智能交通系统的主要目的是通过提供与交通管理相关的创新应用和服务来提高道路安全性,使用户能够更好地了解实时的交通情况,避开拥堵,减少事故发生概率等,从而更安全、更协调地驾驶汽车。目前已经部署了几种技术来维护和推广智能交通系统(ITS),包括嵌入式系统集成、传统云计算资源管理技术的部署。这使得车载云计算(VCC)较早地被提出,VCC是一种从车载自组织网络(VANET)发展而来的概念,并以自主方式形成,从而为智能交通系统的所有参与者提供广泛的应用和服务。物联网(IoT)的出现使得大规模移动设备之间的互连和通信成为可能,这些设备产生了大量异构数据,称为数据爆炸。也就是说,尽管云计算已经成为处理和存储这些数据的有效方式,但是,对实时或对延迟敏感的应用程序的需求不断增加以及网络带宽的限制等挑战仍然无法通过使用传统云计算来解决。为了解决上述问题,提出了一种称为“车载雾计算(VFC)”的新范例。车载雾计算被提出通过将传统的车载云服务移动到边缘节点来加速计算和存储。车辆雾服务(VFS)通过在道路上提供更高的安全性和许多需要较少延迟的应用(如交通管理等)来满足上述需求。这种新模式可能面临与安全和隐私相关的严重问题,因为雾节点是分布式的,可能会被部署在不安全环境下。为了解决这个问题,我们提出了一个面向车载雾服务的轻量级无证书匿名认证方案(LNCA),该方案应用了环上的基于错误学习口令认证密钥交换技术。本研究主要探讨了访问车载雾服务的隐私保护认证方法。提出的认证方案在机密性,认证和授权,匿名性,不可链接性,可追溯性和不可否认性方面满足所有安全要求。结果表明,我们的方案可以抵御不同的攻击,如假冒攻击,Sybil攻击,修改攻击,身份披露攻击,位置追踪攻击,虚假信息攻击等。我们进行了仿真来评估我们的方案的性能。安全性和性能分析的结果表明,与车载自组织网络的匿名认证机制的现有解决方案相比,我们的解决方案更适合于低延迟的车辆认证。车载雾计算(VFC)将雾计算范例扩展到传统车载网络,可实现巨大的好处,例如安全性,流量监控,特定区域的实时天气和监控的社交方面,减少带宽和延迟,因此与传统的车载网络相比,VFC是更适合巨大数量物联网设备的雾计算范例。然而,位于网络边缘的车辆显然面临许多安全和隐私威胁。车载云计算有许多现有的安全解决方案,但由于其特性,例如移动性,异构性和大规模地理分布,其中一些不适用于车载雾计算。雾计算取决于分布式节点的计算能力,来减少数据中心开销。在VFC中,隐私保护更具挑战性,因为与位于核心网络中的远程云服务器相比,与车辆相邻的节点可能收集有关最终用户的敏感数据。此外,由于雾节点分布在大面积区域,集中控制变得困难。对安全性较差的边缘节点的破坏可能会变成入侵者到网络的入口点。一旦进入网络内的入侵者可以挖掘并窃取用户的隐私数据,例如车辆ID,与驾驶员相关的个人信息,在实体之间交换的车辆位置等。在VFS实施之前,需要解决这些安全和隐私问题。迄今为止,关于车辆雾计算中的安全和隐私问题的工作很少。在网络中共享大量资源和数据的情况下,研究有效的身份验证机制来保护访问雾服务的车辆是非常重要的。为了解决上述挑战,本研究的主要目的是提出一种保护隐私的机制,以增强车辆和雾节点(V2I)之间的安全性和隐私性。在这项研究中,我们的方案采用一种基于错误学习的口令认证的密钥交换技术(RLWE-PAK),提出了一种称为“LNCA”的轻量级无证书匿名认证机制。我们提出的协议可以防御各种攻击,同时保护车辆的身份和位置隐私。然后我们应用SVO逻辑来验证我们的解决方案是否满足所需的身份验证目标。最后,我们通过与现有的认证机制进行比较,进行了一些实验来评估我们的协议在车辆认证时间方面的效率。本研究的主要提出一种保护隐私的机制,以增强车辆和雾节点(V2I)之间的安全性和隐私性。本研究考虑了车辆通过RSU访问VFS的情况下车辆(OBU)和RSU之间的相互认证。本研究的主要贡献如下:(1)我们提出了一种名为“LNCA”的轻量级无证书匿名认证机制。该方案基于 RLWE-PAK。(2)我们详细介绍了 VFS中V2I身份验证过程的体系结构。(3)我们仿真了所提出的方案,并将其与现有的V2I通信中的认证和隐私保护方案进行了比较。仿真结果表明,与现有的认证机制相比,我们提出的解决方案可有效减少车辆认证时间开销。(4)我们为所提出的解决方案设计了攻击模型和安全要求。(5)我们详细介绍了我们提出的协议在车辆到基础设施(V2I)不同情况下的安全机制,车辆通过RSU访问车载雾服务。(6)我们应用SVO逻辑来验证我们提出的协议是否满足所需的身份验证目标。本论文的结构如下。第2章详细介绍了 VFC的必要背景。我们介绍了车载雾计算和车载自组织网络的范例,它们的各种架构以及它们的分类。然后,我们详细阐述了车载云计算(VCC)和车载雾计算(VFC)之间的差异,并提供有关这些技术所面临的不同挑战,安全性和隐私问题的更多详细信息。最后,本章介绍了应用于VFC的密码学基础,其中我们通过介绍基于格的密码学的概念以及可以抵抗对量子计算机的攻击的问题,简要概述了密码学的一个分支——后量子密码学。第3章介绍了与VANET和VFS中的身份认证方案相关的各种工作。本章介绍了 RLWE-PAK的基础,以及Ding等人的工作。这是我们研究构建LNCA认证方案的基础。然后我们详细介绍了协议的攻击模型和安全要求。最后,我们根据我们设计的安全要求和攻击模型,调研了 VANET和VFS中与LNCA相比的现有认证方案。在第4章中,我们描述了访问车载雾服务的隐私保护认证方法,然后是安全性分析和性能评估。最后,第5章给出了总结和未来的工作。另一个工作方向是大规模验证我们提出的协议的效率。由于我们处于物联网的新时代,将会有更多的设备被连接起来,并且未来十年联网汽车的数量将会增加,车辆的安全性和隐私将是一个严峻的挑战,应提前考虑采用并开发解决安全性问题的技术。雾节点从联网汽车收集数据的能力为分析的提升提供了一个绝佳的机会,这可以使汽车行业既能改进当前的工作设计又能开发新的服务。例如,调查驾驶行为将使其实现这一目标,以更多地了解驾驶员的偏好,同时帮助汽车行业更好地迎合客户。从车辆收集数据虽然是进行进一步分析的机会,但也可能是车辆驾驶员和乘客可能面临的隐私泄露的风险。最近的一项研究表明,驾驶员隐私问题主要涉及私人信息的披露,位置跟踪或用于商业用途的驾驶员个人数据。他们也可以在未经司机同意的情况下将此类私人信息提供给未授权第三方。上述问题需要汽车行业解决,以保持驾驶员的信任。目前,对于VFS中的许多问题以及我们如何使用不同的技术,没有通用的解决方案,我们打算将差分隐私作为一种有前途的技术进行研究。与另一种模型相反,该技术可以应用于VFS的统计数据库,以保护驾驶员的数据隐私。此外,这些技术在许多情况下能够提供高精度和隐私。技术变革被认为是决定任何组织竞争力的关键因素。在这样的环境中,准确预测这一因素对于将技术变革纳入战略规划处理具有相当重要的意义。技术变革,对技术的有效预测可以帮助最大化收益并最大限度地减少组织的未来损失。技术预测(TF)是预测技术未来特征和时间的过程。TF旨在预测未来的技术能力,属性和参数。预测技术不仅包括特定的机械/物理硬件,还包括相关软件作为组织人类活动的程序和方法,以及操纵或设计人类行为的手段。技术预测方法可分为探索性和规范性。探索性技术预测从今天的某些知识基础开始,面向未来对比。规范的技术预测侧重于创建到期望的预定最终状态的替代技术路径,并评估诸如未来目标,需求和愿望等问题。事实上,目前在计算软件和硬件等不同技术方面正在发生许多变化。因此,需要找到趋势并预测这些技术的未来。技术预测方法可用于识别这些趋势并预测LNCA的未来。目前的工作重点是V2I技术中的匿名通信,提出的协议包括两个有希望的范例,即VFC和VANET,它们将在不久的将来在智能交通系统中迅速崛起。研究与LNCA技术相关的业务视角是将V2I中的VFS匿名认证的可靠安全协议引入现实世界中非常重要的一步。最后,本研究的未来发展将包括对所提出协议的业务前景进行进一步的广泛调查,以及产生一个优于同行的成功产品。