Smart Car Privacy: Survey of Attacks and Privacy Issues
本文综述了智能汽车网络架构、安全演进及VANETs中的攻击与隐私问题,并分类了防御机制,强调安全与隐私在车联网中的重要性。
2025-08-05 cs.CR
Privacy Preserving Driving Style Recognition
为了更好地管理保费并鼓励安全驾驶,许多商业保险公司(例如,Geico,Progressive)正在为他们的客户提供在他们的车辆上安装传感器的选项,这些传感器收集单个车辆的行驶数据。司机的保险与他/她的驾驶行为有关。另一方面,通过分析大量车辆的历史行驶数据,保险公司可以建立一个分类器来预测新驾驶员的驾驶风格:攻击性或防御性。然而,收集此类车辆行驶数据明显侵犯了驾驶员的个人隐私。为了解决这些隐私问题,本文提出了一种隐私保护的驾驶风格识别技术,安全地预测侵略性和防御性的司机为保险公司,而不损害所有参与方的隐私。保险公司无法从车辆中了解任何私人信息,反之亦然。最后,通过实验验证了隐私保护驾驶风格识别技术的有效性和效率。
2015-11-01 cs.CR
Contextualizing Security and Privacy of Software-Defined Vehicles: A Literature Review and Industry Perspectives
Institute for Informatics and Telematics, CNR(意大利国家研究委员会信息与遥测研究所);School of Computing, Clemson University(克莱姆森大学计算机学院);Department of Computer Science, Università di Pisa(比萨大学计算机科学系);Department of Electrical and Computer Engineering, Clemson University(克莱姆森大学电气与计算机工程系);School of EECS, Washington State University(华盛顿州立大学电气、计算机与系统工程院);TeCIP Institute, Sant’Anna School of Advanced Studies(圣安娜高等学院TeCIP研究所);Technical University of Munich(慕尼黑工业大学)
本文通过文献综述和行业调查,分析软件定义车辆的安全与隐私问题,提出安全框架,强调解决混合关键性架构挑战、部署分层安全机制及整合隐私保护技术,以加强智能交通系统中的网络安全和V2X韧性。
2026-05-02 cs.CR cs.OS
Context-Aware Metric Differential Privacy for Vehicle Trajectory Data
University of North Texas(北德克萨斯大学)
提出上下文感知度量差分隐私(C-mDP)框架,通过将上下文依赖融入隐私和效用模型,并利用条件独立性简化线性规划,在相同隐私预算下提升车辆轨迹数据的效用。
2026-05-25 cs.CR
Privacy-Preserving Vehicle Assignment for Mobility-on-Demand Systems
University of Pennsylvania(宾夕法尼亚大学)
城市交通正在被按需移动(MoD)系统所改变。MoD系统的目标之一是为乘客提供个性化的运输服务。这一过程由一个集中的运营商促进,该运营商根据位置数据协调车辆分配给各个乘客。然而,目前的方法假设乘客和车辆的准确定位信息是容易获得的。这种假设引起了隐私问题。在这项工作中,我们通过提出一种保护乘客下车位置的方法来解决这个问题(即,旅行目的地)。形式上,我们解决了一个批量分配问题,该问题将车辆从模糊的原点位置路由到乘客位置(因为原点位置对应于先前的下车位置),使得平均等待时间最小化。我们的主要贡献有两方面。首先,我们形式化的概念,隐私的连续车辆到乘客分配在国防部系统,并集成了一个隐私机制,提供正式的保证。其次,我们提出了一个可扩展的算法,利用多余的(空闲)车辆在系统中,结合多次迭代的匈牙利算法分配冗余数量的车辆给一个单一的乘客。因此,我们能够减少隐私机制引起的性能恶化。我们评估我们的方法在一个真实的,大规模的数据集,包括超过1100万辆出租车(指定车辆的可用性和乘客的要求),记录在一个月的时间,在纽约曼哈顿地区。我们的工作表明,隐私可以集成到国防部系统,而不会导致显着的性能损失,而且,这种损失可以进一步减少部署额外的(冗余)车辆到车队的成本。
2017-03-14 cs.CR cs.RO
BlockChain: A distributed solution to automotive security and privacy
互联的智能汽车提供了一系列复杂的服务,使车主、运输当局、汽车制造商和其他服务提供商受益。这可能会使智能车辆面临一系列安全和隐私威胁,例如位置跟踪或远程劫持车辆。在这篇文章中,我们认为区块链(BC)是一种颠覆性的技术,已经发现了从加密货币到智能合约的许多应用,是应对这些挑战的潜在解决方案。我们提出了一个基于BC的架构,以保护用户的隐私,并增加车辆生态系统的安全性。无线远程软件更新和其他新兴的服务,如动态车辆保险费,被用来说明所提出的安全架构的功效。我们还定性地论证了该架构对常见安全攻击的弹性。
2017-09-29 cs.CR
PRISE: Privacy-pReserving Image Searchable Encryption Scheme for Intelligent Vehicle Systems
Hainan University(海南大学);Zhengzhou University(郑州大学);St. Francis Xavier University(圣弗朗西斯泽维尔大学);Putian University(莆田学院);Universiti Putra Malaysia(马来西亚博特拉大学)
本文提出一种基于张量的加密图最短距离查询方案,结合加密2跳覆盖索引框架与Pruned Landmark Labeling技术,提升加密图数据库的效率与隐私保护能力,实验表明其在可扩展性和计算成本上优于现有方法。
2026-09-03 cs.CR
Protecting Vehicle Location Privacy with Contextually-Driven Synthetic Location Generation
本文提出VehiTrack威胁模型揭示Geo-Ind在道路与交通上下文下的车辆位置隐私漏洞,并设计TransProtect地理混淆方法,将混淆限制于真实车辆移动模式,显著提升抗推理攻击能力。
2024-09-14 cs.CR
HERMES: Scalable, Secure, and Privacy-Enhancing Vehicle Access System
我们提出了HERMES,一个可扩展的,安全的,和隐私增强系统的用户共享和访问车辆。HERMES将车辆访问令牌生成的操作安全地外包给一组不受信任的服务器。它建立在早期的建议,即SePCAR [1],并扩展了系统设计,以提高效率和可扩展性。为了满足系统和用户对安全和私有计算的需求,HERMES有效地利用并结合了几个密码原语和安全多方计算。它隐藏车辆的密钥和服务器的交易细节,包括车辆预订细节,访问令牌信息以及用户和车辆身份。它还规定了用户在发生争议时的责任。此外,我们提供了语义安全性分析,并证明HERMES满足其安全性和隐私性的要求。最后但并非最不重要的是,我们证明了HERMES是高效的,与SePCAR相比,它可以扩展到大量的用户和车辆,使其适用于现实世界的部署。我们使用两种不同的多方计算协议进行评估:HtMAC-MiMC和CBC-MAC-AES。我们的结果表明,使用HtMAC-MiMC的HERMES仅需约1.83 ms即可为单个车主生成访问令牌,而对于拥有超过1000辆汽车的大型租赁公司分支机构,则需要约11.9 ms。它每秒分别处理546和84个访问令牌生成。这导致HERMES比SePCAR中的单个车主访问令牌生成快696倍(使用HtMAC-MiMC)和42倍(使用CBC-MAC-AES)。此外,我们还证明了HERMES在车辆方面也是实用的,因为在原型车辆车载单元上执行的访问令牌操作…
2021-03-19 cs.CR
Security and Privacy Challenges in Upcoming Intelligent Urban Micromobility Transportation Systems
微型交通工具由于其便携性以及比传统交通方式更好地服务于短距离城市通勤的能力而越来越受欢迎。这些车辆中的大多数由世界各地的各种微移动服务提供商提供,可共享,并可由乘客租用(按分钟),从而消除了拥有和维护个人车辆的需求。然而,由车辆、服务提供商及其用户组成的现有微移动生态系统可能会被恶意实体用作攻击面,从而危及其安全性、安全性和隐私。在这份简短的立场文件中,我们概述了与一个非常流行的城市微移动平台相关的潜在隐私和安全挑战,特别是无坞电池供电的电动滑板车。
2020-01-06 cs.CR
Characterizing Differentially-Private Techniques in the Era of Internet-of-Vehicles
先进的人车交互的最新发展依赖于车联网(IoV)的概念,以实现大规模的通信和数据同步。车联网的概念与分布式系统非常相似,每个车辆都被视为一个节点,所有节点都与一个集中式服务器分组。通过这种方式,对数据隐私的关注是重要的,因为所有车辆都收集、处理和共享个人统计数据(例如,多模式、驾驶状态等)。因此,了解现代隐私保护技术如何适用于车联网非常重要。我们提出了迄今为止最全面的研究,以表征IoV的现代隐私保护技术。我们专注于差分隐私(DP),一组有代表性的保密保证的机制,既保护隐私的处理和敏感数据的共享。我们研究的目的是揭开部署DP技术的权衡,在服务质量方面。我们首先表征代表性的隐私保护处理机制,使先进的DP方法。然后,我们对一个新兴的车载深度神经网络驱动的应用程序进行了详细的研究,并研究了DP在不同类型的数据流中的优点和缺点。我们的研究获得了11个关键发现,并从我们的详细描述中突出了五个最重要的观察结果。我们的结论是,有大量的挑战和机会,为未来的研究,通过使隐私保护的车联网与低开销的服务质量。
2022-02-15 cs.CR
VehiclePassport: A GAIA-X-Aligned, Blockchain-Anchored Privacy-Preserving, Zero-Knowledge Digital Passport for Smart Vehicles
针对车辆生命周期记录难以验证且易欺诈的问题,提出VehiclePassport,一种基于区块链和零知识证明的GAIA-X数字护照,实现隐私保护验证,成本低、速度快,支持保险、转售等应用。
2025-09-07 cs.CR cs.DC cs.SE
Analyzing Privacy Implications of Data Collection in Android Automotive OS
本文针对Android Automotive OS的数据收集隐私问题,开发了名为PriDrive的分析工具,通过网络流量检查及静态与动态分析,揭示了OEM平台在车辆数据收集频率与隐私政策披露上存在的显著差异与违规现象。
2024-09-23 cs.CR
Governing autonomous vehicles: emerging responses for safety, liability, privacy, cybersecurity, and industry risks
Lee Kuan Yew School of Public Policy, National University of Singapore(新加坡国立大学李光耀公共政策学院)
自动驾驶汽车(AV)的好处得到了广泛的认可,但人们对这些好处的程度以及AV风险和意外后果表示担忧。在本文中,我们首先研究了自动驾驶汽车和与之相关的不同类别的技术风险。然后,我们探讨可以采取的战略,以解决这些风险,并探讨新兴的反应,政府为解决AV风险。我们的分析表明,到目前为止,各国政府在大多数情况下避免采取严厉措施,以促进反车辆地雷的发展,大多数反应是不具约束力的,并侧重于建立理事会或工作组,以更好地探讨反车辆地雷的影响。美国一直积极引入立法,以解决与隐私和网络安全有关的问题。特别是英国和德国,已经制定了法律来解决责任问题,其他国家大多承认这些问题,但尚未实施具体的战略。为了应对隐私和网络安全风险,采取了各种战略,从引入或修订非反车辆特定立法到建立工作组。对环境和就业风险等问题的关注要少得多,尽管一些政府已开始实施方案,对可能受到不利影响的工人进行再培训。
2018-07-16 cs.AI cs.CR cs.CY
Privacy-preserving Machine Learning in Internet of Vehicle Applications: Fundamentals, Recent Advances, and Future Direction
School of Computing, Queen’s University(女王大学计算学院)
针对车联网(IoV)应用中机器学习(ML)面临的隐私挑战,本研究全面综述了隐私保护机器学习(PPML)在IoV中的基础、最新进展与挑战,分析应用领域隐私问题,讨论技术性能并提出未来方向。
2026-10-20 cs.CR
PRESTvO: PRivacy Enabled Smartphone-based access To vehicle On-board units
智能手机正在迅速发展,以补充甚至取代传统的汽车钥匙。我们提倡一种基于角色的访问控制策略,该策略混合了有助于从智能手机访问车载单元的各种功能的属性。我们使用基于权限的访问控制策略的车载功能类似的情况下,一个文件分配表的当代操作系统,其中读,写或执行操作可以在各种车辆功能。此外,为了确保适当的安全性,我们开发了一个协议套件,使用基于身份的密码学,我们依靠组签名,保持匿名的组成员,以确保隐私和可追溯性。为了证明我们的方法的可行性,我们开发了一个概念验证的实现与现代智能手机,售后Android头单元和测试计算的可行性在现实世界中的车载控制器。我们的实现依赖于最先进的密码学,包括传统的构建块和更现代的配对友好曲线,这有助于在基于汽车的场景中采用群签名和基于身份的密码学。
2020-06-26 cs.CR
BEPHAP: A Blockchain-Based Efficient Privacy-Preserving Handover Authentication Protocol with Key Agreement for Internet of Vehicles
车联网可以显著提高运输效率,保障交通安全。身份认证被认为是物联网中抵御攻击的基本防线。然而,最先进的方法存在几个缺点,包括单一云服务器模型的瓶颈,操作的高计算开销,对云服务器和路边单元(RSU)的过度信任,以及车辆轨迹隐私的泄露。本文介绍了BEPHAP,一种基于区块链的高效隐私保护车联网切换认证协议,具有密钥协商功能,旨在解决这些问题。BEPHAP在云服务器和RSU可能发起攻击的安全模型下,通过基于防篡改区块链、对称密码学和变色龙哈希函数的密钥协商,实现匿名跨域相互切换认证。BEPHAP特别适合车联网,因为它允许车辆在认证阶段只需要执行轻量级的加密操作。BEPHAP还实现了数据机密性、不可链接性、可跟踪性、不可否认性、不可成帧性和密钥托管自由性。基于ProVerif的形式化验证和基于BAN逻辑的形式化安全性证明表明,BEPHAP能够抵抗各种典型的攻击,如中间人攻击、冒充攻击和重放攻击。性能分析表明,BEPHAP在计算和通信效率方面都超过了现有的工作。每秒5000个请求时,消息丢失率保持为0,符合车联网的要求。
2022-10-29 cs.CR
Electric Vehicles Security and Privacy: Challenges, Solutions, and Future Needs
电动汽车(EV)与传统的化石燃料汽车共享共同的技术,但它们也采用新的技术和组件(例如,充电系统和电池管理系统),为恶意用户创造了一个未开发的攻击面。虽然文献中的多个贡献探讨了电动汽车生态系统特定组件的网络安全方面(例如,充电基础设施),从网络物理系统的角度来看,仍然没有对电动汽车及其相关技术的整体网络安全做出贡献。在本文中,我们首次深入研究了与电动汽车生态系统相关的安全和隐私威胁。我们分析了与电动汽车和不同充电解决方案相关的威胁。我们专注于网络物理系统(CPS)范式,详细分析了攻击者可能利用来影响驱动程序和基础设施的安全性和隐私的所有过程。为了解决突出的威胁,我们提出了可能实施的解决方案。我们还概述了未来可能的发展方向,以保证电动汽车生态系统的安全和隐私。根据我们的分析,我们强调需要电动汽车专用的网络安全解决方案。
2023-01-11 cs.CR
HUT: Enabling High-UTility, Batched Queries under Differential Privacy Protection for Internet-of-Vehicles
车联网(IoV)的新兴趋势要求集中式服务器在单个车辆上以有限的计算资源收集/处理敏感数据。这种敏感数据的集中化需要实际的隐私保护。差分隐私是一种广泛应用的范例,它可以通过添加噪声来对敏感数据提供强有力的保护。然而,直接将DP应用于车联网会对数据利用和有效保护带来重大挑战。我们观察到,在车联网中启用DP保护的关键问题在于如何将DP与车联网的特殊特性协同结合起来,由于集中式服务器和边缘车辆之间的频繁交互,车联网的查询序列通常形成为不平衡的批次。为此,我们提出了HUT,这是一种新的算法,可以在车联网中实现DP保护的高实用性。我们的关键见解是利用车联网的固有特性:不平衡的批次。我们的主要思想是聚合本地批次并应用顺序约束,以便可以减轻DP保护的信息丢失。我们评估了HUT对最先进的DP保护机制的有效性。实验结果表明,HUT可以将信息丢失率降低95.69%,同时对敏感数据提供强有力的安全保护。
2022-02-15 cs.CR
Quantum Vanguard: Server Optimized Privacy Fortified Federated Intelligence for Future Vehicles
本文提出vQFL框架,结合量子联邦学习、差分隐私和QKD,提升自动驾驶车辆的隐私安全与通信安全,同时保持模型效用和处理大规模数据的能力。
2025-12-02 cs.CR
An Overview of Attacks and Defences on Intelligent Connected Vehicles
网络安全是联网车辆系统面临的最重大挑战之一,联网车辆容易受到各种网络安全攻击,危及乘客的安全。智能互联汽车的网络安全由车内安全和车间通信安全组成。电子控制单元(ECU)和控制区域网络(CAN)总线的安全性是车载安全性中最重要的部分。此外,随着4G LTE和5G远程通信技术的发展,车辆到一切(V2X)通信,车辆间通信的安全性是另一个潜在问题。在简要介绍了包括无人驾驶和智能车辆在内的下一代车辆的架构之后,本文确定了智能联网车辆上的几种主要安全攻击。基于这些攻击,我们提供了一个全面的调查,对这些攻击的可用防御,并将它们分为四类,即加密,网络安全,软件漏洞检测,恶意软件检测。我们还探讨了防止智能车辆系统攻击的未来方向。
2019-07-17 cs.CR
Privacy Preserving Charge Location Prediction for Electric Vehicles
Queensland University of Technology(昆士兰科技大学);CSIRO’s Data61(联邦科学与工业研究组织Data61);School of Computer Science(计算机学院);School of Electrical Engineering and Robotics(电气工程与机器人学院)
为解决电动汽车充电位置预测中的隐私泄露问题,提出联邦学习Transformer网络(FLTN),通过客户端仅共享模型权重及点对点权重共享机制,在保护数据隐私的同时实现了高达92%的预测准确率。
2025-01-31 cs.AI cs.CR
On Spatial-Provenance Recovery in Wireless Networks with Relaxed-Privacy Constraints
针对V2X网络中车辆隐私与RSU定位需求的矛盾,提出一种基于相关线性Bloom filters的低延迟空间溯源恢复协议,在松弛隐私模型下实现少量比特开销即可定位低功率干扰器等安全功能。
2025-09-15 cs.CR cs.IT math.IT
Privacy Preserving Machine Learning for Electric Vehicles: A Survey
本文综述了面向电动汽车的隐私保护机器学习技术,探讨了背景、应用场景及现有研究,并提出了关键挑战与未来方向。
2024-12-20 cs.CR
Decentralized Identifier-based Privacy-preserving Authenticated Key Exchange Protocol for Electric Vehicle Charging in Smart Grid
近年来,电动汽车(EV)的普及在全球范围内不断上升。智能电网将成为电动汽车充电的支柱,并使电动汽车能够有效地消耗电力。随着对电动汽车的需求,相关的网络威胁也在增加。用户在电动汽车充电时暴露了他们的个人信息,导致隐私威胁。针对智能电网中的电动汽车充电问题,提出了一种用户授权、隐私感知的认证密钥交换协议。该协议基于分布式标识符(DID)和可验证证书(VC)的概念。DID的使用通过帮助用户完全控制其身份来增强用户的能力。充电站和用户在使用VC继续充电服务之前验证另一方是合法的。密钥恢复是我们在本文中解决的另一个问题。一种方法来恢复丢失的密钥被纳入拟议的协议。我们提出了形式化的安全性证明和非形式化的分析,以显示该协议的鲁棒性对多种攻击。我们还提供了一个详细的性能分析表明,该协议是有效的。
2022-06-27 cs.CR
Mobile Privacy-Preserving Crowdsourced Data Collection in the Smart City
智慧城市依靠动态和实时数据来实现智能城市应用,如智能交通和流行病检测。然而,来自物联网设备的大数据流,特别是来自行人和汽车等移动平台的大数据流,引发了严重的隐私问题。未来的自动驾驶汽车将产生、收集和消费大量数据,用于提供安全、高效的交通解决方案。感测数据将内在地包含个人可识别和可归因的信息-外部(其他车辆、环境)和内部(驾驶员、乘客、设备)。自动驾驶车辆连接到基础设施云(例如,Amazon)、边缘云以及移动云(车对车)。显然,这些不同的实体在路由和传输高度动态的数据时必须及时地进行合作和互操作。为了最大限度地提高感测数据的可用性和效用,利益相关者必须有信心,他们传输,接收,汇总和推理的数据始终得到适当的保护和保护。为数据交换提供端到端安全性有许多不同的比喻,但它们通常需要管理和控制侧通道。这项工作提出了一个可扩展的智能城市隐私保护架构,名为授权分析,使每个节点(例如车辆)能够泄露(上下文)本地私有化数据。授权分析被证明可以优雅地扩展到物联网范围部署。
2016-07-11 cs.CR
Privacy-Preserving Adaptive Traffic Signal Control in a Connected Vehicle Environment
针对网联车辆环境下的交通信号控制隐私风险问题,结合安全多方计算与差分隐私设计隐私保护数据聚合机制,构建自适应信号控制的线性及随机规划模型,在保障隐私的同时维持甚至优化控制性能。
2023-05-12 cs.CR cs.SY eess.SY
A privacy preserving querying mechanism with high utility for electric vehicles
针对电动汽车充电查询中的位置隐私与效用权衡问题,提出近似地理不可区分性(AGeoI)机制,结合虚拟数据生成与迭代贝叶斯更新,在保护隐私的同时实现高准确率的充电站占用预测,且效用损失极小。
2022-11-18 cs.CR
Privacy-Preserving Joint Edge Association and Power Optimization for the Internet of Vehicles via Federated Multi-Agent Reinforcement Learning
主动边缘关联能够以增加的切换(HO)频率和能量消耗为代价来改善无线连接,同时依赖于决策所需的大量私有信息共享。为了在不泄露隐私的情况下改善连通性-代价权衡,研究了在环境不确定性和个体学习不可行的情况下,保护隐私的联合边关联和功率分配(JEAPA)问题.在通过分散的部分可观察马尔可夫决策过程(Dec-POMDP)对问题进行建模后,通过仅共享加密的训练数据以用于联邦地学习所寻求的策略,通过联邦多智能体强化学习(FMARL)来解决该问题。我们的模拟结果表明,所提出的解决方案取得了令人信服的权衡,同时保持了更高的隐私水平比国家的最先进的解决方案。
2023-01-26 cs.AI cs.CR cs.LG
Connected and Exposed: Cybersecurity Risks, Regulatory Gaps, and Public Perception in Internet-Connected Vehicles
本文通过分析16项国际标准法规并结合用户调查,揭示网联汽车面临的网络安全风险、监管空白及公众认知差距,为构建更全面的网联汽车生态系统理解提供依据。
2025-08-21 cs.CR
Breaching the privacy of connected vehicles network
互联车辆网络旨在为驾驶员提供安全和私密的方法,以最有效地使用特定区域的道路。在处理汽车到接入点连接(Wi-Fi,3G,LTE)的场景时,车辆通过云等中央机构连接。因此,它们可以通过云进行监控和分析,云可以为驾驶员提供某些服务,即基于使用的保险(UBI),娱乐服务,导航等。这项工作的主要目标是通过分析提供给基于使用的保险公司的驾驶员信息,可以获得额外的私人数据,即使乍一看是基本数据,似乎没有那么有害。在这项工作中,我们提出了一种新的方法来重建驱动器的路径从其他驾驶属性,如转弯事件,平均速度和总驾驶时间的分析。我们表明,在某些情况下,它是可以重建的驱动程序的路径,而不知道的目标点的行程。
2019-01-04 cs.CR
Evaluation of the Architecture Alternatives for Real-time Intrusion Detection Systems for Connected Vehicles
攻击者演示了如何使用远程访问联网车辆的车载网络来发动网络攻击并远程控制这些车辆。基于机器学习的入侵检测系统(IDS)技术已经被提出用于检测这种攻击。对其中一些IDS的评估证明了它们在检测消息注入的准确性方面的有效性,但它们是离线执行的,这限制了它们用于实时的【形】保护场景的信心。本文评估了四个架构设计的实时的【形】入侵检测系统的连接车辆使用控制器局域网(CAN)数据集收集的移动车辆下恶意的速度读取消息注入。评估表明,一个被设计为两个进程的联网车辆实时的【形】IDS,一个用于CAN总线监控的进程和另一个用于异常检测引擎的进程是可靠的(没有消息丢失),并且可以用于实时的【形】弹性机制,作为对网络攻击的响应。
2022-01-18 cs.CR
Assessing Cybersecurity Risks and Traffic Impact in Connected Autonomous Vehicles
University of Houston(休斯顿大学)
本研究通过模拟网络攻击对连接自动驾驶车辆的影响,提出了一种创新的跟车模型以提升交通效率与安全。
2026-02-14 cs.CR
PRIF: A Privacy-Preserving Interest-Based Forwarding Scheme for Social Internet of Vehicles
社会感知网络(SAN)的最新进展使其能够在许多领域中使用,其中社交车辆互联网(SIOV)至关重要。SAN可以通过使用基于兴趣的通信为SIOV提供有前途的路由和转发范例。现有的基于兴趣的方案虽然能够提高转发性能,但没有考虑保护用户兴趣信息这一重要问题。在本文中,我们提出了一个PRIVACY-Preserving的SIOV基于代理的转发方案(PRIF),它不仅保护了利益的信息,但也提高了转发性能。我们提出了一个隐私保护的认证协议,以识别移动节点之间的社区。在数据路由和转发过程中,只有当节点隶属于同一个社区时,它们才能知道其他节点的兴趣。此外,为了提高转发性能,引入新的度量{ \em社区能量}来指示车辆社交接近度。当两个节点彼此相遇并共享信息时,就会产生社区能量。PRIF考虑该能量度量以选择朝向目的地节点或目的地社区的转发器。安全性分析表明PRIF可以保护节点的兴趣信息。此外,广泛的模拟已经进行了证明,PRIF优于现有的算法,包括BEEINFO,流行病,和PRoPHET。
2018-04-06 cs.CR
Privacy-Preserving Online Sharing Charging Pile Scheme with Different Needs Matching
随着电动汽车的发展,越来越多的电动汽车存在停车难、充电难等问题。原因之一是充电桩数量难以支撑电动汽车的能源供应,大量私人充电桩闲置时间较长,可以通过共享充电桩解决电动汽车的能源供应问题。共享充电桩方案采用Paillier加密方案和改进方案,有效保护用户数据。该方案具有加法和减法的同态性,无需解密即可处理信息。但考虑到不同的用户有不同的需求,在对用户提出的需求进行计算后进行匹配。该方案可以有效保护用户隐私,并提供不同需求的匹配机制,让用户更好地匹配合适的充电桩。最终结果表明,其效率优于原Paillier方案,并且也能满足安全性要求。
2023-01-31 cs.CR
Improving Privacy and Security in Unmanned Aerial Vehicles Network using Blockchain
无人机(UAV),也被称为无人机,已经在当今商业行业的各个领域爆炸式增长。他们有机会改造旧业务,甚至为各种品牌和特许经营商开发新的机会。无人机用于供应链,维持监视并充当移动热点。虽然无人机具有潜在的应用,但它们带来了一些社会问题和挑战,需要在公共安全,隐私和网络安全方面加以解决。无人机容易受到各种网络攻击和漏洞;它们还可能被恶意实体黑客攻击和滥用,导致网络犯罪。对手可以利用这些漏洞,导致数据丢失,财产和生命的破坏。通过监测无人机的行为,可以部分检测到虚假信息传播、干扰、灰洞、黑洞和GPS欺骗等攻击,但可能无法解决隐私问题。本文介绍了使用区块链技术的无人机之间的安全通信。我们的方法包括构建智能合约,并建立一个安全可靠的无人机自组织网络。该网络将能抵御各种网络攻击,并能抵御恶意入侵。
2022-06-27 cs.CR cs.DC
Driving Privacy Forward: Mitigating Information Leakage within Smart Vehicles through Synthetic Data Generation
本文提出通过TVAE模型生成合成数据以缓解智能车辆数据隐私泄露问题,构建了14种车载传感器漏洞分类法,并在保真度、效用和隐私指标上实现了90.1%统计相似性与78%分类准确率,有效防止了驾驶员画像。
2024-10-11 cs.CR cs.LG
Showcasing standards and approaches for cybersecurity, safety, and privacy issues in connected and autonomous vehicles
本文梳理汽车领域风险评估与威胁建模的最新标准和方法,衔接网联自动驾驶汽车的网络安全、安全与隐私问题,为业界提供方法清单以对齐利益相关方预期、应对复杂攻击面。
2025-08-02 cs.CR
PBAG: A Privacy-Preserving Blockchain-based Authentication Protocol with Global-updated Commitment in IoV
车辆互联网(IoV)越来越多地用作通过在诸如车辆和基础设施的实体之间建立连接来传播关键信息的媒介。在消息传输过程中,隐私保护认证被认为是抵御攻击者和恶意信息的第一道防线。为了实现更安全和稳定的通信环境,越来越多的基于区块链的认证方案被提出。乍一看,现有的方法提供了健壮的架构,并实现了透明的身份验证。然而,在这些方案中,验证者必须提前连接到区块链网络,并使用智能合约完成身份验证,这降低了延迟。为了弥补这一限制,我们提出了一种保护隐私的基于区块链的身份验证协议(PBAG),其中根机构(RA)为每个授权车辆生成与颁发的证书相对应的唯一评估证明。同时,RA广播基于所有有效证书的公共全局承诺。代替查询存储在区块链中的证书,车辆将通过利用双线性对的全局承诺来有效地证明是授权用户。此外,我们的方案可以防止车辆配备无效证书完成认证,从而避免了耗时的检查证书吊销列表(CRL)。最后,我们的计划提供了隐私属性,如匿名性和不可链接性。它允许基于评估证明的匿名认证,并在发生争议时实现身份的可追溯性。仿真结果表明,在批处理机制下,验证的平均时间为0.36ms,比现有的方案至少提高63.7%。
2022-08-31 cs.CR
Developments in Connected Vehicles and the Requirement for Increased Cybersecurity
Institute of Technology Sligo(斯莱戈理工学院)
本文针对智能交通联网功能普及带来的网络攻击风险,分析三类攻击与网络漏洞,指出车企盲目增设远程连接的问题,为未来车辆网络安全设计验证提供参考。
2021-11-23 cs.CR cs.SE
Hide and Seek -- Preserving Location Privacy and Utility in the Remote Identification of Unmanned Aerial Vehicles
由于商用无人机经常未经授权访问机场和炼油厂等关键基础设施(CI),美国联邦航空电子管理局(FAA)最近发布了一项新规范,即RemoteID。上述规则要求所有无人机(UAV)必须无线广播有关其身份和位置的信息,以便立即进行入侵归属。然而,执行这样的规则对无人机操作员造成了严重的担忧,特别是在位置隐私和跟踪威胁方面,仅举几例。事实上,通过简单地窃听无线信道,对手可以知道UAV的精确位置并对其进行跟踪,以及获得关于UAV的路径源和目的地的敏感信息。在本文中,我们研究了位置隐私和数据效用之间的权衡,可以提供给无人机时,通过差分隐私技术混淆广播的位置。利用地理不可侵犯性(Geo-Ind)的概念,已经通过了基于位置的服务(LBS)的背景下,我们表明,它是可能的,以提高无人机的隐私,而不阻止CI运营商及时检测未经授权的入侵。特别是,我们的实验表明,当无人机的位置被混淆时,平均距离为1.959公里,精心设计的无人机检测系统可以检测到97.9%的入侵,平均检测延迟为303.97毫秒。UAV必须在这种增强的位置隐私与不可忽略的误报概率之间进行权衡,即,被探测到入侵,但实际上并没有入侵禁飞区。无人机和CI运营商可以通过FAA的帮助解决这种模糊的情况,因为后者是唯一可以揭示无人机实际位置的机构。
2022-05-27 cs.CR
FedSecureFormer: A Fast, Federated and Secure Transformer Framework for Lightweight Intrusion Detection in Connected and Autonomous Vehicles
Department of Computer Science and Information Systems, BITS Pilani, Pilani Campus(计算机科学与信息系统系,比斯汉学院);Department of Systems and Computer Engineering, Carleton University(系统与计算机工程系,卡尔顿大学)
FedSecureFormer是一种基于联邦学习的轻量级入侵检测框架,采用快速且安全的Transformer结构,适用于连接和自动驾驶车辆场景。
2025-12-30 cs.AI cs.CR
An Overview of Cyber Security and Privacy on the Electric Vehicle Charging Infrastructure
电动汽车(EV)是减轻我们对化石燃料依赖的关键。未来的智能电网预计将由数百万辆配备高需求电池的电动汽车组成。为了避免(当前)电网过载,需要进行昂贵的升级。如果电动汽车的用户参与能量平衡机制,例如通过双向电动汽车充电,则可以避免一些升级。随着包括电动汽车智能充电站在内的消费者互联网连接设备的激增,它们对网络攻击的安全性和对私人数据的保护日益受到关注。我们需要适当地调整和发展我们目前的技术,必须解决电动汽车充电基础设施的安全挑战,这超出了能源和运输网络领域的传统技术应用。安全性必须与其他理想的品质相平衡,例如互操作性,加密灵活性和能源效率。有证据表明,目前电动汽车充电基础设施的网络安全意识存在差距。本文通过提供迄今为止最全面的隐私和安全挑战概述来填补这一空白。为此,我们回顾了其生态系统中使用的通信协议,并提供了可能用于未来研究的安全工具的建议。
2022-09-16 cs.CR
Privacy-Preserving and Simultaneous Authentication in High-Density V2X Networks
本文针对高密度V2X网络提出一种无需中央权威的隐私保护同时认证方案,融合批量认证、相互认证和密钥建立,在100辆车下认证与验证时间分别仅为10.61 ms和1.78 ms,并可在多达500辆车规模下保持高效,显著提升IoV系统的可扩展性与安全性。
2025-05-11 cs.CR
Privacy-Aware Energy Consumption Modeling of Connected Battery Electric Vehicles using Federated Learning
Dublin City University(都柏林城市大学);University of Birmingham(伯明翰大学)
针对联网BEV能耗建模的数据隐私问题,本研究采用FedAvg、FedPer等联邦学习方法,基于10辆BEV的模拟真实驾驶数据实验,实现FedAvg-LSTM模型MAE最高降67.84%,在保障隐私的同时提升了能耗预测性能。
2023-12-12 cs.AI cs.CR cs.LG
Security, Privacy and Trust: Cognitive Internet of Vehicles
云技术的最新进展提供了无与伦比的力量来支持智能计算和高级服务,以帮助自动化决策,提高道路运输安全性和舒适性。此外,机器智能的兴起进一步推动了交通系统的技术发展,并导致了一种称为认知车联网(C-IoV)的新框架。与其前身车联网(IoV)框架相比,该框架中重新定义的认知技术有望显着增强和优化网络容量。CIoV提供了额外的安全措施,并引入了安全和隐私问题,例如规避攻击、数据投毒的额外威胁和学习错误,这可能导致系统故障和道路使用者死亡。与许多其他公共企业系统类似,交通对人口有重大影响。因此,了解演变过程至关重要,同样重要的是识别潜在的安全漏洞和问题,以提供成功的缓解措施。本章讨论了以下两个问题的答案,1)最新技术的渗透如何以及以何种方式重塑交通系统?2)进化后的系统是否能够解决网络安全问题?因此,本章首先介绍交通系统的演变,然后快速概述演变的CIoV,强调演变的认知设计。随后,它介绍了认知引擎如何克服传统的安全问题,并受到进一步的潜在安全,隐私和信任问题,这个基于云的演进的交通系统可能会遇到。
2021-04-26 cs.CR cs.NI
Game-Theoretic Framework for Private Data Sharing in Vehicular Networks
提出一种结合Stackelberg博弈的混合架构,通过安全多方计算和激励机制实现隐私保护的车载数据共享,实验验证了其有效性和市场可行性。
2026-06-23 cs.CR cs.GT cs.NI
XYZ Privacy
未来的自动驾驶汽车将作为新兴物联网场景中的关键网关设备生成、收集、聚合和消费大量数据。虽然车辆被广泛认为是实现有效数据通信的最具挑战性的移动环境之一,但对这些车辆产生的数据的隐私性关注较少。这种私有化数据的质量和可用性将成为未来安全高效交通解决方案的核心。在本文中,我们提出了XYZ隐私机制。据我们所知,XYZ隐私是第一个这样的机制,它使数据创建者能够对查询提交多个相互矛盾的响应,同时保留实际原始数据的绝对误差。这些功能以可扩展和安全的方式实现。例如,可以在保留实用性的同时混淆单个位置数据,从而使该方案能够透明地与现有系统(例如Waze)集成。一个新的加密原语功能秘密共享是用来实现非归属写,我们显示了一个数量级的改进,从默认的实现。
2018-02-21 cs.CR
BARS: a Blockchain-based Anonymous Reputation System for Trust Management in VANETs
基于公钥基础设施(PKI)的认证协议为车载自组织网络(VANE)提供基本的安全服务。然而,由于车辆的独特性,信任和隐私仍然是开放的问题。对于VANESCO来说,防止内部车辆广播伪造消息,同时保护每辆车的隐私免受跟踪攻击至关重要。在本文中,我们提出了一个基于区块链的匿名信誉系统(BARS)来打破真实身份和公钥之间的联系,以保护隐私。证书和撤销透明性使用两个区块链有效地实现。我们设计了一个信任模型,以提高可信度的消息依赖于发送者的声誉的基础上,直接的历史互动和间接意见的发送者。通过实验对BARS的安全性和性能进行了评估,结果表明BARS能够建立分布式信任管理,同时保护车辆的隐私。
2018-07-17 cs.CR
SecEL: Privacy-Preserving, Verifiable and Fault-Tolerant Edge Learning for Autonomous Vehicles
移动边缘计算(MEC)是将基于云的计算服务转变为基于边缘的计算服务的新兴技术。自主车辆网络(AVNET)作为MEC最有前途的应用之一,可以采用边缘学习和通信技术,提高自主车辆(AV)的安全性。本文重点介绍AVNET中的边缘学习,其中网络边缘的AV以分布式方式共享模型参数而不是数据,以及聚合器(例如,基站)聚集来自AV的参数,并在最后获得训练模型。尽管前景广阔,但现有边缘学习案例中的数据泄漏,计算完整性入侵和故障连接等安全问题并未得到充分考虑。据我们所知,缺乏一个有效的方案,同时涵盖上述安全问题。因此,我们提出了\textit{SecEL},一个隐私保护,可验证和容错的AVNET边缘学习计划。首先,我们利用二元多项式秘密共享的原语,通过一次性填充来加密模型参数。其次,我们使用基于消息认证码的同态映射来支持可验证计算。第三,我们减轻了错误连接所造成的计算失败问题。最后,我们模拟和评估SecEL的时间成本,吞吐量和分类精度。实验结果证明了SecEL的有效性。
2020-02-16 cs.CR
Leaky Batteries: A Novel Set of Side-Channel Attacks on Electric Vehicles
本文提出利用电动汽车电池消耗模式的新型侧信道攻击,结合机器学习方法识别驾驶员身份、驾驶风格、乘员数量及起终点位置,在模拟和真实数据集上平均成功率达95.4%,揭示了电动汽车电池数据的严重隐私风险。
2025-03-11 cs.CR
RHyTHM: A Randomized Hybrid Scheme To Hide in the Mobile Crowd
如果到凭证管理基础设施的连接是间歇性的,则任何按需假名获取策略都是有问题的。如果车辆用完了假名而没有连接来重新填充其假名池,则一种解决方案是即时生成假名,例如,利用匿名身份验证。然而,这样的车辆将在人群中脱颖而出:人们可以简单地区分假名,从而基于假名发行者签名来签名消息,将它们链接并跟踪车辆。为了应对这一挑战,我们提出了一个随机混合方案,RHyTHM,使车辆在断开连接时保持运行,而不影响隐私:具有有效别名的车辆可以通过随机加入使用即时自我认证的别名以及对齐的生命周期来帮助其他人提高他们的隐私。通过这种方式,断开连接的用户的隐私通过合理的计算开销得到增强。
2017-12-09 cs.CR
A V2X-based Privacy Preserving Federated Measuring and Learning System
Budapest University of Technology and Economics(布达佩斯技术与经济大学)
本文提出一种基于 V2X 的联邦测量与学习系统,利用 V2V 实时共享数据并通过 V2N 联邦学习预测交通网络,在非 IID 数据集上验证了其性能提升与防窃听隐私保护能力。
2024-01-24 cs.AI cs.CR cs.LG
Low-Latency Spatial-Provenance Recovery Methods for Privacy-Constrained Vehicular Networks
Department of Electrical Engineering, Indian Institute of Technology Delhi(印度德里印度理工学院电气工程系)
针对隐私受限且需低延迟的车载网络,提出双段嵌入与三段嵌入两种协议,实现联合数据与空间溯源,在保证隐私的同时降低端到端延迟,提升溯源可靠性。
2026-08-18 cs.CR cs.IT cs.NI