保護を推し進める。 我々は,ネットワーク構造によるプライバシー漏洩の可能性を評価するための重要なツールとして機能する,新しいグラフプライベート属性推論攻撃を開発した。 攻撃モデルはユーザのプライバシに重大な脅威を与え,グラフデータ公開手法は最適なプライバシとユーティリティのトレードオフを実現する。
  論文  参考訳（メタデータ） (2024-07-26T07:40:54Z)
• Your Car Tells Me Where You Drove: A Novel Path Inference Attack via CAN Bus and OBD-II Data [57.22545280370174]
  On Path Diagnostic - Intrusion & Inference (OPD-II) は物理カーモデルとマップマッチングアルゴリズムを利用した新しい経路推論攻撃である。 我々は4台の異なる車両と41トラックの道路および交通シナリオに対する攻撃を実行した。
  論文  参考訳（メタデータ） (2024-06-30T04:21:46Z)
• Indoor Location Fingerprinting Privacy: A Comprehensive Survey [0.09831489366502298]
  屋内測位システム(IPS)の広汎な統合は、位置情報サービス(LBS)の普及に繋がる。 屋内位置指紋認証は、ユーザデバイスから多様な信号指紋を使用し、ロケーションサービスプロバイダ(LSP)による正確な位置識別を可能にする 様々なドメインにまたがる幅広い応用にもかかわらず、屋内位置フィンガープリントは、LSPと潜在的な敵の両方が本質的にこの機密情報にアクセスでき、ユーザーのプライバシーを損なうため、顕著なプライバシーリスクをもたらす。
  論文  参考訳（メタデータ） (2024-04-10T21:02:58Z)
• Differentiated Security Architecture for Secure and Efficient Infotainment Data Communication in IoV Networks [55.340315838742015]
  IoVネットワークにおけるインフォテインメントデータ通信の安全性の欠如は、社会的エンジニアリング攻撃の容易なアクセスポイントを意図せずに開放することができる。 特に、まずIoVネットワークでデータ通信を分類し、各データ通信のセキュリティ焦点を調べ、その後、ファイル間通信でセキュリティ保護を提供するための異なるセキュリティアーキテクチャを開発する。
  論文  参考訳（メタデータ） (2024-03-29T12:01:31Z)
• Secure Aggregation is Not Private Against Membership Inference Attacks [66.59892736942953]
  フェデレーション学習におけるSecAggのプライバシーへの影響について検討する。 SecAggは、単一のトレーニングラウンドであっても、メンバシップ推論攻撃に対して弱いプライバシを提供します。 以上の結果から,ノイズ注入などの付加的なプライバシー強化機構の必要性が浮き彫りになった。
  論文  参考訳（メタデータ） (2024-03-26T15:07:58Z)
• Protecting Personalized Trajectory with Differential Privacy under Temporal Correlations [37.88484505367802]
  本稿では,パーソナライズされたトラジェクトリプライバシ保護機構(PTPPM)を提案する。 ヒルベルト曲線に基づく最小距離探索アルゴリズムを用いて,各位置の保護位置集合(PLS)を同定する。 我々は位置摂動のための新しいPermute-and-Flip機構を提案し、データ公開プライバシー保護における初期応用を位置摂動機構にマッピングした。
  論文  参考訳（メタデータ） (2024-01-20T12:59:08Z)
• Sparse Federated Training of Object Detection in the Internet of Vehicles [13.864554148921826]
  物体検出は、IoV(Internet of Vehicles)の鍵となる技術の一つである 現在のオブジェクト検出方法は、主に集中的な深層トレーニングに基づいており、エッジデバイスが取得したセンシティブなデータをサーバにアップロードする必要がある。 そこで本研究では,よく訓練されたローカルモデルを中央サーバで共有する,フェデレート学習ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-07T08:58:41Z)
• Privacy-Utility Trades in Crowdsourced Signal Map Obfuscation [20.58763760239068]
  クラウドソースセルラー信号強度測定は、ネットワーク性能を改善するために信号マップを生成するために使用できる。 我々は、データがモバイルデバイスを離れる前に、そのようなデータを難読化することを検討する。 評価結果は,多種多様な実世界の信号マップデータセットに基づいて,適切なプライバシとユーティリティを同時に実現可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-13T03:46:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。