مقاله انگلیسی رایگان در مورد ارزیابی حریم خصوصی برای شبکه های نقلیه ای مبتنی بر ابر – الزویر ۲۰۱۹
مشخصات مقاله | |
ترجمه عنوان مقاله | روش ارزیابی حریم خصوصی با توجه به عدم قطعیت برای شبکه های نقلیه ای مبتنی بر ابر |
عنوان انگلیسی مقاله | PAU: Privacy Assessment method with Uncertainty consideration for cloud-based vehicular networks |
انتشار | مقاله سال ۲۰۱۹ |
تعداد صفحات مقاله انگلیسی | ۲۴ صفحه |
هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
پایگاه داده | نشریه الزویر |
نوع نگارش مقاله |
مقاله پژوهشی (Research Article) |
مقاله بیس | این مقاله بیس نمیباشد |
نمایه (index) | Scopus – Master Journals List – JCR |
نوع مقاله | ISI |
فرمت مقاله انگلیسی | |
ایمپکت فاکتور(IF) |
۷٫۰۰۷ در سال ۲۰۱۸ |
شاخص H_index | ۹۳ در سال ۲۰۱۹ |
شاخص SJR | ۰٫۸۳۵ در سال ۲۰۱۸ |
شناسه ISSN | ۰۱۶۷-۷۳۹X |
شاخص Quartile (چارک) | Q1 در سال ۲۰۱۸ |
رشته های مرتبط | مهندسی کامپیوتر، مهندسی فناوری اطلاعات |
گرایش های مرتبط | رایانش ابری، امنیت اطلاعات، شبکه های کامپیوتری |
نوع ارائه مقاله |
ژورنال |
مجله / کنفرانس | سیستم های کامپیوتری نسل آینده-Future Generation Computer Systems |
دانشگاه | School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang 212013, China |
کلمات کلیدی | شبکه نقلیه ای مبتنی بر ابر، حریم خصوصی، عدم قطعیت، V2X |
کلمات کلیدی انگلیسی | Cloud-based Vehicular network, privacy, uncertainty, V2X |
شناسه دیجیتال – doi |
https://doi.org/10.1016/j.future.2019.02.038 |
کد محصول | E12080 |
وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
فهرست مطالب مقاله: |
Abstract ۱٫ Introduction ۲٫ Related work ۳٫ System model ۴٫ System formalization ۵٫ Performance evaluation in mix-zone ۶٫ Conclusion Acknowledgments References |
بخشی از متن مقاله: |
Abstract
With the rapid progress of wireless communication and big data, the traditional Vehicular Ad-hoc Networks (VANETs) gradually evolve into the new Heterogeneous Vehicular Networks (HetVNets). Meanwhile, with the combination of multiple forms of communication modes, it initiates the Vehicle to Everything(V2X) communication model providing more efficient services. V2X communication generates much more private data than traditional VANETs, but the concerns over privacy breaches are increasing. these big data burdens the concerns about. To protect the privacy in these cloud-based vehicular networks is remained unsolved. In this paper, we propose Privacy Assessment method with Uncertainty consideration (PAU) to estimate the nodes’ capability in protecting privacy, and then choose the vehicular nodes with high priority calculated by PAU to improve the whole network’s privacy protection level. PAU expands subjective logic based on two-tuple to triad and keeps uncertainty as a constituent element. It evaluates the nodes by using the historical data from the vehicular cloud and the real-time data from V2V communications. The experiments and analysis show that the improvement of privacy-preserving capability achieved when applied PAU in Mix-zone scenarios. Introduction Vehicular Ad-hoc Networks(VANETs) are envisaged to be one of the building blocks of the Internet of cognitive Things and accelerate the evolution of the Intelligent Transportation System(ITS). Based on Americans 5G white paper[1], vehicle-to-everything(V2X) communication model is mainly composed by Vehicleto-Vehicle(V2V), Vehicle-to-Infrastructure (V2I), Vehicle-to-Network(V2N) and Vehicle-to-Pedestrian(V2P). The heterogeneous mode [2] accelerates the efficiency of information dissemination. However, it adds the concerns about privacy breaches. The long-term storage of historical data on the cloud platform adds to the worries about privacy issues. The heterogeneous vehicular networks increase the difficulties of privacy protection . There are three main dimensions taken into account in traditional entropybased privacy assessment methods, the specific aspects or types of privacy, the adversary and capabilities, and the privacy metric[3][4][5]. Those assessment methods are all considered to be off-line, which are quantitatively evaluated based on specific information or privacy breaches. In the cloud-based V2X network environment, on the one hand, it is challenging to evaluate every event with the high-speed of information dissemination, on the other hand, the results of the offline evaluation couldn’t make up for the data leakage. In the information interaction, a node’s low awareness of privacy protection will lessen the privacy protection capability of the entire communication system. To track this problem, we propose the Privacy Assessment method with Uncertainty consideration (PAU) metric based on vehicular nodes uncertainty assessment. |