PriParkRec: Privacy-Preserving Decentralized Parking Recommendation Service
Notice bibliographique
Résumé
Insufficient parking space and traffic congestion are important usual suspects in our urban life. Organisation and managing available parking spaces have raised a lot of awareness. Traditional centralized parking approaches are with an insidious single point of failure and unsuitable for large organization because the manager is overburdened with authority and responsibility. The malicious service provider enables to (i) track the precise mobility patterns of citizens. (ii) collect the data to infer privacy-sensitive information, e.g., where the parking requester (i.e., driver) socialize, work, and live; (iii) analyze trajectories to monitor the location of the driver for entertainment (e.g., discovering one-night stands). To design a decentralized smart and practical parking platform without compromising the privacy of the entities is an urgent issue for the smart city. Blockchain (or distributed public ledger technology) is a near-ideal decentralized and distributed solution for centralized parking-space-recommendation systems. However, most of the existing parking recommendation solutions on top of blockchain ignore to protect the privacy of drivers during parking spot detection and matching phases while cannot maintain the property of anonymity of the drivers. In this paper, an efficient and privacy-preserving parking-space recommendation service platform, named as PriParkRec, along with the proof-of-concept solution to protect the requester's privacy in PriParkRec while maintaining most of the benefits of current parking-space sharing service, i.e., accountability, (anonymous) authentication, (anonymous) payment, and reputation ratings. Indeed, PriParkRec service relies on well-known privacy-enhancing cryptographic building blocks (e.g., oblivious PRF, private set intersection, anonymous credentials, anonymous payment, and smart-contract, etc), these building blocks are carefully integrated together to achieve privacy and security goals to revolutionize the existing car-parking service system coming with the private blockchain and industrial internet of things (IIoTs) technologies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».