論文の概要: A Survey on Privacy-Preserving Computing in the Automotive Domain
- arxiv url: http://arxiv.org/abs/2508.01798v1
- Date: Sun, 03 Aug 2025 15:23:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 13:53:31.368575
- Title: A Survey on Privacy-Preserving Computing in the Automotive Domain
- Title（参考訳）: 自動車分野におけるプライバシ保護コンピューティングに関する調査
- Authors: Nergiz Yuca, Nikolay Matyunin, Ektor Arzoglou, Nikolaos Athanasios Anagnostopoulos, Stefan Katzenbeisser,
- Abstract要約: 本調査は,セキュアマルチパーティ計算 (MPC) と同型暗号化 (HE) の応用を概観する。
まず、これらの技術のプライバシーに敏感なユースケースの範囲を特定し、異なる自動車環境におけるプライバシー問題に対処する既存の研究を調査する。
そして、これらのユースケースのソリューションとしてMPCとHEを用いた最近の研究を詳細にレビューする。
- 参考スコア（独自算出の注目度）: 4.156236526450893
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As vehicles become increasingly connected and autonomous, they accumulate and manage various personal data, thereby presenting a key challenge in preserving privacy during data sharing and processing. This survey reviews applications of Secure Multi-Party Computation (MPC) and Homomorphic Encryption (HE) that address these privacy concerns in the automotive domain. First, we identify the scope of privacy-sensitive use cases for these technologies, by surveying existing works that address privacy issues in different automotive contexts, such as location-based services, mobility infrastructures, traffic management, etc. Then, we review recent works that employ MPC and HE as solutions for these use cases in detail. Our survey highlights the applicability of these privacy-preserving technologies in the automotive context, while also identifying challenges and gaps in the current research landscape. This work aims to provide a clear and comprehensive overview of this emerging field and to encourage further research in this domain.
- Abstract（参考訳）: 車両のコネクテッド化と自律化が進むにつれて、さまざまな個人情報を蓄積し、管理するようになり、データ共有と処理の間、プライバシを保護する上で重要な課題が提示される。
本調査では,自動車分野におけるこれらのプライバシー問題に対処する,セキュアマルチパーティ計算(MPC)とホモモルフィック暗号化(HE)の適用についてレビューする。
まず、位置情報ベースのサービス、移動インフラ、交通管理など、さまざまな自動車環境におけるプライバシー問題に対処する既存の作業を調査し、これらの技術のプライバシーに敏感なユースケースの範囲を特定します。
そして、これらのユースケースのソリューションとしてMPCとHEを用いた最近の研究を詳細にレビューする。
われわれの調査は、これらのプライバシー保護技術が自動車の文脈で適用可能であることを強調し、同時に現在の研究状況における課題とギャップを特定する。
この研究は、この新興分野の明確かつ包括的な概要を提供し、この領域におけるさらなる研究を促進することを目的としている。
関連論文リスト
- AUTOPSY: A Framework for Tackling Privacy Challenges in the Automotive Industry [1.306941069040504]
AUTOPSYプロジェクトは、自動車分野におけるプライバシーエンジニアリングプロセスをサポートすることであった。
本稿では,プライバシ技術(PET)の強化を目的としたプロジェクトの結果について述べる。
さらに、アーキテクチャの配置フレームワークを評価するために、データベースのサービスのためのデモレータを構築しました。
論文 参考訳（メタデータ） (2025-07-22T17:32:20Z) - 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) - A Survey on Differential Privacy for SpatioTemporal Data in Transportation Research [0.9790236766474202]
交通機関では、時空間データ収集が急増している。
このようなデータにおける微分プライバシーの最近の発展は、応用プライバシーの研究につながっている。
個人情報を公開することなく、研究や推論におけるこのようなデータの必要性に対処するために、重要な研究が提案されている。
論文 参考訳（メタデータ） (2024-07-18T03:19:29Z) - Collection, usage and privacy of mobility data in the enterprise and public administrations [55.2480439325792]
個人のプライバシーを守るためには、匿名化などのセキュリティ対策が必要である。
本研究では,現場における実践の洞察を得るために,専門家によるインタビューを行った。
我々は、一般的には最先端の差分プライバシー基準に準拠しない、使用中のプライバシー強化手法を調査した。
論文 参考訳（メタデータ） (2024-07-04T08:29:27Z) - A Survey of Privacy-Preserving Model Explanations: Privacy Risks, Attacks, and Countermeasures [50.987594546912725]
AIのプライバシと説明可能性に関する研究が増えているにもかかわらず、プライバシを保存するモデル説明にはほとんど注意が払われていない。
本稿では,モデル説明に対するプライバシ攻撃とその対策に関する,最初の徹底的な調査を紹介する。
論文 参考訳（メタデータ） (2024-03-31T12:44:48Z) - A Narrative Review of Identity, Data, and Location Privacy Techniques in Edge Computing and Mobile Crowdsourcing [2.5944208050492183]
このレビューは、モバイルクラウドソーシングとエッジコンピューティングにおけるプライバシ保護の必要性に焦点を当てている。
我々は、プライバシ保護技術、アイデンティティ、データ、位置情報のプライバシーに関する洞察と強調を提示する。
このレビューでは、研究者、業界専門家、政策立案者にとって有用な情報源となる可能性についても論じる。
論文 参考訳（メタデータ） (2024-01-20T19:32:56Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-09-27T14:38:16Z) - Location Privacy Threats and Protections in 6G Vehicular Networks: A Comprehensive Review [23.901688216192397]
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。
論文 参考訳（メタデータ） (2023-05-08T06:55:35Z) - Advancing Differential Privacy: Where We Are Now and Future Directions for Real-World Deployment [100.1798289103163]
差分プライバシ(DP)分野における現状と現状の方法論の詳細なレビューを行う。
論文のポイントとハイレベルな内容は,「認知プライバシ(DP:次のフロンティアへの挑戦)」の議論から生まれた。
この記事では、プライバシの領域におけるアルゴリズムおよび設計決定の基準点を提供することを目標とし、重要な課題と潜在的研究の方向性を強調します。
論文 参考訳（メタデータ） (2023-04-14T05:29:18Z) - Beyond privacy regulations: an ethical approach to data usage in
transportation [64.86110095869176]
本稿では,フェデレート機械学習を交通分野に適用する方法について述べる。
フェデレートラーニングは、ユーザのプライバシを尊重しつつ、プライバシに敏感なデータを処理可能にする方法だと考えています。
論文 参考訳（メタデータ） (2020-04-01T15:10:12Z)
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。