La preservación de la privacidad de los datos de imagen ha sido una prioridad para muchas aplicaciones. El rápido crecimiento de la tecnología ha aumentado la posibilidad de crear imágenes falsas utilizando las redes sociales como plataforma. Sin embargo, muchas personas, incluidos los investigadores, dependen de los datos de imagen para diversos propósitos. En las áreas rurales, las imágenes de carriles tienen un alto nivel de importancia, ya que estos datos pueden ser utilizados para analizar diversas condiciones de los carriles. Sin embargo, estos datos también están siendo falsificados. Para superar esto y mejorar la privacidad de los datos de imagen de carriles, se propone una solución en tiempo real en este trabajo. La metodología propuesta asume las imágenes de carriles como entrada, que se clasifican como imágenes falsas o auténticas con la ayuda de Análisis de Nivel de Error (ELA) y algoritmos de red neuronal artificial (ANN). El modelo U-Net asegura la detección de carriles para imágenes de carriles auténticas, lo que ayuda en la fácil identificación de carriles en áreas rurales. Las imágenes finales obtenidas están aseguradas mediante el uso de la técnica de re-encriptación proxy que utiliza algoritmos RSA y ECC. Esto ayuda a garantizar la privacidad de las imágenes de carriles. Las imágenes cifradas se mantienen utilizando computación en la niebla y se procesan con integridad. La metodología propuesta es necesaria para proteger las imágenes genuinas de carriles satelitales en áreas rurales, que son utilizadas por pronosticadores e investigadores para hacer interpretaciones y predicciones sobre los datos.