Secure and Privacy-Preserving Physical-Layer-Assisted Scheme for EV Dynamic Charging System
Notice bibliographique
Résumé
Dynamic charging system will enable moving electrical vehicles (EVs) to charge their batteries through magnetic induction by charging pads (CPs) placed on a portion of the roadbed. To realize such a system, the EVs need to communicate with the various parts of the system that include a bank, a charging service provider (CSP), road side units (RSUs), and CPs. In this paper, we propose a secure and privacy-preserving physical-layer-assisted scheme for dynamic charging systems to secure payment and authentication and also preserve the drivers' location privacy. We develop an efficient hierarchical authentication scheme that considers the scalability nature of the system. Efficient cryptosystems are used to authenticate the EVs to the bank, CSP, and RSUs, but our evaluations indicate that the contact time of fast moving EVs and the CPs is too short to exchange multiple messages and execute time consuming operations. Therefore, we develop an efficient physical-layer-based authorization scheme that utilizes autocorrelation demodulation and hypothesis testing to enable the CPs to identify and charge the authorized EVs. Through extensive analysis, simulation, and practical experiments, we demonstrate that the proposed scheme is secure against the considered attacks and can achieve fast authentication and high authorization rate. Moreover, the proposed scheme can achieve full anonymity where no entity or even colluding entities can know the drivers' locations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».