一种新的适用于车载Ad-hoc网络的位置服务机制

提出了一种新的适用于车载Ad-hoc网络的位置服务机制ILSV(道路交叉路口位置服务),该机制充分利用了车载网络环境的特点如存在十字路口,受交通规则约束等,将网络中节点的位置信息分布地存储在位于十字路口的位置服务器上。在大规模城市仿真场景下的仿真结果表明:通过与GLS和HLS相比,ILSV获得了相当高的查询成功率,并且在网络半径很大的情况下具有较优的可缩放性。

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.

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。

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。

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。

智能车载网络中匿名认证与密钥交换协议

智能车载网络是实现智能交通系统的核心,近年来受到学术界越来越多的关注,但车载网络固有的开放性、脆弱性导致其面临许多安全问题。为解决智能车辆与附近RSU之间双向认证和会话密钥的交换以及智能车辆的身份匿名性问题,提出智能车载网络中匿名认证与密钥交换协议。协议中设计了基于身份的数字签名算法,使得智能车辆以身份完全匿名的方式向附近的路边基站单元发送认证信息。当路边基站单元通过认证之后,计算一个消息认证码作为响应信息发送给请求认证的智能车辆,以实现双向认证。此外,在匿名认证的同时还能进行会话密钥的协商,用于后续的安全保密通信。协议是基于身份密码系统设计的,不需要复杂的证书管理。性能评估表明,所提协议能够有效部署在智能车载应用场景。

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。

汽车车载网络信息安全风险评估与防护策略

当前,汽车逐渐变成移动的信息中心,车载网络的安全性变得尤为重要。车载网络不仅连接车辆内部的各种传感器和控制系统,还与外部的基础设施、其他车辆甚至互联网直接交互,进而大大增加了潜在的攻击面。因此,加强对汽车车载网络信息安全风险评估与防护策略的研究,不仅可以防止数据泄露,保护用户隐私,还可以确保车辆的正常运行和乘客的安全。该文介绍汽车车载网络信息安全基础,分析汽车车载网络信息安全风险识别与评估,并提出汽车车载网络信息安全防护策略,以提升汽车车载网络系统的整体安全防护能力,保障汽车的安全运行。

基于Reactor模型的列车车载安全计算机网络通信系统优化研究

为满足列车网络数据传输的高实时性要求,探讨从车载安全计算机网络通信系统软件层面对数据传输的实时性进行优化。基于Reactor模型,利用操作系统的I/O多路复用机制,将车载安全计算机网络通信系统中的I/O事件、定时事件、信号事件的调用接口进行融合统一,简化应用层调用的复杂度;使用带有优先级的事件队列存储已激活事件,根据已激活事件的优先级动态调整线程池中工作线程的优先级,利用强实时操作系统的任务优先级抢占调度策略保证高优先级事件被优先执行;设计一种线程池水位动态扩容机制,保证高优先级事件始终被优先处理,避免出现事件优先级反转;设计一种线程池水位动态减少机制,高效管理线程池容量,避免出现线程池容量偏大浪费系统资源,或线程池容量偏小导致增加重复创建线程开销。

轨道交通车载控制系统时间敏感网络应用研究

目前,轨道交通车载控制系统普遍使用相对低速的列车控制总线作为车内设备实时数据传输媒介,使用不具备实时性的普通以太网作为非实时数据传输媒介。随着技术不断发展,基于IEEE802.1的时间敏感网络(TSN)工作组提出了一系列新标准,用于在以太网媒介上实现同时传输实时数据和非实时数据。

基于离散时间贝叶斯网络的CBTC车载设备可靠性分析

基于通信的列车控制系统(CBTC)车载设备用于实现列车安全防护和自动运行,其可靠性直接关系到列车的运行安全和效率。针对设备运营过程中的动态失效问题,基于离散时间贝叶斯网络(DTBN)对CBTC车载设备可靠性进行分析。首先,在分析CBTC车载设备功能结构的基础上构建系统动态故障树模型,基于动态故障树模型与DTBN模型的转换规则以及DTBN逻辑门条件概率表,建立基于DTBN的可靠性分析模型;其次,通过DTBN的正向推理实现CBTC车载设备的可靠度评估;最后,通过DTBN的反向推理及重要度计算,实现CBTC车载设备薄弱环节分析及重要度排序。结果表明:ATP子系统中输出继电器板、输出板等是CBTC车载设备最薄弱的板卡级设备,需重点关注。该方法能为CBTC车载设备的可靠性分析提供依据,有效提升系统智能运维水平。

基于动态异构冗余架构的车载网络内生安全机制

针对车载网络通信报文容易被捕获重放的问题,该文提出一种基于动态异构冗余(DHR)架构的车载网络内生安全机制(ESM-VN)。首先,对车载网络重放攻击进行建模分析,总结重放攻击依赖的车载网络特征;然后结合网络空间内生安全理论,设计车载网络通信报文动态异构冗余的实现机制,通过拟态裁决和负反馈机制实现攻击感知与主动防御的协调统一。实验结果表明,相比于传统车载网络防御方法,该文所提机制能够在至少降低50%报文响应时延的同时,有效提高车载网络对重放攻击的防御能力。

车载时间敏感网络链路冗余调度性能分析

TSN协议中802.1CB协议是保障车载以太网网络可靠性的重要角色,其通过链路冗余确保报文的稳定传输,而不同冗余链路间的传输特性不一致可能会对后续流量调度产生影响,因而需要探讨链路冗余对调度性能影响。本文从汽车网络拓扑冗余结构出发,分析了冗余协议和调度协议的关联性,并探讨了链路冗余对802.1Qbv分时调度机制以及802.1Qch循环队列与转发机制的影响。最后本文构建了链路冗余调度性能评价模型,并基于OMNeT++平台和实物验证平台,对上述影响进行仿真验证。结果表明链路冗余产生的冗余流量抵达间隔和链路跳数差异分别对802.1Qbv和802.1Qch有显著影响,另外需要关注冗余拓扑中网桥端口速率变化所带来的影响。

无人机协同车载边缘网络中任务卸载策略

随着智能车辆配备越来越多的传感器,从而产生爆炸式增长的传感数据,给车载通信和计算带来了严峻挑战。另外,现代道路布局呈现出三维结构,传统的车联网系统架构无法实现全覆盖和无缝计算。对此,提出一种面向第六代通信技术(sixthgeneration,6G)场景的无人机协同车载边缘网络任务卸载策略。通过车辆和无人机构建灵活智能的车载边缘计算网络,为时延敏感、计算密集型车载任务提供三维边缘计算服务,保障海量车载传感数据及时地处理和融合,最后基于强化学习算法思想,获取网络中最优任务卸载策略。

基于卷积神经网络的车载数字孪生持续认证方案

为了解决无人驾驶通信过程中存在的车辆身份合法性问题,提出了一种基于卷积神经网络(CNN)的车载数字孪生持续认证方案进行车辆身份合法性验证。具体来说,数字孪生获取车辆传感器收集的数据,用于训练部署在数字孪生上的CNN,然后执行主成分分析为分类器选择合适的典型特征。利用CNN提取的特征,在注册阶段训练一类支持向量机(OC-SVM)分类器,在认证阶段进行数据分类,进而将当前车辆验证为合法或者恶意车辆。仿真结果表明,所提方案在性能和准确率方面优势突出并优于现有方案。

智能网联汽车车载网络异常检测技术研究

智能网联汽车(Intelligent Connected Vehicle,ICV)是汽车、电子、信息通信等行业深度融合的新型产业形态,网络安全是智能网联汽车面临的关键问题。文章介绍智能网联汽车车端系统的整体架构,指出其面临的主要安全攻击,并着重探讨异常检测技术在智能网联汽车中的应用,包括基于设备指纹、参数监测、信息论、人工智能和混合等方法,最后,指出车载网络异常检测技术未来可能的发展趋势。