车载自组网位置隐私保护关键技术研究

来源 :湖南大学 | 被引量 : 0次 | 上传用户:kingofking1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
车载自组网是由车辆节点和路边单元节点构成的一种超大规模新型移动自组织网络,在改善交通管理和道路安全方面被寄予了厚望,同时也给人们带来了极大的隐私威胁。然而,面向传统网络设计的隐私保护机制无法应对如此隐私信息丰富、开放共享和规模庞大的场景。因此,隐私保护成为影响着车载自组网部署环节中的基础性以及关键性问题。本文面向车载自组网隐私保护这一主题,系统分析了所面临的挑战以及相关关键技术,紧紧围绕车载应用场景中最迫切的位置隐私保护问题进行研究。车辆在广播安全信息的时候使得车辆能够频繁地变换自己的别名从而得到位置隐私保护是一种盛行的方法。这样车辆时不时地在道路上变换别名就能够通过别名的不相关性保证其位置隐私。然而,如果车辆在不适当的情况下变换自己的别名,攻击者还是能够通过旧的别名来关联新的从而使得位置隐私泄露。针对这个问题,本文主要工作包括:提出了基于容量受限社交点的别名变换方案来得到车载自组网中的位置隐私保护,并且通过一个更加贴近实际的匿名分析模型来研究所得到的位置隐私水平。本文使用匿名集大小来评估所提模型达到的位置隐私保护水平,并且通过实验仿真得到了本文方案所得到的匿名集大小,结果表明在社交点容量有限的场景下会有一些车辆不能够进入社交点进行别名变换。提出了以邻居数目和别名年龄为触发器组件的基于触发器的别名协作变换方案以提高匿名集大小,并且通过数学方法对单行道场景进行了匿名性分析,解决了地理位置容易受监控、低安全性以及受地理位置限制的别名变换问题。还通过实验仿真探讨了诸如交通密度ρ、通信半径R以及邻居数量触发参数k对单行道场景下匿名集大小的影响。对比实验的结果表明本文所提方案的性能更优于仅仅基于邻居数目触发器的别名协作变换方案。
其他文献
近邻分类是机器学习的重要研究内容之一。其中K近邻分类算法是一种非常典型的非参数懒惰学习方法,因其简单有效等特性被广泛应用于各个领域。但是它存在的弊端也逐步显现,其
固体火箭发动机作为推进系统,在航空、航天以及导弹武器领域占据重要地位,在固体火箭发动机研制和使用的过程中,有时会出现不稳定燃烧现象,导致发动机无法正常工作。目前,随
传统的奈奎斯特定理规定,采样频率必须达到信号带宽的两倍以上才能对原始信号进行精确的重构。然而,随着信息的爆炸式发展,如果按照传统的采样理论对图像和视频等信息进行采
停走交通是公路交通网络受到诸如道路瓶颈、交通事故、天气变化、特殊事件、政府管制、驾驶习惯等因素的影响而产生的交通流量周期性波动现象。车辆在停走交通环境下行驶时,
随着信息时代的来临,如何从海量的自然语言数据中获取到有用的信息是当今社会一个非常重要的问题。自然语言数据不同于其他类型的数据,它包含着人类语言的特性,需要借助一些
多智能体系统的编队控制是当前热门的研究课题,而避障问题更是其中一类基本问题。多智能体系统依靠几个智能体简单的组合并不能充分发挥其优势,只有通过某种形式的合作才能在
卷积神经网络在图像分类领域应用越来越广泛,网络规模逐渐增大,有限的乘法器资源和片上存储空间难以满足卷积网络计算高并行性和日益增多的浮点数权重存储需求。二值卷积神经
受自然界一些奇妙现象的启发(比如:鸟类可以保持特定的队形飞行;鱼群可以按照一致的速度巡游),多智能体网络在近些年以来受到了广泛的关注。多智能体网络通常包括多个具有感
新型电动汽车的动力来源主要是电能,电动汽车的使用可以减少有害气体排放,为保护生态环境具有重大意义,全球多个国家都在大力发展电动汽车行业。目前新型电动车采用充电桩系统进行充电,充电桩的状况对电动汽车的发展起着重要的影响。因此,设计出一款安全耐用、快速稳定、能与多种品牌电动车接口兼容的充电桩具有重大的意义。本文对电动汽车电池组的充电特性进行了研究,在分析了现有充电桩之后,采用带放电去极化的三级快速充电
计算效率是模型修正在工程应用中的主要局限之一,而代理模型可以将设计变量与优化目标之间的未知关系运用显式函数进行近似表述,然后根据此函数关系式进行模型输入-输出静动