Resumen

La prevalencia de sistemas de posicionamiento global (GPS) equipados en redes vehiculares expone la información de ubicación de los usuarios a los servicios basados en la ubicación. Sostenemos que tales datos contienen pistas informativas ricas sobre los comportamientos y preferencias privadas de los conductores, lo que conducirá a ataques a la privacidad de la ubicación. En este documento, proponemos un modelo de predicción sofisticado para predecir la próxima ubicación de los conductores mediante el uso de una cadena de Markov de orden a basada en un tensor de tercer rango que representa la información de transferencia parcialmente observada de los vehículos. Luego, se utiliza el Ranking Personalizado Bayesiano (BPR) para aprender las transiciones no observadas dentro del tensor para la predicción de transiciones. Los resultados experimentales muestran la eficacia del modelo propuesto en términos de precisión de predicción de ubicación, en comparación con varios métodos de predicción de vanguardia. También señalamos que la precisión lograda por dicho modelo de predicción avanzado está restringida al

• Materias:Algoritmo dinámico Redes Inalámbricas Redes de Comunicación Sistema de colas Teoría de juegos
• Subjects:Dynamic Algorithm Wireless Networks Communication networks Queuing systems Game theory
• Palabras claves:Sistema de posicionamiento global; Redes vehiculares; Ataques a la privacidad de la localización; Modelo de predicción; Cadena de Markov; Clasificación bayesiana personalizada
• Keywords:Global positioning system; Vehicular networks; Location privacy attacks; Prediction model; Markov chain; Bayesian Personalized Ranking