在V2X环境下，用于数据联邦的隐私保护分组聚合查询

《ACM Transactions on Autonomous and Adaptive Systems》：Privacy-Preserving Group-by-Aggregation Queries for Data Federation under V2X environment

V2X技术通过车与车、基础设施及云端的通信实现智能交通管理，但数据隐私与安全风险突出。本文提出基于数据联邦的group-by-aggregation查询算法，通过加密聚合属性值保护隐私，利用可加同态或有序保持加密算法确保运算正确性，实验验证了其有效性。

　　

摘要

车对一切（V2X）技术使车辆能够相互通信，与基础设施及云端进行交互，从而实现智能交通管理和车辆互联互通。然而，车辆生成的数据引发了关于个人隐私和企业利益的担忧。随着V2X技术的快速发展，数据安全问题日益凸显。数据联邦作为一种新兴的数据共享模式，利用安全的多方计算技术，在不泄露原始数据的情况下实现数据所有者之间的协作，为解决V2X数据交换过程中的隐私和安全问题提供了新的方法。本文提出了一种基于分组聚合的数据联邦查询算法，旨在保护个人隐私数据的同时，促进有效的数据共享与分析。该算法通过不传输分组结果，而是将加密后的聚合属性值传递给相关数据所有者，从而改变了传统的分组聚合查询流程。通过使用具有加法同态性或保持顺序特性的加密算法来加密聚合属性值，该算法确保了加密环境下数学运算（如加法和比较运算）的正确性。最后，通过实验评估验证了该算法的有效性和实用性。