論文の概要: Systematic Survey on Privacy-Preserving Architectures for IoT and Vehicular Data Sharing: Techniques, Challenges, and Future Directions
- arxiv url: http://arxiv.org/abs/2603.01876v2
- Date: Wed, 04 Mar 2026 09:23:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 14:47:28.876914
- Title: Systematic Survey on Privacy-Preserving Architectures for IoT and Vehicular Data Sharing: Techniques, Challenges, and Future Directions
- Title（参考訳）: IoTとVehicularデータ共有のためのプライバシ保護アーキテクチャに関するシステマティック調査:技術,課題,今後の方向性
- Authors: Phat T. Tran-Truong, Vinh X. Q. Nguyen, Ha X. Son, Phien Nguyen-Ngoc, Khanh H. Vo, Triet M. Nguyen,
- Abstract要約: この調査は、75の技術的論文(2007-2025)を、アーキテクチャを分散計算、暗号ベース、分散Ledgerアプローチに分類する新しい3次元分類法によって体系的に分析する。
我々は、相補的なパラダイムを組み合わせた新しいハイブリッドアーキテクチャを、今後の必須の道とみなす。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The proliferation of IoT and V2X systems generates unprecedented sensitive data at the network edge, demanding privacy-preserving architectures that enable secure sharing without exposing raw information. Contemporary solutions face a fundamental privacy-efficiency-trust trilemma: achieving strong privacy guarantees, computational efficiency for resource-constrained devices, and decentralized trust simultaneously remains intractable with single-paradigm approaches. This survey systematically analyzes 75 technical papers (2007--2025) through a novel three-dimensional taxonomy classifying architectures into Decentralized Computation, Cryptography-based, and Distributed Ledger approaches. Temporal analysis reveals dramatic acceleration during 2024--2025, with 48% of all papers published in this period -- Decentralized Computation dominates at 44% of contributions and 59% of 2025 publications. Comprehensive Security Threat Mapping and Technology Maturity Assessment demonstrate that mature solutions occupy narrow design regions excelling in one or two dimensions while compromising others, conclusively validating the trilemma hypothesis. We identify emerging hybrid architectures combining complementary paradigms as the essential path forward. Critical challenges including security guarantee composition across layers, multi-layer coordination overhead minimization, and post-quantum security integration must be addressed for practical deployment in next-generation intelligent transportation systems and IoT ecosystems.
- Abstract（参考訳）: IoTとV2Xシステムの拡散は、ネットワークエッジにおいて前例のない機密データを生成し、生の情報を公開することなくセキュアな共有を可能にするプライバシー保護アーキテクチャを要求する。
強力なプライバシ保証を達成すること、リソース制限されたデバイスに対する計算効率を達成すること、分散化された信頼は、単一パラダイムのアプローチで同時に魅力的なままである。
この調査は、75の技術的論文(2007-2025)を、アーキテクチャを分散計算、暗号ベース、分散Ledgerアプローチに分類する新しい3次元分類法によって体系的に分析する。
2024年から2025年にかけての時間的分析では、この期間に発表された全論文の48%が分散計算であり、コントリビューションの44%、出版物の59%を占めていた。
包括的セキュリティ脅威マッピングと技術成熟度評価は、成熟したソリューションが1、2次元で優れた狭い設計領域を占有し、他者を妥協させ、トリレンマ仮説を決定的に検証することを示した。
我々は、相補的なパラダイムを組み合わせた新しいハイブリッドアーキテクチャを、今後の必須の道とみなす。
レイヤ間のセキュリティ保証の構成、マルチレイヤのコーディネーションオーバヘッドの最小化、クォータ後のセキュリティ統合といった重要な課題は、次世代のインテリジェントトランスポートシステムとIoTエコシステムへの実践的なデプロイに対処する必要がある。
関連論文リスト
- A Secure and Private Distributed Bayesian Federated Learning Design [56.92336577799572]
DFL(Distributed Federated Learning)は、中央パラメータサーバを持たない大規模システム間の分散モデルトレーニングを可能にする。
DFLは、3つの重要な課題に直面している: 正直な隣人からのプライバシー漏洩、中央調整の欠如による収束の遅さ、モデルの精度の低下を目指すビザンティンの敵に対する脆弱性。
本稿では,ビザンチンの堅牢性,プライバシー保護,収束促進を統合した新しいDFLフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-23T16:12:02Z) - Byzantine-Robust Federated Learning Framework with Post-Quantum Secure Aggregation for Real-Time Threat Intelligence Sharing in Critical IoT Infrastructure [0.0]
IoTセキュリティに対する従来のフェデレートされた学習アプローチは、ビザンチン攻撃に対する感受性と、将来の量子コンピューティングの脅威に対する不適切な2つの重大な脆弱性に悩まされている。
本稿では,ポスト・クォータム・セキュアアグリゲーションと統合されたビザンチン・ロバスト・フェデレーション学習フレームワークを提案する。
提案フレームワークは,適応重み付けアグリゲーション機構と格子ベースの暗号プロトコルを組み合わせることで,モデル中毒攻撃や量子敵に対する防御を同時に行う。
論文 参考訳（メタデータ） (2026-01-03T03:13:46Z) - Cyberscurity Threats and Defense Mechanisms in IoT network [6.149504226373647]
モノのインターネット(Internet of Things)技術の急速な普及は、2030年までに300億以上のデバイスが相互接続されると予測され、サイバーセキュリティの課題の複雑さを著しく増大させた。
この調査は、脆弱性、脅威、防御メカニズムの包括的な分析を提供することを目的としており、リアルタイム監視と意思決定システムにおけるネットワーク層とアプリケーション層の統合に焦点を当てている。
論文 参考訳（メタデータ） (2026-01-02T04:06:03Z) - Federated Anomaly Detection and Mitigation for EV Charging Forecasting Under Cyberattacks [2.733652751545525]
電気自動車(EV)の充電インフラは、運用効率とグリッド安定性を著しく損なうサイバーセキュリティの脅威がエスカレートしている。
既存の予測技術は、堅牢な異常軽減ソリューションとデータ保存プライバシの欠如によって制限されている。
本稿では,データプライバシを同時に保持し,サイバー攻撃を検出し,敵条件下での信頼性の高い需要予測精度を維持する,新しい異常回復型フェデレーション学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-22T08:41:58Z) - Generative Feature Imputing - A Technique for Error-resilient Semantic Communication [46.46641562787869]
本稿では,3つの鍵となる手法を取り入れた,生成的特徴インパッシング(generative feature imputing)という新しい枠組みを提案する。
まず,チャネルマッピングに基づいて特徴要素を符号化することで特徴歪みを空間的に集中する空間誤差集中パケット化手法を提案する。
第2に,パケット損失による欠落した特徴を効率的に再構築する拡散モデルを用いた生成的特徴量計算手法を提案する。
第3に,各パケットのセマンティックな重要性に応じて送信電力を割り当てることで,不等なエラー保護を可能にするセマンティック・アウェア・パワー・アロケーション・スキームを開発する。
論文 参考訳（メタデータ） (2025-08-25T12:19:48Z) - Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。
テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
論文 参考訳（メタデータ） (2025-08-12T17:19:20Z) - Web3 x AI Agents: Landscape, Integrations, and Foundational Challenges [49.69200207497795]
Web3テクノロジとAIエージェントの収束は、分散化されたエコシステムを再形成する、急速に進化するフロンティアを表している。
本稿では, ランドスケープ, 経済, ガバナンス, セキュリティ, 信頼メカニズムの5つの重要な側面について, Web3 と AI エージェントの交わりについて, 初めてかつ最も包括的な分析を行った。
論文 参考訳（メタデータ） (2025-08-04T15:44:58Z) - Zero-Trust Foundation Models: A New Paradigm for Secure and Collaborative Artificial Intelligence for Internet of Things [61.43014629640404]
Zero-Trust Foundation Models (ZTFM)は、ゼロトラストセキュリティの原則をIoT(Internet of Things)システムの基盤モデル(FM)のライフサイクルに組み込む。
ZTFMは、分散、異質、潜在的に敵対的なIoT環境にわたって、セキュアでプライバシ保護のAIを可能にする。
論文 参考訳（メタデータ） (2025-05-26T06:44:31Z) - Model Agnostic Hybrid Sharding For Heterogeneous Distributed Inference [11.39873199479642]
Nesaは、分散AI推論用に設計されたモデルに依存しないシャーディングフレームワークを導入した。
私たちのフレームワークでは、ブロックチェーンベースのディープニューラルネットワークシャーディングを使用して、さまざまなノードネットワークに計算タスクを分散しています。
われわれの結果は、最先端のAI技術へのアクセスを民主化する可能性を強調している。
論文 参考訳（メタデータ） (2024-07-29T08:18:48Z) - Towards Secure and Private AI: A Framework for Decentralized Inference [14.526663289437584]
大規模マルチモーダル基盤モデルは、スケーラビリティ、信頼性、潜在的な誤用に関する課題を提示する。
分散システムは、ワークロードの分散と障害の中心的なポイントの緩和によるソリューションを提供する。
これらの課題に対処するためには、AI開発に責任を負うように設計された包括的なフレームワークを使います。
論文 参考訳（メタデータ） (2024-07-28T05:09:17Z) - Generative AI for Secure Physical Layer Communications: A Survey [80.0638227807621]
Generative Artificial Intelligence(GAI)は、AIイノベーションの最前線に立ち、多様なコンテンツを生成するための急速な進歩と非並行的な能力を示す。
本稿では,通信ネットワークの物理層におけるセキュリティ向上におけるGAIの様々な応用について,広範な調査を行う。
私たちは、物理的レイヤセキュリティの課題に対処する上で、GAIの役割を掘り下げ、通信の機密性、認証、可用性、レジリエンス、整合性に重点を置いています。
論文 参考訳（メタデータ） (2024-02-21T06:22:41Z)
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。