基于雾的车辆群智感知中的安全性、隐私性和公平性

众包地图、数据聚合、机器学习

title：Security, Privacy, and Fairness inFog-Based Vehicular Crowdsensing（FVCS）

基于雾的车辆群智感知中的安全性、隐私性和公平性

source：IEEE Communications Magazine • June 2017

摘要：

雾节点的引入是为了满足车载自组织网络中特定位置应用和位置感知数据管理的需求。在本文中，我们将研究基于雾的车辆群智感知的架构、应用，尤其是其安全性、隐私性和公平性。

首先定义了 FVCS 的基础架构并讨论了一些应用如停车导航、路面检测和交通碰撞重建； 然后描述该方案的安全性、隐私性和公平性； 之后描述了分别解决安全、隐私和公平挑战的解决方案； 最后提出了一些有前景的未来研究方向。

现状

云或雾的服务提供商都不是完全可信的，车辆不太可能与陌生人分享收集的数据，如果没有受信任的中介，隐私很容易被侵犯车辆在将数据传到到雾节点时可能不会合作。

基于雾的车辆群智感知的架构

VANET: vehicular ad hoc network 车辆自组织网络 作用：促进车辆间通信、车辆到路边的通信及通过边路单元RSU中继的互联网访问。

车辆雾是升级的RSU，具有计算能力和存储空间，可为车辆提供一定的计算和存储服务。

FGVS是一个虚拟的环境，由云、车辆雾、车辆、客户组成。

云： 存储和计算，为客户提供车辆群智感知服务。与客户沟通发布感知任务，并且从车辆雾中收集感知报告并未车辆分配收益。

车辆雾：车辆雾节点配备了增强的存储空间、计算和通信设备，放置在边缘设备的边路或关键点。他们使用短程通信设备与覆盖区域内的驾驶车辆进行通信，收集感知报告。

车辆：每辆车上都安装OBU，可与附近的车辆或车辆雾进行通信，从传感设备收集数据并将数据上传到附件雾节点。

客户：客户可以是车辆、个人或组织，他们没有足够的能力独自执行车辆感知任务，因此他们将任务众包到云中，并给予利益奖励给为任务做贡献的车辆。

基于雾的车辆群智感知（FVCS）架构：

车辆层：车辆在道路上行驶，利用车载传感设备定期收集交通和道路信息，并上传到雾节点