车载自组织网络(VANETS)关联网络编码协作中继算法研究

在车载自组织网络(VANETS)中,高效的数据分发一直是研究热点之一。为通过关联网络编码的协作中继有效地进行数据转发,将网络编码技术通过对传输数据进行网络编码并即时解码的方式应用于车辆之间通信,以提高数据分发效率。该算法与传统的直接传输与中继传输方法相比,有效减少了数据分发延迟,提高了数据分发效率和无线传输中的信道利用率。

基于多域冗余的车载时间敏感网络时间同步增强方法

构建高可靠性的时间同步系统是车载通信应用领域的一项重要挑战。介绍车载时间敏感网络的时间同步机制以及多域冗余特性,并对采用多域时间同步实现链路冗余的方法进行简要分析。在明确指出多域时间选择的关键问题后,建立时间误差分析数学模型,用于深入分析误差来源。基于该模型,提出一种多域时间同步协议栈系统架构,并设计交替同步域选择算法和基于时间窗的最小跳数优先域选择算法。此外,借助网络仿真平台构建仿真实验环境,对所提设计和算法进行评估。仿真实验结果表明,所提算法不仅确保链路冗余,而且可以有效提高时间同步的性能。

一种随机森林增强的车载容迟网络路由算法

针对车载容迟网络(Vehicular Delay Tolerant Network,VDTN)中车辆节点高速移动造成的通信链路不稳定性问题,利用车辆节点的移动模式,提出了一种随机森林增强的VDTN路由算法.首先,引入与车辆节点运动相联系的属性并利用动态相遇奖励机制对车辆节点进行分类,以此构建初始随机森林模型.接着,从决策树的分类性能和多样性两个方面优化模型,选择分类性能好、多样性高的决策树构造改进的随机森林模型,其中,决策树的分类性能和多样性分别根据每棵树分类错误率及相应的惩罚权重和由不合度量定义的决策树之间的相似度来衡量.最后,根据改进的随机森林模型提出新的VDTN路由算法.仿真实验证明,所提出的路由算法能显著提高消息的投递率,降低消息的投递时延,从而验证了其有效性.

面向停泊车辆的车载自组织网络(VANET)高效数据分发方案

针对VANET车辆节点的高移动性、间歇连通性等独特性质,提出了一种面向停泊车辆的VANET高效数据分发方案。利用路边停泊车辆缓冲并执行数据分发,同时还提出了一种便于分发数据报文至路边停泊车辆的路由方案,并将发布/订阅方案引入到最后阶段的数据分发。理论分析和仿真比较结果表明面向停泊车辆的数据分发方案的优越性,即该方案能以较低网络开销和合理延迟实现更高数据传送率。

基于网络编码的VANETs高效数据分发策略

在车载自组织网络(VANETs)中,由于网络环境不稳定,路侧单元(RSU)无法将数据快速、高效、可靠地分发给车辆。针对该问题,提出一种基于网络编码技术的RSU多播重传算法。在RSU多播第1阶段结束后,综合车辆的位置信息、速度、行驶方向以及数据有效性等多重特征,求解最优网络编码组合,多播该组合构造的编码包,以提高数据分发效率。实验结果表明,该算法与不编码和随机线性网络编码重传算法相比,平均数据下载率提高4倍,平均下载时延减少90%,数据分发时延分别减少40%和20%,提升了VANETs中数据分发的性能。

基于MobileViT轻量化网络的车载CAN入侵检测方法

车载控制区域网络(controller area network,CAN)总线因缺少安全措施而易被攻击,因此入侵检测系统(intrusion detection system,IDS)在保护车载CAN总线免受网络攻击中发挥着重要作用.现有基于深度学习的车载CAN总线入侵检测方法存在资源开销大和延迟较高的问题.为减少检测延迟,提高检测率,提出一种利用改进的轻量化MobileViT模型对车载CAN总线进行入侵检测的方法.首先,将攻击流量可视化为彩色图,再使用GELU替换MobileViT的MV2模块中常规ReLU6,从而作为该模块的激活函数,可有效解决神经元死亡问题,提升模型收敛速度.使用指数衰减自动更新学习率,并通过迁移学习加速训练过程实现对彩色图分类,从而达到对入侵行为的检测.基于CAR-HACKING DATASET数据集的实验表明,改进后的MobileViT在消耗较少算力的情况下对入侵行为的检测准确率为100%,模型参数仅为2.12 MB,平均响应时间仅为1.6 ms,节省了训练资源,并保证了检测的准确率.

车载自组织网络(VANET)综述

车载自组织网络是未来智能交通系统的重中之重。车载自组织网络具有节点数量大、高速运动、沿路径移动以及受通信质量受环境影响大等特性。因此其网络体系结构与通用的无线自组织网络有很大区别。

基于移动模型的VANETs网络动态拓扑特征研究

采用复杂网络理论研究VANETs网络动态拓扑结构特性,以基于车辆换道功能的智能驾驶移动模型为基础,应用Vanet Mobi Sim仿真软件建立了车辆交通网络,详细分析了VANETs网络瞬时拓扑特征及平均度、聚类系数和调和平均最短路径长度等复杂统计参数随时间的变化特征。通过仿真实验发现VANETs网络动态拓扑不具有无标度属性,只在特定条件下才呈现小世界网络的特征。

基于CBAMTL-MobileNet V3的车载网络入侵检测

提出了一种基于CBAMTL-MobileNet V3的车载网络入侵检测方法。该方法使用轻量级模型MobileNet V3,减少其层数加快模型的训练和检测速度;将模型中的SE模块置换为注意力模块(CBAM)使模型更聚焦于特定特征,提高特征提取能力,进而提高检测攻击的精确度;引入迁移学习对模型权重进行微调,减少参数和内存资源的消耗,缩短了训练时间,使模型表现出更快的运算速度。仿真结果表明:所提模型的各项检测指标都优于MobileNet V3模型。与其他模型相比,所提模型既具备轻量级模型的高效性,同时又高于其他复杂模型的检测精度,识别各类别攻击的性能最优。

车载自组网络下基于量子随机数的高效组密钥分发方案

针对车载自组网络近场通信中密钥分发通信开销大、安全性低的问题,本文提出了一种基于量子随机数的高效量子组密钥分发方案。在该方案中:(1)通过车端和云端的量子随机数共同生成车辆的匿名凭证,并采用零知识证明方式实现车辆与路端的身份互认,保护了车辆隐私;(2)通过一种两段式的组密钥,即路端和云端的两个关键参数实现了组密钥的更新。组密钥在保证前向安全和后向安全的前提下,信令开销减少了一半,大大缩短了组密钥下发时间。最后,通过安全性和性能分析证明了该方案的安全性。

车载自组织网络中格基签密的可认证隐私保护方案

针对车载自组织网络(VANET)中用户的隐私泄露和信息传输过程中的安全认证问题,提出一种VANET中格基签密的可认证隐私保护方案。首先,消息发送方利用接收方的公钥对消息进行签密,只有拥有私钥的接收车辆才能解密出消息,以保证消息内容在传输过程中只对授权用户可见;其次,车辆接收方解密出消息后,利用单向安全的哈希函数计算消息的哈希值,并判断是否与签密过程中的哈希值相等,实现对消息的认证;最后,采用快速数论变换(NTT)算法降低格中环上多项式乘法的计算开销,提高方案的计算效率。在随机预言机模型下证明了所提方案在适应性选择密文攻击下具有不可区分性,在适应性选择消息攻击(IND-CCA2)下具有强不可伪造性。此外,所提方案的安全性基于格上困难问题,可以抵抗量子算法攻击。仿真实验结果表明,与同类具有消息认证功能的隐私保护方案以及基于格上困难问题的签名方案相比,所提方案的通信时延至少减少了10.01%,消息丢失率至少减小了31.79%,通信开销至少减少了31.25%。因此,所提方案更适用于资源有限的VANET环境。

无人车载网络高可靠HUB的设计

为满足无人车技术的不断发展及日趋复杂的车载网络带来的高带宽和高可靠性的使用要求,设计一种车载网络集线器(HUB)。采用时间触发协议(TTP),设计时间触发以太网(TTE)加星型TTP总线的架构。TTE提高数据带宽,在物理层与驱动设备采用点对点的连接方式代替总线型通信方式,提高可靠性,解决总线型通信方式一点断开,整体通信失效的问题。针对HUB的设计做详细阐述,通过实验验证了设计的可行性和可靠性,对车载网络的优化提供了可行的解决途径。

VANETs中基于分布式TDMA的协作网络编码方法

针对VANETs上行链路应用场景,提出了一种分布式TDMA的协作网络编码通信方法,协作节点利用MIMO_NC技术编码自身业务数据和其它节点传输失败的数据,实现在发送自身业务数据的同时协作重发其它节点传输失败的数据。所提方法利用分布式TDMA内在机制来确认数据传输结果,并采用消息搭载机制交换相关控制信息,避免发送专门的控制分组。理论分析和实验结果表明,所提方法能够显著提高数据接收概率、有效降低数据传输时延和丢包率。

VANET车载网络场景及移动模型的研究

由于VANET网络所处的特殊环境,使得传统的研究方法具有一定得局限性。因此一个好的车载网络场景及移动模型不仅能得到精确的仿真结果来评价路由协议的性能,而且也是预测车辆下一步位置以及做出更有效的路由选择的关键所在。本文对几种车载网络场景以及移动模型进行分析研究,取得较好的结果。

面向车载自组织网络的混合信任管理方案研究

随着智能交通的快速发展,车载自组织网络(VANETs)具有广阔的发展前景,但也面临多种安全威胁。针对车载自组织网络中可能存在的内部攻击者和虚假消息,提出了一种分布式的混合信任管理方案HTMS-V。该方案考虑到车载自组织网络的特性,基于改进的主观逻辑模型结合直接信任和间接信任对网络中的车辆节点进行信任评估,基于节点间的交互记录建立节点间的信任关系;基于节点信任和节点间距离进行消息信任评估,并根据信任评估结果识别网络中的虚假消息和恶意节点。为了验证所提出方案的性能,设计了四种不同的攻击场景,在车辆网络仿真平台Veins上进行对比实验,测试HTMS-V方案在各种攻击场景下的表现。实验结果表明,HTMS-V方案能有效抵抗车载自组织网络中的各种攻击,在40%恶意节点率的情况下仍能识别大部分虚假消息和恶意节点,且HTMS-V方案的表现明显优于由主观逻辑模型和基于距离的加权投票构成的基线方案。

基于CPN的车载网络无证书匿名认证和密钥协商方案研究

为了解决现有车载网络的认证方案中普遍存在密钥托管带来的缺陷,以及没有考虑计算受限电子控制单元(ECU)轻量级部署和安全快速认证的问题,首先,针对计算不受限的ECU网络,提出了一种无双线性配对的轻量级无证书匿名认证和密钥协商方案,该方案通过椭圆曲线密码体制安全构建认证密钥对,通过哈希函数和异或等轻量级方法实现匿名认证和密钥协商。然后,针对计算受限的ECU网络,提出了一种无证书批量验证方案来降低认证成本。最后,提出了一种基于有色Petri网(CPN)和Dolev-Yao攻击者模型的安全验证方法,对整体方案进行形式化安全性评估。安全评估和性能分析表明,所提方案能有效抵抗重放、伪装、篡改、已知密钥、已知特定会话临时信息攻击等多种不同类型的攻击,在保证多重安全属性的同时有较小的计算与通信成本。

车载毫米波网络中IRS辅助的多跳V2V链路选择

多跳车辆与车辆(V2V)通信可以有效改善车载毫米波网络的连通性和覆盖范围,但是多跳转发会带来时延开销。智能反射面(IRS)可以提供反射增益以补偿远距离传输的高路径损耗,从而增加单跳传输距离,减少转发跳数。利用IRS辅助多跳V2V通信,能够减少转发跳数,降低时延开销。针对现有链路选择机制大多忽略转发车辆之间资源和信号冲突的问题,为车载毫米波网络中IRS辅助的多跳V2V通信提出一种基于向前转发效率和空间复用时分多址接入(FE-STDMA)的链路选择机制。综合转发距离、链路质量和传输时间评估候选链路的向前转发效率,将其作为链路选择的依据。在链路选择中利用空间复用实现并发传输,通过时分接入缓解转发资源冲突问题,从而最大化网络资源利用率。仿真结果表明,FE-STDMA机制的多跳时延相比于NFP机制平均降低49.88%,交付率远高于MFR和RFP机制,相比于NFP机制平均提高11.11%。与常用链路选择机制相比,FE-STDMA机制可在保证交付率的同时大幅改善多跳时延。

基于边缘计算的车载网络数据异常检测系统

随着车载网络闭环系统的打破,遭受可能攻击的风险越来越大。智能驾驶、辅助驾驶本身会使车载计算单元的负载较重,在车内采用异常检测算法将愈发占用车内资源、加重计算单元负载。因此,我们设计了一种基于边缘计算的车载网络数据异常检测系统,将异常检测转移到边缘服务器上进行,以减少车载网络的负担。利用智能小车、边缘服务器等软硬件平台,搭建车载网络异常检测原型系统,设计基于支持向量机异常检测模型,使用真车数据进行模型训练以及异常检测模拟;并使车辆与边缘服务器进行数据传输,得到车辆运行时的异常信息,维护车辆正常行驶。

基于联盟区块链的车载网络能源交易方法

针对车载网络中能源交易过程不可信和不透明等安全和隐私保护问题,提出了一种基于联盟区块链技术的车载网络能源交易方法。通过分析车载网络中路侧单元(Road Side Unit,RSU)与车辆点对点的传输方式,实现车辆节点之间形成联盟共识区块,进而彼此间交易能量,以实现最大化能源交易任务收益,通过鼓励车辆参与能源交易,以智能合约分析车辆参与车载网络能源交易的意愿,满足需放电能源需求,提高能源效率,实现安全、可信的车载网络能源交易过程。

融合BERT与迁移学习的车载CAN网络自适应入侵检测

为了提高分布式车载电子控制单元(ECU)的通信安全,提出了基于BERT和迁移学习的无监督自适应入侵检测系统。利用自然语言模型BERT学习控制器局域网(CAN)总线中标识符序列特征,将掩码语言模型作为训练目标,进行无监督异常检测,并结合迁移学习完成不同车型的数据训练。在大规模CAN数据集上的试验结果表明:该检测系统对拒绝服务(DoS)、模糊和欺骗攻击的检测精度分别达到100%、99.99%和99.97%,能够通过模型微调实现对新车型的自适应检测。