返回
Data grading for intelligent connected vehicles: an inference strength-driven framework
DOI:10.1016/j.dcan.2026.02.004.png)
摘要
En 中文
智能网联车辆(ICVs)在运行过程中产生海量异构多模态数据,由于车载计算资源有限,分级数据加密保护对于平衡数据安全与高效利用具有重要意义。然而,当前的数据分级过程难以应对不断演变的推理攻击和动态运行环境,且传统分级方法依赖静态专家判断或信息论度量。为弥合这一差距,本文提出了一种新颖的以推理强度驱动的数据分级框架,其中推理强度通过对抗性推理量化一个数据集推断另一数据集的易感性。该框架采用结合图论、优化和大型语言模型(LLMs)的系统化方法构建推理库并计算推理强度。该框架还提供了基于PageRank的算法,为静态策略和车载端应用生成可解释的数据分级列表,在优先保护核心数据的同时尊重计算约束。在Audi A2D2数据集和真实车辆控制器上的验证表明,该方法相比默认分级基线在保护效用上有所提升。结果表明,该方法在计算约束下通过优先保护核心数据增强ICV数据安全的潜力。
Keyword:
Intelligent vehicles
Data security
Risk analysis
Data handling
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
424
被引数:
3.5K
机构
引用论文
Data Sharing Privacy Metrics Model Based on Information Entropy and Group Privacy Preference郭, Y.; 左, J.; 郭, Z.; 祁, J.; 鲁, Y. 基于信息熵和群体隐私偏好的数据共享隐私度量模型. Cryptography 2023, 7, 11. [Google Scholar] [CrossRef]
Cryptography
IF0
Memory based hybrid crow search algorithm for solving numerical and constrained global optimization problems基于记忆的混合crow搜索算法求解数值和约束全局优化问题
An investigation into personal data sensitivity in the Internet of Everything-insights from China万物互联中的个人数据敏感性调查 -- 来自中国的启示
Saulaiman, M. N.-E., Kozlovszky, M., Csilling, A., 2025. Graph-Based Automation of Threat Analysis and Risk Assessment for Automotive Security. Information 16 (6), 449. https://www.mdpi.com/2078-2489/16/6/449/htm. 10.3390/INFO16060449Saulaiman, M. N.-E., Kozlovszky, M., Csilling, A., 2025. 基于图的方法实现汽车安全威胁分析和风险评估自动化。Information 16 (6), 449. https://www.mdpi.com/2078-2489/16/6/449/htm. 10.3390/INFO16060449
Property and (Intellectual) Ownership of Consumers’ Information: A New Taxonomy for Personal Data消费者信息的财产权和(知识产权):个人数据的新分类法

