基于Vanet-Sim模拟器的车联网隐私保护方案研究

发布时间：2023-03-28 22:33

　　作为未来智能交通系统的重要组成部分,车联网(Internet of Vehicle,IOV)不仅能够提高交通效率,减少交通事故的发生,同时,随着互联网技术以及5G通信技术的迅猛发展,车联网还可以提供娱乐和信息资讯等多方面的服务,极大地丰富和提高了车联网用户的使用体验。随着我国2017年9月《车联网白皮书》的发布,车联网已经成为国内外新一轮科技创新和产业发展的必争之地,进入产业爆发前的战略机遇期,引起了学术界和产业界更为广泛的关注。然而,由于车联网中车辆的位置是可被感知的,车辆的位置隐私极易受到威胁。因此,车联网必须提供有效的隐私保护方案和相应的隐私评估方法。近年来,随着技术的不断发展,传统的隐私评估体系已经不能很好地衡量隐私保护机制对车辆隐私的保护程度。同时,传统的隐私保护机制也面临着严峻地挑战。因此,设计更加精确地隐私评估系统和更加有效的隐私保护方案是非常必要的。本文针对车联网在位置隐私保护方面所面临的实际问题,在隐私保护机制的设计和评估方面进行了初步的研究和探索,提出了一些自己的想法。主要工作包括以下几个方面:(1)针对目前车联网领域最常用的“混合区”隐私保护方案,设计了一种更加准...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外的研究现状
        1.2.1 车联网的位置隐私威胁和假名策略
        1.2.2 匿名轨迹的隐私问题
        1.2.3 对匿名轨迹的隐私保护
    1.3 本文研究目标及主要内容
    1.4 论文组织结构
2 现有的位置隐私保护方案与评估方法
    2.1 车联网位置隐私问题
        2.1.1 位置隐私威胁
        2.1.2 车联网的位置隐私
        2.1.3 车联网位置隐私的解决方案
    2.2 基于混合区的位置隐私保护方案
        2.2.1 混合区
        2.2.2 混合区的工作方式
    2.3 混合区的位置隐私评估方法
        2.3.1 基于计算的评估方法
        2.3.2 基于车辆跟踪的评估方法
    2.4 基于随机静默策略的位置隐私保护方案
        2.4.1 随机静默策略
        2.4.2 随机静默期的工作方式
    2.5 随机静默期的位置隐私评估方法
        2.5.1 基于计算的评估方法
        2.5.2 基于车辆跟踪的评估方法
3 基于BP神经网络的混合区隐私评估模型
    3.1 传统混合区跟踪模型的弊端分析
    3.2 基于BP神经网络的时间预测模型
        3.2.1 方法论证
        3.2.2 模型的构建与训练数据的产生
    3.3 基于人工神经网络的混合区位置隐私评估
        3.3.1 模型的训练
        3.3.2 车辆的跟踪方法
        3.3.3 实验评估
4 基于定制模型的混合区隐私评估
    4.1 参数分析
        4.1.1 数据准备
        4.1.2 参数分析
        4.1.3 小结
    4.2 定制的时间预测模型
        4.2.1 网络结构
        4.2.2 模型的训练过程
    4.3 基于定制模型的混合区隐私评估
5 改进的混合区隐私保护方案
    5.1 随机静默区
    5.2 随机静默策略
        5.2.1 完全随机策略
        5.2.2 梯度随机策略
    5.3 随机噪声策略
    5.4 实验验证
        5.4.1 实验场景
        5.4.2 隐私评估方法的对比与选择
        5.4.3 隐私保护效果评估
        5.4.4 隐私保护效果与信标保持率
        5.4.5 位置噪声与速度噪声对隐私的贡献
        5.4.6 实验结果分析
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢



本文编号：3773422