Loading...
机构名称:
¥ 1.0

数字时代的出现和信息超载的出现导致连接设备的大幅增加,从而产生了大量通过Internet传输的数据[8]。通过云基础架构,智能手机,平板电脑,智能手表和健身跟踪器等智能设备的无处不在,使其变得更加复杂。这些设备通常会收集有关用户(包括其位置,活动和环境条件)的广泛上下文信息,这些信息对于旨在预测用户行为和提供人员体验的应用程序至关重要[4,49]。响应这些发展,移动众包已经成为关键解决方案。此操作涉及个人通过各种数字平台共同贡献数据[36]。诸如流量监控系统之类的应用程序利用众包数据提供实时见解。但是,这些方法还引起了有关数据隐私和未经授权访问敏感信息的风险的重大关注[7,19]。移动数据流量的迅速增加对数据管理和过程构成了重大挑战。边缘计算已被确定为对这些挑战的有希望的解决方案,方法是将数据更接近其来源处理,而不是仅依靠中央服务器。这种方法有助于减轻网络的交通拥堵,但也引入了必须解决的新隐私和安全漏洞[67]。本文探讨了移动众包和边缘计算的交集,并特别强调隐私保护。它突出了整合这些技术以在维持用户隐私的同时提高数据处理效率的潜力。我们概述了有关这些技术及其对隐私的影响的现有研究。我们的目标是为研究人员,从业人员和政策制定者提供必要的见解,以浏览确保隐私的复杂性,同时推进技术能力。此外,我们讨论了减轻与分散数据处理相关的隐私风险的潜在策略,并提出了未来的研究方向,以全面解决这些挑战。

arxiv:2401.11305v3 [CS.CR] 2024年10月28日

arxiv:2401.11305v3 [CS.CR] 2024年10月28日PDF文件第1页

arxiv:2401.11305v3 [CS.CR] 2024年10月28日PDF文件第2页

arxiv:2401.11305v3 [CS.CR] 2024年10月28日PDF文件第3页

arxiv:2401.11305v3 [CS.CR] 2024年10月28日PDF文件第4页

arxiv:2401.11305v3 [CS.CR] 2024年10月28日PDF文件第5页

相关文件推荐

2024 年
¥1.0
2024 年
¥1.0
2020 年
¥1.0