Transparent and Accountable Vehicular Local Advertising With Practical Blockchain Designs
Notice bibliographique
Résumé
Vehicular local advertising enables roadside retailers to provide timely and location-aware advertisements to on-road vehicular users to attract more in-store visits. However, the prevalence of the vehicular local advertising has raised increasing transparency and accountability concerns on the spatial keyword query process, such as why a vehicular user receives advertisements from specific spatial entities as well as the timely detection of the advertising misbehavior. In this paper, we develop a transparent and accountable vehicular local advertising system by utilizing the tamper-proof and open nature of the blockchain technology. Considering the large scale of the spatial-keyword database and the expensive computation and storage cost on the blockchain, we introduce two design strategies, digest-and-verify and divide-then-assemble. In specific, a large-scale spatial keyword database is digested and stored on the blockchain. The spatial keyword query is then conducted with modular executions of two off-chain spatial keyword query functions, the results of which are efficiently assembled and verified in an advertising smart contract. By doing so, expensive on-chain computation and storage overheads are significantly reduced at a cost of acceptable off-chain overheads. We define the security requirements of the vehicular local advertising system as Auditing Security and achieve the notion with the security analysis. We also conduct real-world experiments to show the efficiency of the blockchain-based vehicular local advertising system.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».