حریم خصوصی متفاوت در محاسبات لبه برنامه های کاربردی مبتنی بر شهر هوشمند

برای نظارت موثر بر حجم عظیم داده های تولید شده توسط اینترنت اشیا (IoT) دو موضوع باید مورد توجه قرار گیرد: اطمینان از ناهمگونی یا رضایت از تنوع بین دستگاه های اینترنت اشیا. و حفاظت از حریم خصوصی یا جلوگیری از افشای ناخواسته داده های حساس. با مشاهده، ما متوجه شدیم که راه حل های کنونی مسئله ناهمگنی را به طور جداگانه بررسی می کنند، که منجر به عملکرد نامطلوب می شود، در حالی که یک قانون مشترک حفظ حریم خصوصی را برای همه دستگاه ها اعمال می کند. با این وجود، مطالعه خاصی در مورد فناوری DP وجود ندارد که بر برنامه های کاربردی محاسبات لبه برای شهرهای هوشمند متمرکز باشد.این کار با ارائه یک تجزیه و تحلیل کامل از DP در برنامه های کاربردی شهر هوشمند مبتنی بر محاسبات لبه، این شکاف را می بندد. طیف گسترده ای از موضوعات، از جمله مکانیسم ها، مدل های حفظ حریم خصوصی، روش های تحقیق و برنامه های کاربردی را پوشش می دهد. پنج حوزه از حریم خصوصی داده ها تمرکز مطالعه ما است: حریم خصوصی مکان، حریم خصوصی آموزش مدل داده، حریم خصوصی پردازش داده ها، حریم خصوصی انتشار داده ها، و حریم خصوصی انتقال داده ها. علاوه بر این، ما طیف گسترده ای از کاربردهای ممکن برای DP را در سناریوهای برنامه شهر هوشمند بررسی می کنیم. در نهایت، جهت های بالقوه آینده DP در محاسبات لبه مورد بحث قرار می گیرد. ما پیش بینی می کنیم که ترکیب روش های تکنیک های تحلیلی با رمزنگاری می تواند یک ترکیب موثر برای حفظ حریم خصوصی داده ها باشد.