DAPA: A Decentralized, Accountable, and Privacy-Preserving Architecture for Car Sharing Services
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Car sharing offers a flexible peer-to-peer or station based car rental service to customers. On one hand, it requires customers to expose identifications (e.g., valid driving licenses) to car sharing service providers (CSSPs) for accountability, i.e., the driving qualification of customers can be verified and misbehaving customers can be traced by CSSPs. On the other hand, privacy concerns arise when customers identities are exposed as honest-but-curious CSSPs may secretly extract customers privacy information by linking their car rental records to their identities. To resolve this contradiction, we propose a decentralized, accountable, and privacy-preserving architecture for car sharing services, named DAPA. In specific, to overcome the limitation of the single point of failure, multiple dynamic validation servers are employed to substitute a single trusted third-party authority and assist in building decentralized trust for customers. In addition, to protect customers' privacy and achieve accountability simultaneously under the decentralized architecture, a new privacy-preserving identity management (PPIM) scheme is introduced as a basic module for DAPA. Customers' identities are protected in a distributed and dynamic manner but publicly verified based on a well-designed zero-knowledge proof protocol. Only the misbehaving customers' identities can be recovered by a majority of validation servers using adaptive verifiable secret sharing/redistribution techniques. Detailed security analysis shows that DAPA can minimize privacy breaches and guarantee the accountability. Performance evaluations via extensive simulations demonstrate that DAPA is efficient in terms of computational costs and communication overheads.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle