지능형 연결 차량을 위한 데이터 등급 검토: 추론 강도 기반 프레임워크

지능형 연결 차량(Intelligent Connected Vehicles, ICVs)은 작동 중 대량의 이질적인 다중 모드 데이터를 생성하며, 차량에 탑재된 제한된 컴퓨팅 자원으로 인해 데이터 보안과 효율적인 활용의 균형을 맞추기 위한 등급 데이터 암호화 보호가 매우 중요합니다. 그러나 현재 데이터 등급 프로세스는 진화하는 추론 공격 및 동적 운영 환경을 해결하는 데 어려움을 겪고 있으며, 기존의 등급 접근법은 정적 전문가 판단이나 정보 이론적 메트릭에 의존하고 있습니다. 이러한 격차를 해소하기 위해 본 논문에서는 대항 추론을 통해 한 데이터 세트가 다른 데이터 세트를 유추하는 감수성을 정량화하는 추론 강도 기반 데이터 등급 프레임워크를 제안합니다. 이 프레임워크는 그래프 이론, 최적화 및 대형 언어 모델을 결합한 체계적인 방법론을 사용하여 추론 라이브러리를 구축하고 추론 강도를 계산합니다. 또한 이 프레임워크는 정적 정책과 차량 엔드 응용 프로그램 모두에 대해 해석 가능한 데이터 등급 목록을 생성하는 PageRank 기반 알고리즘을 제공합니다. 핵심 데이터 보호의 우선순위를 두면서도 계산 제약을 존중합니다. Audi A2D2 데이터셋과 실제 차량 제어기를 통해 검증된 우리의 접근 방식은 기본 등급 기준에 비해 데이터 보호 유틸리티가 개선되었음을 보여줍니다. 결과는 계산 제약 하에 핵심 데이터를 우선적으로 보호함으로써 ICV의 데이터 보안을 강화할 수 있는 잠재력을 강조합니다.