論文の概要: Implementing an Optimized and Secured Multimedia Streaming Protocol in a Participatory Sensing Scenario

• arxiv url: http://arxiv.org/abs/2411.09252v1
• Date: Thu, 14 Nov 2024 07:35:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:23:10.110640
• Title: Implementing an Optimized and Secured Multimedia Streaming Protocol in a Participatory Sensing Scenario
• Title（参考訳）: 参加型センシングシナリオにおける最適化されたセキュアなマルチメディアストリーミングプロトコルの実装
• Authors: Andrea Vaiuso, Federico Concone, Marco Morana, Giuseppe Lo Re,
• Abstract要約: クラウドセンシングは、複数のユーザー間で共有ビデオコンテンツに関する情報をネットワーク上で分配することができる。 クラウドセンシングは、データの機密性、完全性、可用性を確保するために考慮しなければならないいくつかのセキュリティ制約を導入する。 本稿では,クラウドセンシングネットワーク上でのデータストリーミングを確保するために,対称AES-CTR暗号ベースのプロトコルの使用について論じる。
• 参考スコア（独自算出の注目度）: 0.8099700053397277
• License:
• Abstract: Multimedia streaming protocols are becoming increasingly popular in Crowdsensing due to their ability to deliver high-quality video content over the internet in real-time. Streaming multimedia content, as in the context of live video streaming, requires high bandwidth and large storage capacity to ensure a sufficient throughput. Crowdsensing can distribute information about shared video contents among multiple users in network, reducing storage capacity and computational and bandwidth requirements. However, Crowdsensing introduces several security constraints that must be taken into account to ensure the confidentiality, integrity, and availability of the data. In the specific case of video streaming, commonly named as visual crowdsensing (VCS) within this context, data is transmitted over wireless networks, making it vulnerable to security breaches and susceptible to eavesdropping and interception by attackers. Multimedias often contains sensitive user data and may be subject to various privacy laws, including data protection laws and laws related to photography and video recording, based on local GDPR (General Data Protection Regulation). For this reason the realization of a secure protocol optimized for a distributed data streaming in real-time becomes increasingly important in crowdsensing and smart-enviroment context. In this article, we will discuss the use of a symmetric AES-CTR encryption based protocol for securing data streaming over a crowd-sensed network.
• Abstract（参考訳）: マルチメディアストリーミングプロトコルは、インターネット上で高品質なビデオコンテンツをリアルタイムで配信する能力によって、クラウドセンシングにおいて人気が高まっている。 ライブビデオストリーミングのようなマルチメディアコンテンツのストリーミングは、十分なスループットを確保するために、高い帯域幅と大きなストレージ容量を必要とする。 クラウドセンシングは、ネットワーク内の複数のユーザ間で共有ビデオコンテンツに関する情報を分散することができ、ストレージ容量と計算および帯域幅の要求を低減できる。 しかし、Crowdsensingはデータの機密性、完全性、可用性を確保するために考慮しなければならないいくつかのセキュリティ制約を導入している。 この文脈で一般的に「ビジュアル・クラウドセンシング(VCS)」と呼ばれるビデオストリーミングの特定のケースでは、データは無線ネットワークを介して送信され、セキュリティ侵害に脆弱であり、攻撃者による盗聴や傍受を受けやすい。 マルチメディアはしばしばセンシティブなユーザーデータを含み、ローカルGDPR(General Data Protection Regulation)に基づいて、データ保護法や写真やビデオ記録に関する法律を含む様々なプライバシー法に従うことがある。 このため,クラウドセンシングやスマート環境のコンテキストにおいて,分散データストリーミングに最適化されたセキュアなプロトコルの実現がますます重要になっている。 本稿では,クラウドセンシングネットワーク上でのデータストリーミングを確保するために,対称AES-CTR暗号ベースのプロトコルの使用について論じる。

関連論文リスト

• PPVF: An Efficient Privacy-Preserving Online Video Fetching Framework with Correlated Differential Privacy [24.407782529925615]
  高品質なオンラインビデオサービスを維持しつつ、ユーザの要求のプライバシを維持するための新しいプライバシ保存ビデオフェッチフレームワークを提案する。 信頼されたエッジデバイスを使用して、ビデオのプレフェッチとキャッシュを行い、エッジキャッシュの効率を最適化しながら、ユーザの要求のプライバシを確保する。 その結果,PPVFは高いビデオキャッシング性能を維持しつつ,ユーザの要求するプライバシを効果的に保護することを示した。
  論文  参考訳（メタデータ） (2024-08-27T02:03:36Z)
• NeR-VCP: A Video Content Protection Method Based on Implicit Neural Representation [7.726354287366925]
  暗黙的ニューラル表現に基づくビデオコンテンツ保護のための自動暗号化手法を提案する。 NeR-VCPはまず、送信者によって訓練されたキー制御可能なモジュールを受信者に事前配布する。 我々は,視覚的表現,不正ユーザに対する非受容性,暗号的観点からのセキュリティにおいて,優れた性能を有することを実験的に見出した。
  論文  参考訳（メタデータ） (2024-08-20T16:23:51Z)
• Object-Attribute-Relation Representation based Video Semantic Communication [35.87160453583808]
  我々は,低ビットレート符号化を実現するためのビデオのセマンティックフレームワークとして,OAR(Object-Atribute-Relation)を導入する。 我々は低ビットレート表現と生成ビデオ再構成の両方にOARシーケンスを利用する。 トラヒック監視ビデオデータセットに関する実験は,映像伝送性能の観点から,我々のアプローチの有効性を評価した。
  論文  参考訳（メタデータ） (2024-06-15T02:19:31Z)
• Flash-VStream: Memory-Based Real-Time Understanding for Long Video Streams [78.72965584414368]
  人間の記憶機構をシミュレートしたビデオ言語モデルFlash-VStreamを提案する。 既存のモデルと比較して、Flash-VStreamは遅延推論とVRAM消費の大幅な削減を実現している。 本稿では,オンライン動画ストリーミング理解に特化して設計された質問応答ベンチマークであるVStream-QAを提案する。
  論文  参考訳（メタデータ） (2024-06-12T11:07:55Z)
• 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)
• Privacy Protectability: An Information-theoretical Approach [4.14084373472438]
  本稿では,ビデオストリームをどの程度保護できるかを特徴付けるために,新たなメートル法であるテクストプライバシー保護法を提案する。 プライバシ保護性の定義は情報理論に根ざし,メトリックを推定する効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-05-25T04:06:55Z)
• Leveraging Bitstream Metadata for Fast, Accurate, Generalized Compressed Video Quality Enhancement [74.1052624663082]
  圧縮ビデオの細部を復元する深層学習アーキテクチャを開発した。 これにより,従来の圧縮補正法と比較して復元精度が向上することを示す。 我々は、ビットストリームで容易に利用できる量子化データに対して、我々のモデルを条件付けする。
  論文  参考訳（メタデータ） (2022-01-31T18:56:04Z)
• VPN: Video Provenance Network for Robust Content Attribution [72.12494245048504]
  VPN - オンラインで共有されているビデオから出典情報を復元するコンテンツ属性手法を提案する。 完全長あるいは切り離されたビデオクエリを用いて,このようなビデオのマッチングに頑健な検索埋め込みを学習する。 一度ビデオクリップの信頼できるデータベースにマッチすると、そのクリップの出所に関する関連情報がユーザに提示される。
  論文  参考訳（メタデータ） (2021-09-21T09:07:05Z)
• Privacy-Preserving Video Classification with Convolutional Neural Networks [8.51142156817993]
  本稿では,畳み込みニューラルネットワークを用いた単一フレーム方式のビデオ分類のプライバシ保護実装を提案する。 個人の感情認識への応用として提案手法の評価を行った。
  論文  参考訳（メタデータ） (2021-02-06T05:05:31Z)
• Decentralized Learning for Channel Allocation in IoT Networks over Unlicensed Bandwidth as a Contextual Multi-player Multi-armed Bandit Game [134.88020946767404]
  本稿では,プライマリセルネットワークにライセンスされたスペクトルに基づいて,アドホックなモノのインターネットネットワークにおける分散チャネル割り当て問題について検討する。 本研究では,この問題をコンテキスト型マルチプレイヤー・マルチアームバンディットゲームにマッピングし,試行錯誤による純粋に分散化された3段階ポリシー学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-03-30T10:05:35Z)
• Predicting the Popularity of Micro-videos with Multimodal Variational Encoder-Decoder Framework [54.194340961353944]
  マイクロビデオ人気タスクのためのマルチモーダル変分エンコーダ・デコーダフレームワークを提案する。 MMVEDは、その人気レベルに情報を与えるマイクロビデオの埋め込みを学習する。 Xiguaから収集した公開データセットとデータセットで実施された実験は、提案したMMVEDフレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2020-03-28T06:08:16Z)

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。