論文の概要: Cryptanalysis of a Privacy-Preserving Ride-Hailing Service from NSS 2022

• arxiv url: http://arxiv.org/abs/2510.16744v1
• Date: Sun, 19 Oct 2025 08:05:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.12372
• Title: Cryptanalysis of a Privacy-Preserving Ride-Hailing Service from NSS 2022
• Title（参考訳）: NSS2022によるプライバシ保護型ライドヒーリングサービスのクリプトアナリシス
• Authors: Srinivas Vivek,
• Abstract要約: RHS(Ride-Hailing Services)は、乗車要求に応答する適切なドライバーを持つライダーによって起動される乗車要求にマッチする。 プライバシ保存 RHS は、乗客とドライバーの位置情報のプライバシーを確保しながら、乗車マッチングを容易にすることを目的としている。 本研究では,PP-RHSプロトコルに対するパッシブ攻撃を実演する。
• 参考スコア（独自算出の注目度）: 1.1844977816228046
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ride-Hailing Services (RHS) match a ride request initiated by a rider with a suitable driver responding to the ride request. A Privacy-Preserving RHS (PP-RHS) aims to facilitate ride matching while ensuring the privacy of riders' and drivers' location data w.r.t. the Service Provider (SP). At NSS 2022, Xie et al. proposed a PP-RHS. In this work, we demonstrate a passive attack on their PP-RHS protocol. Our attack allows the SP to completely recover the locations of the rider as well as that of the responding drivers in every ride request. Further, our attack is very efficient as it is independent of the security parameter.
• Abstract（参考訳）: RHS(Ride-Hailing Services)は、乗車要求に応答する適切なドライバーを持つライダーによって起動される乗車要求にマッチする。 プライバシ保存 RHS (PP-RHS) は、乗客とドライバーの位置情報(SP)のプライバシーを確保しつつ、乗り合いを容易にすることを目的としている。 NSS 2022で、XieらはPP-RHSを提案した。 本研究では,PP-RHSプロトコルに対するパッシブ攻撃を実演する。 我々の攻撃により、SPはすべての乗車リクエストにおいて、ライダーの位置と応答するドライバーの位置を完全に回復することができます。 さらに、攻撃はセキュリティパラメータから独立しているため、非常に効率的です。

関連論文リスト

• On Spatial-Provenance Recovery in Wireless Networks with Relaxed-Privacy Constraints [1.1795056270534288]
  本研究では、車両が位置ベースサービスを利用するために、その部分的な位置情報を共有できる緩和されたプライバシモデルを提案する。 車両は相関線形ブルームフィルタを用いて位置情報を埋め込む空間性能回復のための低遅延プロトコルを提案する。 提案手法では,ローパワーのジャマをローカライズしてサービス停止攻撃を行うなどのセキュリティ機能を実現するために,パケットヘッダに数ビットを必要とすることを示す。
  論文  参考訳（メタデータ） (2025-09-15T10:28:52Z)
• SafePath: Conformal Prediction for Safe LLM-Based Autonomous Navigation [67.22657932549723]
  SafePathは,LLM(Large Language Models)を公式な安全保証とともに拡張するフレームワークである。 第1段階では,多様な候補経路を生成するLCMを用いて,エージェントの挙動と環境条件に基づく軌道探索を行う。 第2段階では、SafePathはリスクの高いトラジェクトリをフィルタリングし、少なくとも1つのセーフオプションがユーザ定義の確率に含まれていることを保証します。 最終段階では,不確実性が低い場合や不確実性が高い場合,人間に制御を委譲する場合の衝突リスクが最も低い経路を選択する。
  論文  参考訳（メタデータ） (2025-05-14T14:28:24Z)
• ICPR 2024 Competition on Rider Intention Prediction [19.858523089237675]
  ライダー意図予測(RIP)コンペティションは、ライダーの安全に関する課題に、その前に積極的に操作を予測することによって対処することを目的としている。 我々は、ライダーアクション予測データセット(RAAD)という新しいデータセットを、シングルビューRIPとマルチビューRIPという2つのタスクからなる競技のために収集する。 コンテストでは、75の登録と5つのチームからの見積もりを受け取り、両方のRIPタスクで上位3つのパフォーマンスチームのメソッドを比較しました。
  論文  参考訳（メタデータ） (2025-03-11T13:50:37Z)
• 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)
• SpeechDPR: End-to-End Spoken Passage Retrieval for Open-Domain Spoken Question Answering [76.4510005602893]
  SQA(Spken Question Answering)は、機械がユーザの質問に応答するために必要である。 本稿では、最初のエンドツーエンドフレームワークであるSpeechDPR(SpeechDPR)を提案する。 教師なしASR (UASR) と高密度テキスト検索器 (TDR) のカスケードモデルから知識を抽出して文レベルの意味表現を学習する
  論文  参考訳（メタデータ） (2024-01-24T14:08:38Z)
• Mutual Information as Intrinsic Reward of Reinforcement Learning Agents for On-demand Ride Pooling [19.247162142334076]
  オンデマンドの車両プールサービスにより、各車両は一度に複数の乗客にサービスを提供することができる。 既存のアルゴリズムでは、収益のみを考慮する場合が多いため、異常な配信要求を抱える場合、乗車が困難になる。 本稿では,都市を個別の配車に分割した配車作業のための配車フレームワークを提案し,これらの地域での配車に強化学習(RL)アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2023-12-23T08:34:52Z)
• RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and Comfortable Autonomous Driving [67.09546127265034]
  道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。 我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。 約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
  論文  参考訳（メタデータ） (2023-10-03T17:59:32Z)
• On the Data Fight Between Cities and Mobility Providers [64.10012625591345]
  ロサンゼルス交通省は、スクーター会社からスクーターの使用に関する詳細なデータを要求する仕様を策定した。 我々は、L.A.が新しい仕様を使うためのデータ要求は保証されていないと論じる。 本研究では,駐車中のスクーターデータを公開する際に,正式なプライバシとユーティリティの保証を可能にするアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-20T06:01:44Z)

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。