基于區(qū)塊鏈的車聯(lián)網(wǎng)數(shù)據(jù)共享綜述
中圖分類號:TP399;U495 文獻標志碼:A 文章編號:1001-3695(2025)06-002-1611-13
doi:10.19734/j.issn.1001-3695.2024.10.0450
Review of blockchain-based data sharing in Internet of Vehicles
Fan Yanfang,Zhang Zhe?,Qin Tianqi,Chen Ruoyu,Sun Yinglun (SchoolofComputer,BeijingInformation Science&Technology University,Beijing1Oo1O1,China)
Abstract:DatasharingintheIoV,whichinvolvestheexchangeandsharingof raficdataamong vehiclesorbetweenvehicles andinfrastructure,significantlyenhancesdriving experienceandsafety.Blckchaintechnology,cha-racterizedbydecentralization,tamper-proof,and traceability,hasbeenwidelyadoptedfordatasharinginIoVenvironments,offeringunprecedented opportunities toestablishatrusteddata-sharing ecosystem.However,applyingtraditional blockchaintoIoVdatasharing poses substantialchallenges.Toaddresstheseissues,numerousresearchefortshaveproposedtargetedsolutions.Thispaperprovidedacomprehensivereviewofblockchain-basedIoVdatasharing.Itfirstlyintroducedthefundamentalconceptsofblockchain andIoVdatasharing.Subsequently,itanalyzedthecurrent stateofresearchonblockchain-basedIoVdatasharingsolutions, highlighting keychallenges.Specificall,thisstudywasthefirstto focusonandcompare existing solutions addressng two majorchalenges:lowthroughputandhighstorageoverhead.Finallyitproposedpotentialfutureresearchdirections,cosidering the evolving trends in both IoVand blockchain technologies.
Key Words: Internet of Vehicles(IoV); blockchain;data sharing;throughput rate; storage overhead
0 引言
車聯(lián)網(wǎng)(IoV)指的是以行駛中的車輛作為數(shù)據(jù)感知對象,借助新一代信息通信技術實現(xiàn)車與萬物(vehicle-to-everything,V2X),即車與車、人、基礎設施之間的網(wǎng)絡互聯(lián),以此提升車輛整體的智能化水平,為用戶提供安全、舒適、智能、高效的駕駛體驗與交通服務,提高道路交通的安全性、高效性和便利性,提升社會交通服務質量[1]
隨著車載遠程信息處理技術和應用的快速發(fā)展,車輛產(chǎn)生了大量不同類型的數(shù)據(jù)。(剩余46148字)
- 聯(lián)邦學習中隱私保護聚合機制綜述...
- 基于區(qū)塊鏈的車聯(lián)網(wǎng)數(shù)據(jù)共享綜述...
- 基于改進型多模態(tài)信息融合深度強...
- 基于生成對抗網(wǎng)絡與漸進式融合的...
- 基于特性分流的多模態(tài)對話情緒感...
- 面向視覺-語言模型的遞進互提示...
- 多維度交叉注意力融合的視聽分割...
- 基于多模態(tài)表征學習的自動音頻字...
- 基于改進行為克隆算法的機器人運...
- 基于混合深度強化學習的云制造云...
- 考慮故障因素的多機器人動態(tài)任務...
- 基于物理信息強化學習的無人駕駛...
- 基于改進多目標鯨魚優(yōu)化算法的云...
- 基于ABSA與動態(tài)少樣本提示的...
- 改進自適應大鄰域搜索算法及其在...
- 基于信息素矩陣優(yōu)化蟻群算法求解...
- 融合局部-全局歷史模式與歷史知...
- 一種面向情緒壓力分布外檢測的多...
- 基于句子轉換和雙注意力機制的歸...
- 基于多層特征融合與增強的對比圖...
- 使用NGN算法改進不平衡數(shù)值數(shù)...
- 一種基于終端策略的近似漣漪擴散...
- 融合混合提示與位置感知的突發(fā)事...
- 面向說話人日志的多原型驅動圖神...
- 鄰域變異的黑猩猩多峰優(yōu)化算法...
- 基于增強型差分進化算法求解廣義...
- 面向可重構陣列的CNN多維融合...
- 一種用于機器聲音異常檢測的AR...
- 基于數(shù)據(jù)驅動的WSN故障檢測框...
- 一種面向軟件眾包的眾包工人選擇...
- 邊緣計算中動態(tài)服務器部署與任務...
- 基于自適應差分進化算法的時間敏...
- 基于LCVAE-CNN的多任務...
- 基于多擾動策略的中文對抗樣本生...
- 基于用戶選擇的魯棒與隱私保護聯(lián)...
- 云醫(yī)療環(huán)境下策略可更新的多權威...
- SP-CPGCN:用于塵肺病分...
- 基于多級多特征混合模型的白血病...
- 結合多尺度特征與局部采樣描述的...
- 迭代偽點云生成的3D目標檢測...
- 分層蒸餾解耦網(wǎng)絡的低分辨率人臉...
- 基于運動分割的動態(tài)SLAM聯(lián)合...
- 基于預測劃分卷積神經(jīng)網(wǎng)絡的全景...