由于快速發(fā)展的移動互聯(lián)網(wǎng),車聯(lián)網(wǎng)中的位置服務技術得到了廣泛應用。然而,車聯(lián)網(wǎng)中以自組織的方式相互報告交通信息的車輛為主,在這種復雜的網(wǎng)絡環(huán)境下,有些內(nèi)部車輛節(jié)點可能會發(fā)送異常的交通信息來干擾其他車輛節(jié)點的正常行為。因此,從發(fā)起這種攻擊節(jié)點的行為對車聯(lián)網(wǎng)安全的影響可以看出,車輛節(jié)點通過破壞路由或毀壞數(shù)據(jù),威脅著車聯(lián)網(wǎng)的安全,更為嚴重時可能會造成駕駛者的人身安全和財產(chǎn)損失。為此,針對車聯(lián)網(wǎng)偽節(jié)點檢測問題,在借鑒已有的研究基礎上,基于車聯(lián)網(wǎng)研究偽節(jié)點檢測特征,基于交通信息構建車聯(lián)網(wǎng)偽節(jié)點檢測模型,基于動態(tài)信譽值設計車聯(lián)網(wǎng)偽節(jié)點檢測算法。具體研究工作如下:1.為了完善車聯(lián)網(wǎng)偽節(jié)點行為特征,設計了車聯(lián)網(wǎng)中多種節(jié)點的雙層檢測特征參數(shù)。首先歸納了車聯(lián)網(wǎng)中常見的節(jié)點類型,將其分為正常節(jié)點、不合作節(jié)點和惡意攻擊節(jié)點,然后設計了四元組描述方法對車聯(lián)網(wǎng)中的常見各類節(jié)點進行定性描述,最后分析了多種類型的車聯(lián)網(wǎng)節(jié)點的行為特征及關聯(lián)性,設計了包含車聯(lián)網(wǎng)感知層和網(wǎng)絡層的雙層檢測特征參數(shù),同時構建了關聯(lián)檢測驗證了其在正確率和計算時間上的有效性。2.為了使車聯(lián)網(wǎng)偽節(jié)點檢測模型更加合規(guī),構建了基于交通信息的車聯(lián)網(wǎng)偽節(jié)點檢... 

【文章來源】：蘭州理工大學甘肅省

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【部分圖文】：

正確率和計算時間的變化情況

車聯(lián)網(wǎng)位置服務中的偽節(jié)點檢測算法研究34表5.1仿真主要參數(shù)類別參數(shù)名稱參數(shù)取值網(wǎng)絡場景車輛通信半徑/m300mMAC層協(xié)議802.11p仿真時間1000s交通場景仿真區(qū)域車道數(shù)目1000m×1000m6節(jié)點數(shù)目200偽節(jié)點數(shù)目20車輛速度20~60km/m交通信息數(shù)目10條/輛交通信息檢測算法SVM、樸素貝葉斯、決策樹信譽閾值0.55.4.2實驗結果與分析首先，依次算出該節(jié)點在50s、100s、150s、200s、250s、300s等仿真各個時間段的的信譽值，兩個合法節(jié)點和偽節(jié)點的信譽值變化情況如圖5.4所示。圖5.4節(jié)點信譽值對比圖結果顯示，合法節(jié)點信譽值隨著時間的推移呈上升趨勢，當仿真時間在300s時節(jié)點信譽值達到了0.78左右，高于信譽值的閾值；而偽節(jié)點信譽值隨著時間的推移呈下降趨勢，同時在仿真時間為300s時信譽值下降到0.18左右，低于閾值

碩士學位論文350.5。由此可以看出，F(xiàn)NDA-IoV算法能夠將信譽值低于閾值的偽節(jié)點檢測出來。然后，對檢測開銷和準檢率進行仿真分析，結果如圖5.5所示。衡量對偽節(jié)點進行檢測時所需的檢測時間是檢測開銷，檢測開銷對比結果如圖a)所示，從圖中可以看出隨著每輛車輛發(fā)布或轉發(fā)的交通信息數(shù)目的增加，對偽節(jié)點的檢測時間也逐漸在增加，這是因為對車輛發(fā)布或轉發(fā)的交通信息檢測是需要時間的，待檢測交通信息越多，所需的檢測時間也就越長。但是對于非線性和高維數(shù)據(jù)，SVM具有良好的識別和泛化能力，因此更加適用于車聯(lián)網(wǎng)中的交通信息識別與分類，所以FNDA-IoV算法采用SVM對交通信息進行檢測，雖然在檢測開銷上也逐漸呈上升趨勢，但是比采用決策樹和樸素貝葉斯設計的車聯(lián)網(wǎng)偽節(jié)點檢測算法略低。檢測算法能夠準確檢測出偽節(jié)點的概率稱為準檢率，對比的結果如圖b)所示，每輛車輛隨著發(fā)布或轉發(fā)的交通信息數(shù)目的增加，準檢率逐步在增加，這是因為節(jié)點發(fā)布或轉發(fā)的信息數(shù)目越多對該節(jié)點的行為判斷就會越準確，同時從圖中可以看出，在準檢率方面采用SVM設計的車聯(lián)網(wǎng)偽節(jié)點檢測算法FNDA-IoV，比采用決策樹和樸素貝葉斯設計的車聯(lián)網(wǎng)偽節(jié)點檢測算法的整體水平略高。a)檢測開銷隨交通消息數(shù)目變化b)準檢率隨交通消息數(shù)目變化圖5.5檢測開銷和準檢率隨交通消息數(shù)目變化綜上所述，F(xiàn)NDA-IoV算法可以快速準確的檢測出車聯(lián)網(wǎng)中的內(nèi)部偽節(jié)點，提高了車聯(lián)網(wǎng)位置服務中的安全性。5.5本章小結本章針對車聯(lián)網(wǎng)的偽節(jié)點攻擊，設計了基于動態(tài)信譽值的車聯(lián)網(wǎng)偽節(jié)點檢測


本文編號：3013146