Measuring Privacy in Vehicular Networks
Measuring Privacy in Vehicular Networks
复制标题
测量车载网络中的隐私
DOI：
10.1109/lcn.2017.33
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Wagner I
中科院分区：
文献类型：
--
作者：
Wagner I
车载通信在不久的将来的汽车运输中发挥着关键作用，具有提高交通安全性或无线软件更新等前景。然而，车辆通信可能会暴露驾驶员的位置，从而带来重要的隐私风险。在车辆通信中，人们提出了许多保护隐私的方案，其有效性通常通过隐私度量来证明。然而，据我们所知，（1）不同的隐私指标从未相互比较过，（2）这些指标的强度是未知的。在本文中，我们认为，隐私指标应该是单调的，即他们表示减少隐私增加对手的实力，我们评估的单调性的32个隐私指标真实的和合成流量与国家的最先进的对手模型。我们的研究结果表明，大多数隐私指标是弱的，至少在某些情况下。因此，我们建议在评估新的隐私增强技术时使用度量套件，即隐私度量的组合。
Vehicular communication plays a key role in nearfuture automotive transport, promising features like increased traffic safety or wireless software updates. However, vehicular communication can expose driver locations and thus poses important privacy risks. Many schemes have been proposed to protect privacy in vehicular communication, and their effectiveness is usually shown using privacy metrics. However, to the best of our knowledge, (1) different privacy metrics have never been compared to each other, and (2) it is unknown how strong the metrics are. In this paper, we argue that privacy metrics should be monotonic, i.e. that they indicate decreasing privacy for increasing adversary strength, and we evaluate the monotonicity of 32 privacy metrics on real and synthetic traffic with state-ofthe- art adversary models. Our results indicate that most privacy metrics are weak at least in some situations. We therefore recommend to use metrics suites, i.e. combinations of privacy metrics, when evaluating new privacy-enhancing technologies.
DOI：
10.1145/3168389
发表时间：
2015-12
期刊：
ACM Computing Surveys (CSUR)
影响因子：
--
作者：
Isabel Wagner;D. Eckhoff
通讯作者：
Isabel Wagner;D. Eckhoff
用于公路车辆网络仿真的基于测量的到达间隔建模
DOI：
--
发表时间：
2014
期刊：
IEEE Communications Letters
影响因子：
--
作者：
M. Gramaglia;M. Fiore;Maria Calderon
通讯作者：
Maria Calderon