Efficient Trust Assessment Methods with Security Consideration in Vehicular Ad-Hoc Networks.

来源 :江苏大学 | 被引量 : 0次 | 上传用户:fengrui0216
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着物联网的快速发展,车联网作为其重要应用之一,在智能交通系统等应用领域受到了人们的广泛关注。与现有通信网络相比,车联网拓扑动态变化快,随机性强,且缺乏基础设施,这些特征使得车联网更易受到恶意攻击,如虚假消息注入等。解决车联网安全问题对提高人们出行效率,促进智能交通系统健康安全发展具有重大意义。现有的车联网安全解决方案主要基于密码学技术和信任模型,均有不同方面的局限性。一方面,公钥基础设施或数字签名等密码学方案开销大,且需依赖于可信第三方;另一方面,现有的信任模型可扩展性低,无法高效处理大规模车联网络中的信任评估,且难以适应车辆高速移动的场景。
  本文针对现有研究存在的问题,围绕车联网中车辆信任评估方法开展研究,旨在解决车辆高速移动、大规模等现实场景下的信任评估问题,基于信任评估结果识别恶意车辆和虚假消息,抵制车联网内部攻击,从而提高系统安全性。具体地,本文主要研究内容和贡献如下:
  首先,针对车辆移动具有随机性且网络拓扑变化不同这一特征,提出一种评估多跳信任(AT)算法来评估车联网中相邻车辆之间的信任值。该算法采用新颖的三值主观逻辑(3VSL)信任模型,对车辆网络拓扑结构中的每个子用户进行信任传播和融合操作,得到最终信任值。与复杂加密方法不同,AT从邻车辆获得直接观测值和推荐信任值。使用AT算法对相关车辆的可靠性进行判断,得出一致意见。实验基于数值分析验证AT算法的有效性,通过改变信任度和先验不确定度,验证所提算法在车联网多跳信任评估中的有效性。此外,还分析了桥接网络或非串并联图对最终意见的影响。在小型车辆拓扑结构中,AT工作良好,然而,当网络规模增大时,由于时间复杂性增加,评估时间将显著增加,可扩展性低。
  为了解决AT算法可扩展性低这一问题,提出三值安全路由(3VSR)方案,该方案基于广泛使用的自组织按需自组织距离向量(AODV)路由,新颖的(3VSL),以及提出的trustwalker(TW)算法作为有效的路由搜索方案,能支持大规模网络中车辆间高效的信任评估。此外,3VSL作为信任模型能更好地处理随机网络拓扑结构,并在未知车辆之间建立信任。本文提出的TW法是3VSR中一种求解大规模信任度评估问题的最优路径搜索技术。TW以广度优先搜索(BFS)的方式搜索整个车辆拓扑结构。并使用矩阵表示大型车辆网络拓扑结构,以向量的形式存储所有用户的可信度。当TW算法在整个网络中“行走”时,向量会迭代更新。为了验证我们提出的3VSR方案,在不同的恶意攻击和车辆移动设置下进行性能分析,并与原AODV和认证匿名安全路由(AASR)两种路由方案进行了比较。在这些方案中,3VSR具有较好的包吞吐量和最小的端到端延迟。另外,TW时间开销更小。本次模拟测试采用Advogato以及PrettyGoodPrivacy在线数据集以及公钥证书验证网络Advogato。实验结果表明,该方法能有效地解决大规模信任评估问题。然而,车辆的高移动性可能会存在延迟,影响数字服务,这就需要将现代边缘技术整合到车联网中。
  为了进一步解决车辆高速移动下数据交付和智能交通信息传播问题,提出将软件定义网络(SDN)思想作为车联网中的现代边缘技术,也称为软件定义车联网络(Software Defined Vanets)。该思想的核心是利用SDN的控制和数据平面更有效地执行车辆之间的相关操作,SDN的开放流特征使得设备可编程性更强。其中,数据平面负责转发或接收移动车辆产生的相关信息,每个区域的控制平面保持车辆之间的社会联系,该社会联系是建立在他们的信任值基础上。SDN架构能实现高效的信息分发,数据存储并基于中央控制器提供安全性,因此优化了方案性能。实验将所提出方案、软件定义移动网络(SDMA)和基于快速位置的交付(FLBH)方法进行比较,并评估了三种方案下的网络丢包率和延时。仿真结果验证了软件定义的车辆能够显著提高吞吐量和最小化切换延迟。
  车辆网络拓扑结构,以向量的形式存储所有用户的可信度。当TW算法在整个网络中“行走”时,向量会迭代更新。为了验证我们提出的3VSR方案,在不同的恶意攻击和车辆移动设置下进行性能分析,并与原AODV和认证匿名安全路由(AASR)两种路由方案进行了比较。在这些方案中,3VSR具有较好的包吞吐量和最小的端到端延迟。另外,TW时间开销更小。本次模拟测试采用Advogato以及PrettyGoodPrivacy在线数据集以及公钥证书验证网络Advogato。实验结果表明,该方法能有效地解决大规模信任评估问题。然而,车辆的高移动性可能会存在延迟,影响数字服务,这就需要将现代边缘技术整合到车联网中。
  为了进一步解决车辆高速移动下数据交付和智能交通信息传播问题,提出将软件定义网络(SDN)思想作为车联网中的现代边缘技术,也称为软件定义车联网络(Software Defined Vanets)。该思想的核心是利用SDN的控制和数据平面更有效地执行车辆之间的相关操作,SDN的开放流特征使得设备可编程性更强。其中,数据平面负责转发或接收移动车辆产生的相关信息,每个区域的控制平面保持车辆之间的社会联系,该社会联系是建立在他们的信任值基础上。SDN架构能实现高效的信息分发,数据存储并基于中央控制器提供安全性,因此优化了方案性能。实验将所提出方案、软件定义移动网络(SDMA)和基于快速位置的交付(FLBH)方法进行比较,并评估了三种方案下的网络丢包率和延时。仿真结果验证了软件定义的车辆能够显著提高吞吐量和最小化切换延迟。
其他文献
期刊
目的探讨孕早期焦虑和抑郁对妊娠期糖尿病(gestational diabetes mellitus,GDM)的影响。方法采用前瞻性研究,于2017年通过立意抽样方法选取四川省妇幼保健院产前门诊1426名孕8~14周单胎健康孕妇为研究对象,年龄为(28.6±4.0)岁。通过问卷调查收集其年龄、孕前体重、产次、孕次等基本信息,分别采用焦虑自评量表(self-rating anxiety scale,S
停顿是口译活动中十分常见的现象,并非所有的停顿都应该去除。适当停顿可以吸引听众的注意力,有利于沟通,而不当停顿则会影响口译的流畅效果和信息的传递效果,并且造成了时间上的延误,同时影响听众的理解,甚至影响听众对译语以及译员的信任度,因此应当尽可能避免与克服。本文以“伊恩·牛顿教授全球难民问题座谈会”模拟会议的口译为例,对源语和译语进行转写,同时参考相关文献,通过分析对不当停顿的现象进行分类,并研究其
研究表明,关键蛋白质的识别不仅有助于理解细胞的生长调控过程,也有助于进行疾病研究和药物设计。但是通过生物医学实验的方法成本高、效率低。随着高通量技术的发展,可以获得越来越多的蛋白质相互作用数据,这让我们能够从网络水平上识别关键蛋白质。目前为止,越来越多的基于网络水平的方法被提出,但是由于蛋白质相互作用网络中包含了大量的假阴性和假阳性数据,它们的识别准确度依然需要提高。针对这些问题,本文开展的主要工
本论文以高维数据压缩与恢复为研究背景,通过阐述香农采样理论到稀疏表示和压缩感知理论再到低秩矩阵恢复理论的发展历程,引出与低秩矩阵相关的的近似函数及分解形式、数学模型和优化算法,并用于解决计算机视觉和机器学习中的图像分类、矩阵补全和子空间学习等问题。注意到核范数是秩函数最紧致的凸近似,在某些特定条件下能以较大概率恢复出低秩矩阵来。但不幸的是,这些方法会因矩阵的秩较大而得到有偏的低秩解,也会因奇异值分
学位
近年来,随着计算机和互联网技术的快速发展,人们可以很容易地获取海量的数据。这些数据往往是高维的、复杂的,并且包含了大量的噪声和冗余信息。因此,如何实现高维数据的低维表示并探索其本质结构,是十分具有挑战性的问题。低秩表示(LRR)算法作为模式识别、机器学习、计算机视觉等领域的重点研究课题,能够有效地发现高维数据的低维子空间结构和数据中噪声的结构特点,目前已被广泛应用于子空间聚类、半监督学习、目标跟踪
学位
目的:总结上海市6家医院2010年早期胃癌手术率,并做相关分析。方法:回顾分析上海瑞金医院等6家医院2010年胃癌手术治疗例数及经病理学检查证实的早期胃癌例数和淋巴结转移例数。结果:1085例手术治疗的胃癌患者,早期胃癌233例,早期胃癌手术率20.55%;早期胃癌腹腔淋巴结转移30例,转移率13.45%。结论:2010年上海6家医院的早期胃癌手术率为20.55%,较前有所提高;分析总结了早期胃癌
随着NAND闪存芯片存储密度的提高,数据存储的可靠性已经成为大容量闪速存储系统研究及应用面临的重要问题。等级调制方案利用单元间电荷值的相对等级所形成的置换而不是单元电荷绝对值来表示数据,可以避免闪存单元的过度编程问题,并且降低闪存中非对称错误的影响。基于等级调制方案的置换码(Permutation code)和多重置换码(Multi-Permutation code)能够缓解闪存的过度编程和电荷泄
EMD(EmpiricalModeDecomposition,经验模态分解)算法是由美籍华人黄鄂于1998年提出来的一种新型的自适应时频分析方法,该方法基于信号局部特征,对于非平稳、非线性信号的处理具有特有的优势。与传统的以线性和平稳假设为基础的傅里叶分析、小波变换等时频分析方法相比,EMD算法在处理非平稳、非线性信号时展现出了独特的性质,在理论研究和工程应用上都有着重要的研究价值。肺音信号处理是
降维(DR)和数据分类是两个最重要的机器学习任务,用于许多模式识别应用,如人脸识别,医学成像,指纹识别,语音识别等。邻域保留策略应用在许多著名的算法中,例如邻域保持嵌入(NPE),局部保留投影(LPP)和k最近邻规则(KNN)。但是这些算法对参数设置非常敏感。例如NPE和LPP对邻域大小的参数非常敏感,这降低了降维的性能。此外,现有的多种DR方法通常利用单个图来保持邻域关系,这种区分不适合于多视图