Schutz der Privatsphäre in verteilten Software-Definded-Car-Anwendungen

Abstract

Diese Bachelorarbeit setzt sich mit dem Thema der situationsabhängigen Anonymisierung von Daten, die von Connected Cars erzeugt und verarbeitet werden, auseinander. Dabei wird mit PLEvS ein Konzept vorgestellt, mit dem sich Situationen modellieren und auswerten lassen. Anhand des Status der Situationen können Regeln definiert werden, durch welche sich der Anonymisierungsgrad der verarbeiteten Daten bestimmen lässt. Des Weiteren wurden Algorithmen entworfen, mit denen sich konkrete Datentypen eines Connected Cars anonymisieren lassen, um die Privatsphäre von Benutzern zu schützen. Mit Lo𝑘A lassen sich Ortsdaten anonymisieren. Der Algorithmus arbeitet mit Wahrscheinlichkeiten, um die größtmögliche Anonymität herzustellen. CaDaA befasst sich mit der Verschleierung von sensiblen Daten, die in den erzeugten Kamerabildern vorhanden sind. Dabei sollen Informationen, die für bestimmte Dienste relevant sind, in den Bildern erhalten bleiben. Mit SpAn sollen Informationen über das Fahrverhalten des Benutzers, die sich aus den Geschwindigkeitsdaten des Fahrzeuges ableiten lassen, geschützt werden. Die Konzepte werden im Verlauf dieser Arbeit erläutert und evaluiert.