全新隐形系统将帮助联网车辆摆脱恶意追踪

简介:

关于汽车业界未来发展方向的一大承诺在于,整个驾驶过程将变得愈发更改。届时交通本身亦将不同于当下,意味着我们的全部车辆都将彼此同步并接入一套集中式控制器。如此一来,交通流量将得以优化,我们也不再需要通过高度紧张的方式紧盯周边环境或者借助于笨拙、迟缓的司机间通讯装置。未来,系统会感知到我们的到来,同时缓缓调整车速并确保车辆准备停靠时,已经有专门供您使用的车位在此静候。

1489460829651046060.jpg

这个主意确实不错,但其实现前提则是对车辆位置进行全面追踪。要执行交通流量优化,系统首先需要了解每位用户及其车辆的当前位置所在。有些朋友可能对此表示反感,毕竟这意味着系统将记录您曾经驾驶前往的每一个地点,代表着您的生活轨迹将因此被迫公开。

一支由韩国计算机科学家组成的研究团队开发出一种新型位置隐藏方法,允许用户在使用可能不受信任的基于位置服务(简称LBS)时加以使用。这看似是种矛盾,但其设计思路在于,LBS仍然能够访问您车辆的实时位置信息,但却无法对其进行正确追踪。该团队在递交给IEEE的函件当中对这项名为相互混淆路径(简称MOP)的方法作出了阐述。

首先,让我们再次重申问题的关键:“LBS服务器(第三方)需要定期接收并存储用户的位置更新信息,从而利用其追踪用户所在位置。在这种情况下,使用假名或者匿名化位置报告——即简单删除身份标识——并不足以保护位置隐私; 对于位置样本(即追踪脚步)的时间序列分析仍能够累积起必要的路径信息,并最终识别用户的历史位置。特别是在低密度条件之下,用户路径追踪将变得更加轻松。”

MOP解决方案利用的则是车辆本身往往拥有两种连接装置这一客观条件。第一种为标准的LTE互联网连接(其可接入一套或者多套LBS当中),而第二种则为负责将安全相关信息以本地方式广播至附近其它车辆处的通信信标。

Suk-Bok Lee及其同事们解释称,“我们在这篇论文中需要解决的主要难题,在于有效应对不受信任的LBS或者任何有权访问LBS数据库的人士。这些攻击者可能希望通过收集位置样本信息以追踪用户,特别是对于那些频繁发送位置更新信息的用户,他们将能够借此创建位置进发轨迹,就像是紧跟用户在身后留下的面包屑。如此一来,恶意LBS将能够轻松辨别用户前进路径,将特定个人与特定位置进行关联,并以此为基础进一步窥探更为私密的用户信息。”

总而言之,通过将位置查询与LBS数据库中的内容进行匹配,恶意方将能够获取到驾驶历史记录。而Lee的主要任务正是防止此类状况的出现。

在我看来,他们采取的解决方案相当聪明。当由特定LBS引导/追踪的几辆汽车保持足够近的行驶距离,从而能够经由无线电信标进行彼此直接通信时,其将不再独立向LBS发送位置信息。相反,每辆汽车此次都会发送两种数据:其一为真实路径数据,其二为周遭另一辆汽车的假路径数据。而在LBS向这两辆汽车发送回位置数据时,二者各自会自动丢弃自身并不适用的假路径数据。其基本原理如下所示:

1489460890529007783.jpg

Lee及其研究团队同事在模拟测试中进行了实验,并证明这套方案非常适用于高密度交通环境。这项举措极具现实意义,因为用户的真实位置将利用周边车辆间通信进行隐藏。而周边流量越多,系统所接收到的“位置熵”也就越多。

这个想法相当值得肯定,虽然Lee及其同事也表示该方案也许并不适用于交通堵塞的情况。无论如何,这至少证明即使我们正一步步走入超连接世界——即以技术手段为前提全面普及追踪体系——隐私保障仍然拥有其实现之道。

本文转自d1net(转载)

目录
相关文章
RGB颜色模型和HSV颜色模型
RGB颜色模型和HSV颜色模型“【5月更文挑战第22天】”
1044 2
|
算法 测试技术 区块链
Web3.0的五大趋势,你是否已经了解?
Web3.0的五大趋势,你是否已经了解?
384 0
基于VisualGLM-6B大模型的本地部署与推理
本文是基于清华开源的VisualGLM-6B 支持图像中英文的多模态对话语言模型,进行了一系列本地的简单部署,包括环境配置、模型部署、演示推理、模型微调(官方提供的代码),由于个人电脑显存不足,最后是在阿里云服务器交互式平台DSW终端进行微调和训练操作的。
395 17
|
10月前
|
机器学习/深度学习 人工智能 算法
o3-mini:OpenAI 发布最新推理模型,强大的STEM推理能力,灵活调整推理强度
OpenAI o3-mini是OpenAI推出的全新推理模型,专为科学、数学和编程等技术领域优化,支持三种推理强度,灵活调整性能。
641 25
o3-mini:OpenAI 发布最新推理模型,强大的STEM推理能力,灵活调整推理强度
|
10月前
|
人工智能 数据挖掘 测试技术
大模型代肝,自动刷《崩铁》升级材料,Claude操纵计算机还能这么用!
Claude 3.5 Computer Use是首个提供公共测试的具备图形用户界面(GUI)操作能力的前沿AI模型,标志着GUI自动化领域的重要突破。它通过API调用实现端到端解决方案,能根据用户指令和视觉GUI状态生成操作,无需外部知识辅助。研究展示了其在网页搜索、工作流和生产力软件等任务中的卓越能力,并揭示了滚动导航等局限性。未来有望进一步优化并拓展应用领域。论文链接:https://arxiv.org/pdf/2411.10323。
385 38
|
监控 物联网 区块链
新技术趋势与应用:新兴技术的发展前景与实践探索
【5月更文挑战第25天】在21世纪的科技浪潮中,新兴技术如区块链、物联网、虚拟现实等正以前所未有的速度发展,引领着全球的创新潮流。这些技术不仅改变了我们的生活方式,也正在重塑着社会的运行模式。本文将深入探讨这些新兴技术的发展趋势和应用场景,以及它们如何影响我们的生活和社会。
|
机器学习/深度学习 存储 人工智能
新一代数据库技术:融合人工智能与分布式系统的未来前景
传统数据库技术在应对大规模数据处理和智能化需求方面逐渐显露出瓶颈。本文探讨了新一代数据库技术的发展趋势,重点关注了人工智能与分布式系统的融合,以及其在未来数据管理和分析中的潜在优势。通过深度学习和自动化技术,新型数据库系统能够实现更高效的数据处理和智能化决策,为企业带来更灵活、可靠的数据解决方案。
|
数据可视化 机器人 编译器
科力雷达Lidar使用指南
本文是科力2D激光雷达Lidar的使用指南,包括了雷达的安装、编译、IP配置、上位机软件使用、ROS节点运行、参数配置、官方文档和软件资源链接,以及雷达通讯建立失败等问题的解决方案。适用于Ubuntu20.04(x86) PC和Ubuntu20.04(Arm) Nvidia Orin环境。
675 1
科力雷达Lidar使用指南
|
安全 5G 网络安全
什么是 Wi-Fi 热点?
【8月更文挑战第24天】
3756 0
|
Ubuntu 安全 搜索推荐
Linux Ubuntu 桌面环境概览
Ubuntu,在开源领域如同璀璨明星,以其卓越的桌面环境和用户体验赢得全球用户的心。采用优雅且功能丰富的GNOME桌面,Ubuntu界面简洁现代,提供直观易用的操作体验。无论是文件管理还是系统设置,图形界面让一切变得轻松。此外,高度可定制化特性让桌面成为个性展示的舞台,集成丰富应用满足多样化需求。背后强大的社区支持确保用户获得及时帮助,共享开源精神。
514 0