Secure and Flexible Data Sharing With Dual Privacy Protection in Vehicular Digital Twin Networks
Notice bibliographique
Résumé
Vehicular digital twin networks (VDTNs) offer great opportunities for driver safety enhancements. By leveraging digital twin (DT) technology, VDTNs can collect and analyze traffic data to optimize driving routes, and allow the out-of-field vehicles to share traffic data via their DTs. However, the real-time data sharing process over a public channel raises concerns about security and privacy. Existing data sharing schemes cannot be directly adopted for VDTNs because they rarely consider dual (data and identity) privacy, synchronization, and flexibility, while also imposing a significant cost on resource-limited entities. To address these challenges, we propose a secure and flexible data sharing scheme with dual privacy protection for VDTNs. In the proposed scheme, a signature of knowledge protocol is developed for protecting the vehicle’s real identity and ensuring authentication, smart contract algorithms are designed to assist in realizing accountability, and a verification control mechanism is devised for allowing the vehicle to flexibly share the traffic data. Additionally, DT with consistent states is capable of removing sensitive information from the shared data, which guarantees synchronization and data privacy. The security analysis demonstrates that the proposed scheme is resilient against potential security threats in VDTNs. Furthermore, the performance evaluation indicates that the proposed scheme not only outperforms the state-of-the-art schemes but also achieves feasible blockchain consumption and data authentication delay.
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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».