Improving Unlinkability in C-ITS: A Methodology For Optimal Obfuscation

Abstract

У цій статті ми розробляємо нову методологію забезпечення високого рівня гарантій приватності в кооперативних інтелектуальних транспортних системах (C-ITS). Наш фокус спрямований на комунікації «транспортний засіб — усе» (V2X), які забезпечуються базовою службою кооперативної обізнаності. Мотивацію нашого дослідження сформовано на основі аналізу методів забезпечення незв’язуваності, який вказує на брак таких методів. Для вирішення цієї проблеми ми пропонуємо прихову марковську модель (HMM) для вираження незв’язуваності в ситуації, коли два транспортні засоби обмінюються даними з придорожнім блоком (RSU) за допомогою повідомлень кооперативної обізнаності (CAM). Наша HMM має позначені стани, що задають різні джерела походження CAM, які може спостерігати пасивний зловмисник. Далі ми встановлюємо, що для зловмисника можна отримати високий рівень гарантій щодо ступеня невизначеності (наприклад, ентропії) позначених станів за припущення, що він знає фактичні положення транспортних засобів (наприклад, приховані стани в HMM). Ми також демонструємо, як можна підвищити незв’язуваність у C-ITS: ми пропонуємо спільний розподіл імовірностей, який обидва водії мають використовувати для спільного маскування своїх фактичних даних. Ці замасковані дані потім інкапсулюються в їхні CAM. Нарешті, наші результати втілено в алгоритм маскування, складність якого лінійна відносно кількості дискретних часових кроків у HMM.

In this paper, we develop a new methodology to provide high assurance about privacy in Cooperative Intelligent Transport Systems (C-ITS). Our focus lies on vehicle-to-everything (V2X) communications enabled by Cooperative Awareness Basic Service. Our research motivation is developed based on the analysis of unlinkability provision methods indicating a lack of such methods. To address this, we propose a Hidden Markov Model (HMM) to express unlinkability for the situation two vehicles are communicating with a Roadside Unit (RSU) using Cooperative Awareness Messages (CAMs). Our HMM has labeled states specifying distinct origins of the CAMs observable by a passive attacker. We then establish that high assurance about the degree of uncertainty (e.g., entropy) about labeled states can be obtained for the attacker under the assumption that he knows actual positions of the vehicles (e.g., hidden states in HMM). We further demonstrate how unlinkability can be increased in C-ITS: we propose a joint probability distribution that both drivers must use to obfuscate their actual data jointly. This obfuscated data is then encapsulated in their CAMs. Finally, our findings are incorporated into an obfuscation algorithm whose complexity is linear in the number of discrete time steps in the HMM.