Blockchain-based Pseudonym Management for Vehicle Twin Migrations in Vehicular Edge Metaverse

要約

メタバースおよびエッジ コンピューティング技術の大幅な進歩により、車両エッジ メタバースは、インテリジェント交通システムの現在のパラダイムを破壊すると予想されています。
車両メタバース ユーザー (VMU) の高度にコンピュータ化されたアバターとして、エッジ サーバーに展開された車両ツイン (VT) は、走行中の VMU の運転安全性と車内満足度を向上させる貴重なメタバース サービスを提供できます。
中断のないメタバース エクスペリエンスを維持するには、車両の移動に従って VT をエッジ サーバー間で移行する必要があります。
これにより、車両エッジ メタバース間の動的通信中のプライバシー侵害に関する懸念が生じる可能性があります。
これらの懸念に対処し、位置プライバシーを保護するために、VMU と VT の両方で仮名を一時的な識別子として利用して、物理空間と仮想空間での匿名通信を実現できます。
しかし、既存の仮名管理方法では、車両エッジ メタバースにおける広範な仮名要求を満たすには不十分であり、プライバシー保護のパフォーマンスが大幅に低下します。
この目的を達成するために、メタバース間で強化された二重仮名管理フレームワークを紹介します。
当社はクロスチェーンテクノロジーを利用して、ペンネームの管理効率とデータセキュリティを強化します。
さらに、プライバシー レベルを評価する指標を提案し、マルチエージェント深層強化学習 (MADRL) アプローチを採用して、最適な仮名生成戦略を取得します。
数値結果は、私たちが提案したスキームが高効率で費用対効果が高いことを示しており、車両のエッジメタバースでの有望なアプリケーションを示しています。

要約(オリジナル)

Driven by the great advances in metaverse and edge computing technologies, vehicular edge metaverses are expected to disrupt the current paradigm of intelligent transportation systems. As highly computerized avatars of Vehicular Metaverse Users (VMUs), the Vehicle Twins (VTs) deployed in edge servers can provide valuable metaverse services to improve driving safety and on-board satisfaction for their VMUs throughout journeys. To maintain uninterrupted metaverse experiences, VTs must be migrated among edge servers following the movements of vehicles. This can raise concerns about privacy breaches during the dynamic communications among vehicular edge metaverses. To address these concerns and safeguard location privacy, pseudonyms as temporary identifiers can be leveraged by both VMUs and VTs to realize anonymous communications in the physical space and virtual spaces. However, existing pseudonym management methods fall short in meeting the extensive pseudonym demands in vehicular edge metaverses, thus dramatically diminishing the performance of privacy preservation. To this end, we present a cross-metaverse empowered dual pseudonym management framework. We utilize cross-chain technology to enhance management efficiency and data security for pseudonyms. Furthermore, we propose a metric to assess the privacy level and employ a Multi-Agent Deep Reinforcement Learning (MADRL) approach to obtain an optimal pseudonym generating strategy. Numerical results demonstrate that our proposed schemes are high-efficiency and cost-effective, showcasing their promising applications in vehicular edge metaverses.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google