論文の概要: Protecting Vehicle Location Privacy with Contextually-Driven Synthetic Location Generation
- arxiv url: http://arxiv.org/abs/2409.09495v1
- Date: Sat, 14 Sep 2024 17:47:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-17 20:27:38.647892
- Title: Protecting Vehicle Location Privacy with Contextually-Driven Synthetic Location Generation
- Title（参考訳）: コンテキスト駆動型合成位置生成による車両位置プライバシ保護
- Authors: Sourabh Yadav, Chenyang Yu, Xinpeng Xie, Yan Huang, Chenxi Qiu,
- Abstract要約: 車両位置情報のプライバシー保護におけるGeo-Indの脆弱性を実証する新たな脅威モデルであるVehiTrackを紹介した。
VehiTrackは、難読データから正確な車の位置を正確に決定できる。
本研究では,現実的な車両運動パターンに難読化を限定する新しい測地難読化手法であるTransProtectを提案する。
- 参考スコア（独自算出の注目度）: 5.283624671933499
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Geo-obfuscation is a Location Privacy Protection Mechanism used in location-based services that allows users to report obfuscated locations instead of exact ones. A formal privacy criterion, geoindistinguishability (Geo-Ind), requires real locations to be hard to distinguish from nearby locations (by attackers) based on their obfuscated representations. However, Geo-Ind often fails to consider context, such as road networks and vehicle traffic conditions, making it less effective in protecting the location privacy of vehicles, of which the mobility are heavily influenced by these factors. In this paper, we introduce VehiTrack, a new threat model to demonstrate the vulnerability of Geo-Ind in protecting vehicle location privacy from context-aware inference attacks. Our experiments demonstrate that VehiTrack can accurately determine exact vehicle locations from obfuscated data, reducing average inference errors by 61.20% with Laplacian noise and 47.35% with linear programming (LP) compared to traditional Bayesian attacks. By using contextual data like road networks and traffic flow, VehiTrack effectively eliminates a significant number of seemingly "impossible" locations during its search for the actual location of the vehicles. Based on these insights, we propose TransProtect, a new geo-obfuscation approach that limits obfuscation to realistic vehicle movement patterns, complicating attackers' ability to differentiate obfuscated from actual locations. Our results show that TransProtect increases VehiTrack's inference error by 57.75% with Laplacian noise and 27.21% with LP, significantly enhancing protection against these attacks.
- Abstract（参考訳）: ジオ・オブファシケーション(Geo-obfuscation)は、位置情報ベースのサービスで使用される位置プライバシー保護メカニズムで、ユーザーが正確な位置ではなく、難読化された位置を報告できる。
正式なプライバシー基準であるジオインディペンシビリティ(Geo-Ind)は、実際の場所を、その難解な表現に基づいて(攻撃者によって)近くの場所と区別することが困難である。
しかし、Geo-Indは、道路網や車両の交通状況などの状況を考えるのに失敗し、これらの要因に強く影響される車両の位置プライバシーの保護に効果が低下する。
本稿では,Geo-Indの脆弱性を実証する新たな脅威モデルであるVehiTrackを紹介する。
我々の実験は、VehiTrackが難読化データから正確な車の位置を正確に決定できることを示し、ラプラシアンノイズでは平均推定誤差を61.20%、ベイズ攻撃では47.35%削減できることを示した。
道路ネットワークや交通の流れなどのコンテキストデータを使用することで、VehiTrackは車両の実際の位置を探索する際、事実上かなりの数の「不可能」な場所を排除している。
これらの知見に基づいて,現実的な車両運動パターンに難読化を限定する新しいジオ・オブファシケーション手法であるTransProtectを提案する。
以上の結果から,TransProtectはLaplacian noiseで57.75%,LPで27.21%,VehiTrackの推測誤差を57.75%増加させ,これらの攻撃に対する保護を著しく向上させた。
関連論文リスト
- A Location Validation Technique to Mitigate GPS Spoofing Attacks in IEEE 802.11p based Fleet Operator's Network of Electric Vehicles [2.5582913676558205]
車両再バランスアプリケーションは、定期的に車両のGPS位置情報を使用して、その車両を別の充電ステーションに移動して再バランスを行う。
ネットワークに潜んでいる悪意のある攻撃者は、対象車両のGPS位置情報パケットを偽装し、車両の位置を誤解釈する。
本稿では,以前の位置とロードマップに基づいて,車両の現在位置を検証できる位置追跡手法を提案する。
論文 参考訳（メタデータ） (2024-10-16T20:42:27Z) - Scalable Optimization for Locally Relevant Geo-Location Privacy [1.8725443025607187]
位置プライバシー保護機構(LPPM)としての地球難読化機能
この技術は,サーバ側データ漏洩時のユーザの位置情報のプライバシを保護する。
そこで我々は, LP を用いたジオ・オブファシケーションのための新しい LPPM である Locally Relevant Geo-obfuscation (LR-Geo) を提案する。
論文 参考訳（メタデータ） (2024-07-18T17:25:08Z) - 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) - Measuring Privacy Loss in Distributed Spatio-Temporal Data [26.891854386652266]
本稿では,情報提供者による位置復元攻撃に対する代替プライバシ損失を提案する。
実データと合成データに関する我々の実験は、分散環境での個人のプライバシー侵害に対する直感を反映していることを示している。
論文 参考訳（メタデータ） (2024-02-18T09:53:14Z) - 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) - Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object
Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。
対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。
5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文 参考訳（メタデータ） (2021-03-26T01:18:11Z) - Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。
実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
論文 参考訳（メタデータ） (2020-06-10T16:05:05Z) - PGLP: Customizable and Rigorous Location Privacy through Policy Graph [68.3736286350014]
我々はPGLPと呼ばれる新しい位置プライバシーの概念を提案し、カスタマイズ可能で厳格なプライバシー保証を備えたプライベートロケーションをリリースするためのリッチなインターフェースを提供する。
具体的には,ユーザの位置プライバシー要件を,表現的かつカスタマイズ可能なテキスト配置ポリシーグラフを用いて形式化する。
第3に、位置露光の検出、ポリシーグラフの修復、およびカスタマイズ可能な厳格な位置プライバシーを備えたプライベートな軌跡リリースをパイプライン化する、プライベートな位置トレースリリースフレームワークを設計する。
論文 参考訳（メタデータ） (2020-05-04T04:25:59Z) - Know Your Surroundings: Exploiting Scene Information for Object Tracking [181.1750279330811]
現在の最先端トラッカーは、各フレーム内のオブジェクトをローカライズするためにターゲットの外観モデルのみに依存している。
本研究では,トラッキングにシーン情報を利用する新しいトラッキングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-03-24T17:59:04Z) - Cooling-Shrinking Attack: Blinding the Tracker with Imperceptible Noises [87.53808756910452]
The method is proposed to deceive-of-the-the-art SiameseRPN-based tracker。
本手法は転送性に優れ,DaSiamRPN,DaSiamRPN-UpdateNet,DiMPなどの他のトップパフォーマンストラッカーを騙すことができる。
論文 参考訳（メタデータ） (2020-03-21T07:13:40Z)
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。