【摘要】：隨著車(chē)載網(wǎng)的快速發(fā)展,WIFI技術(shù)的廣泛應(yīng)用,車(chē)輛在行駛過(guò)程中與路邊接入點(diǎn)(Access Point,AP)進(jìn)行數(shù)據(jù)通信變得越來(lái)越容易。同時(shí),如果敵人把惡意AP部署在移動(dòng)的車(chē)輛上,由于惡意AP車(chē)輛的移動(dòng)性,它可以長(zhǎng)時(shí)間的保持在用戶周?chē)?并且這種惡意AP在客戶端看來(lái)會(huì)擁有更強(qiáng)大的信號(hào)強(qiáng)度,更容易使用戶受騙上當(dāng),因此敵人會(huì)有更多時(shí)間利用各種攻擊手段去竊取用戶的隱私信息。針對(duì)這種車(chē)載惡意AP的特點(diǎn)和危害性,本文提出了一種基于信號(hào)強(qiáng)度(RSSI)的判別惡意AP的方法。主要研究成果及貢獻(xiàn)如下:(1)RSSI值非常容易受到周?chē)h(huán)境的干擾,為了優(yōu)化RSSI的采樣值,本文利用高斯模型去消除RSSI誤差較大的部分,并且使用優(yōu)化加權(quán)的方法取得最終值,與均值模型相比,優(yōu)化加權(quán)高斯模型具有更小的誤差。(2)針對(duì)車(chē)載網(wǎng)中不斷變化的周?chē)h(huán)境,提出了基于RSSI與距離映射的測(cè)距算法,該算法把傳統(tǒng)單一RSSI與距離的一對(duì)一的關(guān)系轉(zhuǎn)變?yōu)镽SSI與距離的一對(duì)多的關(guān)系,利用一對(duì)多的映射關(guān)系,實(shí)現(xiàn)更適合車(chē)載網(wǎng)環(huán)境的測(cè)距算法,該算法在50米以?xún)?nèi),90%以上可以達(dá)到誤差在2米內(nèi),測(cè)距誤差達(dá)到了3.98%。(3)利用提出的基于RSSI值的測(cè)距算法,本文提出一種實(shí)用性的判別惡意AP的算法,該算法基于RSSI值與GPS位置信息,用戶可以驗(yàn)證RSSI值是否匹配AP廣播的位置,從而實(shí)現(xiàn)對(duì)惡意AP的判別。實(shí)驗(yàn)結(jié)果表明,該算法能夠有效地識(shí)別道路上的車(chē)載惡意AP。(4)基于本文的測(cè)距算法,提出一種基于相對(duì)定位的判別惡意AP的算法,用戶只需利用自身接收的一系列RSSI值就能夠?qū)P的位置進(jìn)行相對(duì)定位,如果惡意AP被定位在用戶行駛的車(chē)道上,就判定其為惡意AP。實(shí)驗(yàn)表明,基于RSSI的相對(duì)定位算法誤差在5米以?xún)?nèi),能夠滿足對(duì)車(chē)載惡意AP進(jìn)行判別的需求。
[Abstract]:With the rapid development of vehicle-borne network and the wide application of WiFi technology, the data communication between vehicle and Access Point AP becomes more and more easy. At the same time, if the enemy deploys a malicious AP on a mobile vehicle, it can stay around the user for a long time because of the mobility of the malicious AP vehicle, and the malicious AP will have a more powerful signal strength in the client's view. It is easier to deceive the user, so the enemy will have more time to steal the user's privacy information by all kinds of attacks. Aiming at the characteristics and harmfulness of this vehicle malicious AP, this paper presents a method based on signal strength (RSSI) to identify malicious AP. The main research results and contributions are as follows: (1) the RSSI value is easily disturbed by the surrounding environment. In order to optimize the sampling value of the RSSI, the Gao Si model is used to eliminate the large error part of the RSSI, and the final value is obtained by the optimization weighting method. Compared with the mean value model, the optimized weighted Gao Si model has less error. (2) aiming at the changing surrounding environment in the vehicle network, a distance measurement algorithm based on RSSI and distance mapping is proposed. In this algorithm, the one-to-one relationship between single RSSI and distance is transformed into the one-to-many relationship between RSSI and distance, and the ranging algorithm is more suitable for vehicle network environment by using one-to-many mapping relationship. The error of the algorithm can reach more than 90% within 50 meters, and the ranging error can reach 3.98. (3) by using the RSSI based ranging algorithm, a practical algorithm for identifying malicious AP is proposed in this paper. The algorithm is based on the RSSI and GPS location information. The user can verify whether the RSSI value matches the broadcast position of AP so as to realize the discrimination of malicious AP. The experimental results show that the algorithm can effectively identify the vehicle malicious APs on the road. (4) based on the ranging algorithm in this paper, an algorithm for identifying malicious AP based on relative location is proposed. The user only needs to use a series of RSSI values to locate the AP. If the malicious AP is located in the driveway of the user, it is determined as malicious AP. The experimental results show that the relative location error based on RSSI is less than 5 meters, which can meet the requirement of identifying malicious AP in vehicle.
【學(xué)位授予單位】：黑龍江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：U495;TP309

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 阿依古麗·多來(lái)提;;CDMA系統(tǒng)RSSI異常分析[J];硅谷;2011年17期

2 彭宇;羅清華;王丹;彭喜元;;一種基于區(qū)間數(shù)聚類(lèi)的RSSI-D估計(jì)方法[J];儀器儀表學(xué)報(bào);2012年03期

3 馮愛(ài)麗;喬鋼柱;曾建潮;;基于信標(biāo)節(jié)點(diǎn)間距離的改進(jìn)RSSI定位算法[J];太原科技大學(xué)學(xué)報(bào);2012年01期

4 高鵬;石為人;周偉;王小剛;李洪兵;;基于圖論模糊聚類(lèi)的室內(nèi)自適應(yīng)RSSI定位算法[J];儀器儀表學(xué)報(bào);2013年09期

5 石欣;印愛(ài)民;陳曦;;基于RSSI的多維標(biāo)度室內(nèi)定位算法[J];儀器儀表學(xué)報(bào);2014年02期

6 鮑喜榮;張立立;張石;;基于RSSI的多維定標(biāo)迭代定位算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年12期

7 孫健;杜永貴;;RSSI-神經(jīng)網(wǎng)絡(luò)在無(wú)線傳感網(wǎng)絡(luò)定位中的應(yīng)用[J];科學(xué)技術(shù)與工程;2013年06期

8 朱劍;趙海;孫佩剛;畢遠(yuǎn)國(guó);;基于RSSI均值的等邊三角形定位算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年08期

9 王曉旭;劉金桂;;基于RSSI測(cè)距的室內(nèi)三維定位算法[J];自動(dòng)化技術(shù)與應(yīng)用;2011年07期

10 丁承君;柳瑛;段萍;付勝梁;;基于RSSI-錨圓算法的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)自定位研究[J];河北工業(yè)大學(xué)學(xué)報(bào);2012年04期

相關(guān)會(huì)議論文 前9條

1 王久勇;莊毅;顧晶晶;歐陽(yáng)健;;一種基于RSSI的實(shí)時(shí)定位算法的研究[A];2008’“先進(jìn)集成技術(shù)”院士論壇暨第二屆儀表、自動(dòng)化與先進(jìn)集成技術(shù)大會(huì)論文集[C];2008年

2 陳振柳;;C網(wǎng)基站RSSI異常及天線解調(diào)鎖定不平衡故障的處理[A];海南省通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集（2006）[C];2006年

3 姚小建;施偉斌;;采用RSSI判選方式的多基站接收系統(tǒng)[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

4 蔡優(yōu)筆;王建中;;基于搜索的RSSI節(jié)點(diǎn)定位算法[A];浙江省信號(hào)處理學(xué)會(huì)2011學(xué)術(shù)年會(huì)論文集[C];2011年

5 田寧;;基于參數(shù)優(yōu)化改善Ev-Do網(wǎng)絡(luò)RSSI問(wèn)題研究[A];2013年中國(guó)通信學(xué)會(huì)信息通信網(wǎng)絡(luò)技術(shù)委員會(huì)年會(huì)論文集[C];2013年

6 ;A New Distributed Localization Algorithm for ZigBee Wireless Networks[A];2009中國(guó)控制與決策會(huì)議論文集（3）[C];2009年

7 劉靜;高慶華;金明錄;;基于RSSI的無(wú)線傳感器網(wǎng)絡(luò)分布式定位算法[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

8 林少然;劉少龍;陳志龍;;淺談CDMA直放站對(duì)基站的RSSI噪聲影響[A];中國(guó)通信學(xué)會(huì)通信建設(shè)工程技術(shù)委員會(huì)2010年年會(huì)論文集[C];2010年

9 周先超;;淺析CDMA網(wǎng)絡(luò)中的干擾[A];武漢市第二屆學(xué)術(shù)年會(huì)、通信學(xué)會(huì)2006年學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)碩士學(xué)位論文 前10條

1 梁德殨;基于RSSI測(cè)距的室內(nèi)定位跟蹤技術(shù)研究[D];遼寧大學(xué);2015年

2 李宗殟;基于RSSI和地磁場(chǎng)特征融合的室內(nèi)定位算法設(shè)計(jì)與研究[D];南京理工大學(xué);2015年

3 施賽杰;基于WSN的煤礦井下安全監(jiān)測(cè)系統(tǒng)研究與設(shè)計(jì)[D];寧夏大學(xué);2015年

4 張起輝;結(jié)合RSSI的定位策略研究與滑坡應(yīng)用[D];江西理工大學(xué);2015年

5 李延;基于RSSI測(cè)距的室內(nèi)定位技術(shù)研究[D];中南林業(yè)科技大學(xué);2015年

6 張文學(xué);基于WiFi的RSSI指紋定位算法研究[D];電子科技大學(xué);2015年

7 黃俊;基于RSSI的室內(nèi)無(wú)線定位算法研究[D];西南科技大學(xué);2015年

8 徐效雷;提高煤礦井下RSSI測(cè)距精度的方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

9 李論;基于RSSI的煤礦巷道高精度定位算法研究[D];中國(guó)礦業(yè)大學(xué);2015年

10 陳姣;基于RSSI測(cè)距的WiFi室內(nèi)定位技術(shù)研究[D];西南科技大學(xué);2015年

，

本文編號(hào)：2126978