当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 杭州电子科技大学团队在车联网隐私保护领域取得新进展

杭州电子科技大学团队在车联网隐私保护领域取得新进展

2024-12-31 19:21:40 0浏览 收藏

各位小伙伴们,大家好呀!看看今天我又给各位带来了什么文章?本文标题是《杭州电子科技大学团队在车联网隐私保护领域取得新进展》,很明显是关于科技周边的文章哈哈哈,其中内容主要会涉及到等等,如果能帮到你,觉得很不错的话,欢迎各位多多点评和分享!

杭州电子科技大学夏莹杰教授团队在车联网隐私保护领域取得重大突破!该团队与杭州师范大学、暨南大学等科研机构合作,在物联网顶级期刊《IEEE Internet of Things Journal》发表论文,提出一种基于强化学习的个性化隐私保护方案,为车联网空间众包应用提供有力技术支撑。这项研究得到了国家自然科学基金和浙江省自然科学基金的资助。

杭州电子科技大学团队在车联网隐私保护领域取得新进展

空间众包技术是车联网导航、交通管控等应用的基石。然而,位置服务带来的便利也伴随着严重的隐私风险。近年来,多起因位置信息泄露导致的重大安全事件警示我们,亟需研发兼顾隐私保护和数据效用的技术。

杭州电子科技大学团队在车联网隐私保护领域取得新进展

图1:基于强化学习的个性化隐私保护模型

例如,2022年“滴滴”事件暴露了海量用户位置信息被过度收集,2024年广州网约车司机信息更是被公开售卖,这些事件凸显了位置隐私保护的紧迫性。

杭州电子科技大学团队在车联网隐私保护领域取得新进展

图2:滴滴出行用户隐私泄露事件(图源网络)

针对这一挑战,研究团队创新性地提出了一种基于强化学习的个性化隐私保护方案。该方案针对车联网动态变化的网络环境和复杂道路场景,巧妙地平衡了车辆隐私保护强度和位置数据效用。 方案的核心在于一个多因素隐私保护模型,该模型综合考虑车辆轨迹时空特征和众包任务完成率,并采用Q学习算法实现隐私保护等级的自适应调整。 此外,研究团队还设计了一种基于本地化差分隐私和最优拉普拉斯机制的任务分配方法,在不泄露真实位置信息的前提下,实现精准的任务分配。 实验结果表明,该方案在有效保护数据隐私的同时,数据效用性平均提升了78.5%。

好了,本文到此结束,带大家了解了《杭州电子科技大学团队在车联网隐私保护领域取得新进展》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多科技周边知识!

如何快速下载安装电脑管家并进行有效设置如何快速下载安装电脑管家并进行有效设置
上一篇
如何快速下载安装电脑管家并进行有效设置
Win10屏幕色彩怎么校正 Win10屏幕色彩校正方法介绍
下一篇
Win10屏幕色彩怎么校正 Win10屏幕色彩校正方法介绍
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    408次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    484次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    493次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    438次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    266次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码