隨著都市化進程加速與人口密度激增，由單一醫療機構主導的緊急救援車輛 （ERV）體系面臨嚴峻的時效性瓶頸。研究指出，救援延遲與患者存活率呈顯著負相關，而現行體系受限於交通擁塞、跨機構資訊孤島及資源分配僵化，難以在「黃金搶救時間」內做出即時回應。為克服原有醫療端有限救護車資源的瓶頸，將社會端資源納入救援網絡已成為重要趨勢；然而，在動態開放的車聯網（IoV）環境下，如何在缺乏中心化授權的情況下建立跨機構信任、驗證志願者資質，並在保障隱私的前提下落實問責，是當前公眾協作救援面臨的核心技術挑戰。針對此困境，本研究提出一套基於區塊鏈與去中心化屬性證明的公眾協作救援授權架構，首先採用去中心化多權限屬性加密技術（DM CP-ABE），允許不同監管機構獨立分發屬性金鑰，實現細粒度的跨域存取控制與動態擴充性。其次，引入 W3C 可驗證憑證（VC）與可驗證呈現（VP）技術，使志願者能即時提交數位資質證明，令權威機構在無需連線回發證單位的前提下，完成資質核實。此外，本方案結合非互動式零知識證明（NIZK）與智慧合約，建立金鑰正確性驗證機制，以在救援爭議發生時提供問責證據。數據儲存則採用區塊鏈與星際檔案系統（IPFS）之雙層架構，將關鍵授權哈希值上鏈以保證不可篡改性，並利用 IPFS 儲存大規模救援數據以緩解鏈上負擔。最後，透過系統設計的激勵機制促進公眾與機構參與。 本研究旨在確保醫療敏感數據隱私與安全的前提下，建構一套安全調度潛在救 援資源之可行方案，有效促進公眾協作。實驗結果表明，本方案在可問責性與隱私安全性上取得了良好平衡，且於中輕度交通壅塞情境下，相較於傳統救護車模式可縮短約 6.3%～23.14% 之救援時間。;With rapid urbanization， traditional Emergency Rescue Vehicle (ERV) systems face severe latency bottlenecks， where delays reduce patient survival rates. Integrating social resources into the rescue network is essential， but establishing decentralized trust， verifying volunteer qualifications， and ensuring privacy-preserving accountability in open Internet of Vehicles (IoV) environments remain major challenges. To address this， we propose a public collaborative rescue authorization framework based on blockchain and decentralized attribute proofs. First， a Decentralized Multi-Authority CP-ABE (DM CP-ABE) scheme enables fine grained， scalable cross-domain access control. Second， W3C Verifiable Credentials and Presentations (VC/VP) allow real-time qualification verification without online backend dependencies. Furthermore， Non-Interactive Zero-Knowledge (NIZK) proofs and smart contracts are integrated for key validation and dispute accountability. Data storage utilizes a blockchain-IPFS dual-layer architecture， caching authorization hashes on-chain for immutability while storing large-scale rescue data in IPFS to reduce on-chain overhead. Finally， a built-in incentive mechanism encourages public and institutional participation. Experimental results show that the framework achieves a well-rounded balance between accountability and privacy， reducing emergency response time by approximately 6.3% to 23.14% in mild-to-moderate traffic congestion scenarios compared to traditional ambulance models.
