由于快速發(fā)展的移動(dòng)互聯(lián)網(wǎng),車聯(lián)網(wǎng)中的位置服務(wù)技術(shù)得到了廣泛應(yīng)用。然而,車聯(lián)網(wǎng)中以自組織的方式相互報(bào)告交通信息的車輛為主,在這種復(fù)雜的網(wǎng)絡(luò)環(huán)境下,有些內(nèi)部車輛節(jié)點(diǎn)可能會(huì)發(fā)送異常的交通信息來干擾其他車輛節(jié)點(diǎn)的正常行為。因此,從發(fā)起這種攻擊節(jié)點(diǎn)的行為對(duì)車聯(lián)網(wǎng)安全的影響可以看出,車輛節(jié)點(diǎn)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(yán)重時(shí)可能會(huì)造成駕駛者的人身安全和財(cái)產(chǎn)損失。為此,針對(duì)車聯(lián)網(wǎng)偽節(jié)點(diǎn)檢測問題,在借鑒已有的研究基礎(chǔ)上,基于車聯(lián)網(wǎng)研究偽節(jié)點(diǎn)檢測特征,基于交通信息構(gòu)建車聯(lián)網(wǎng)偽節(jié)點(diǎn)檢測模型,基于動(dòng)態(tài)信譽(yù)值設(shè)計(jì)車聯(lián)網(wǎng)偽節(jié)點(diǎn)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(diǎn)行為特征,設(shè)計(jì)了車聯(lián)網(wǎng)中多種節(jié)點(diǎn)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(diǎn)類型,將其分為正常節(jié)點(diǎn)、不合作節(jié)點(diǎn)和惡意攻擊節(jié)點(diǎn),然后設(shè)計(jì)了四元組描述方法對(duì)車聯(lián)網(wǎng)中的常見各類節(jié)點(diǎn)進(jìn)行定性描述,最后分析了多種類型的車聯(lián)網(wǎng)節(jié)點(diǎn)的行為特征及關(guān)聯(lián)性,設(shè)計(jì)了包含車聯(lián)網(wǎng)感知層和網(wǎng)絡(luò)層的雙層檢測特征參數(shù),同時(shí)構(gòu)建了關(guān)聯(lián)檢測驗(yàn)證了其在正確率和計(jì)算時(shí)間上的有效性。2.為了使車聯(lián)網(wǎng)偽節(jié)點(diǎn)檢測模型更加合規(guī),構(gòu)建了基于交通信息的車聯(lián)網(wǎng)偽節(jié)點(diǎn)檢... 

【文章來源】：蘭州理工大學(xué)甘肅省

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

正確率和計(jì)算時(shí)間的變化情況

車聯(lián)網(wǎng)位置服務(wù)中的偽節(jié)點(diǎn)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(luò)場景車輛通信半徑/m300mMAC層協(xié)議802.11p仿真時(shí)間1000s交通場景仿真區(qū)域車道數(shù)目1000m×1000m6節(jié)點(diǎn)數(shù)目200偽節(jié)點(diǎn)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(yù)閾值0.55.4.2實(shí)驗(yàn)結(jié)果與分析首先，依次算出該節(jié)點(diǎn)在50s、100s、150s、200s、250s、300s等仿真各個(gè)時(shí)間段的的信譽(yù)值，兩個(gè)合法節(jié)點(diǎn)和偽節(jié)點(diǎn)的信譽(yù)值變化情況如圖5.4所示。圖5.4節(jié)點(diǎn)信譽(yù)值對(duì)比圖結(jié)果顯示，合法節(jié)點(diǎn)信譽(yù)值隨著時(shí)間的推移呈上升趨勢(shì)，當(dāng)仿真時(shí)間在300s時(shí)節(jié)點(diǎn)信譽(yù)值達(dá)到了0.78左右，高于信譽(yù)值的閾值；而偽節(jié)點(diǎn)信譽(yù)值隨著時(shí)間的推移呈下降趨勢(shì)，同時(shí)在仿真時(shí)間為300s時(shí)信譽(yù)值下降到0.18左右，低于閾值

碩士學(xué)位論文350.5。由此可以看出，F(xiàn)NDA-IoV算法能夠?qū)⑿抛u(yù)值低于閾值的偽節(jié)點(diǎn)檢測出來。然后，對(duì)檢測開銷和準(zhǔn)檢率進(jìn)行仿真分析，結(jié)果如圖5.5所示。衡量對(duì)偽節(jié)點(diǎn)進(jìn)行檢測時(shí)所需的檢測時(shí)間是檢測開銷，檢測開銷對(duì)比結(jié)果如圖a)所示，從圖中可以看出隨著每輛車輛發(fā)布或轉(zhuǎn)發(fā)的交通信息數(shù)目的增加，對(duì)偽節(jié)點(diǎn)的檢測時(shí)間也逐漸在增加，這是因?yàn)閷?duì)車輛發(fā)布或轉(zhuǎn)發(fā)的交通信息檢測是需要時(shí)間的，待檢測交通信息越多，所需的檢測時(shí)間也就越長。但是對(duì)于非線性和高維數(shù)據(jù)，SVM具有良好的識(shí)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(shí)別與分類，所以FNDA-IoV算法采用SVM對(duì)交通信息進(jìn)行檢測，雖然在檢測開銷上也逐漸呈上升趨勢(shì)，但是比采用決策樹和樸素貝葉斯設(shè)計(jì)的車聯(lián)網(wǎng)偽節(jié)點(diǎn)檢測算法略低。檢測算法能夠準(zhǔn)確檢測出偽節(jié)點(diǎn)的概率稱為準(zhǔn)檢率，對(duì)比的結(jié)果如圖b)所示，每輛車輛隨著發(fā)布或轉(zhuǎn)發(fā)的交通信息數(shù)目的增加，準(zhǔn)檢率逐步在增加，這是因?yàn)楣?jié)點(diǎn)發(fā)布或轉(zhuǎn)發(fā)的信息數(shù)目越多對(duì)該節(jié)點(diǎn)的行為判斷就會(huì)越準(zhǔn)確，同時(shí)從圖中可以看出，在準(zhǔn)檢率方面采用SVM設(shè)計(jì)的車聯(lián)網(wǎng)偽節(jié)點(diǎn)檢測算法FNDA-IoV，比采用決策樹和樸素貝葉斯設(shè)計(jì)的車聯(lián)網(wǎng)偽節(jié)點(diǎn)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(zhǔn)檢率隨交通消息數(shù)目變化圖5.5檢測開銷和準(zhǔn)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(zhǔn)確的檢測出車聯(lián)網(wǎng)中的內(nèi)部偽節(jié)點(diǎn)，提高了車聯(lián)網(wǎng)位置服務(wù)中的安全性。5.5本章小結(jié)本章針對(duì)車聯(lián)網(wǎng)的偽節(jié)點(diǎn)攻擊，設(shè)計(jì)了基于動(dòng)態(tài)信譽(yù)值的車聯(lián)網(wǎng)偽節(jié)點(diǎn)檢測


本文編號(hào)：3013146