基于CP-ABE和区块链的车联网匿名身份认证算法

车联网匿名身份认证技术是向用户提供有效服务的基础,能够保证车联网通信过程的安全性。针对现有的匿名身份认证方案在认证效率、计算开销等方面存在的不足,提出了一种基于CP-ABE和区块链的匿名身份认证算法。采用动态属性和静态属性相结合的认证策略,认证机构为车辆分配假名,实现了车联网中的细粒度匿名身份认证,减少冗余认证,提高时间效率,保护用户隐私。同时,结合区块链技术,对认证策略进行管理,防止身份认证过程中认证策略被恶意篡改。实验结果表明,该算法能够实现快速的加解密,满足车联网身份安全、高效认证的需求。     

基于网络编码的车联网数据分发策略

提出一种基于网络编码的车联网数据分发算法.算法没有简单采用传统机会转发方式,而是在转发之前依据车辆的地理位置进行优先级排序,然后将数据包进行网络编码,让每个编码包携带下一跳车辆信息并通过车辆应答实现对下一跳转发车辆的选择,确保了由转发开销最低的下一跳车辆完成数据的转发.同时,给出转发车辆收到的数据包与转发次数的比值,从而确定转发计数器.仿真结果显示,提出的方案能减少不必要的传输行为,有效改善网络性能.     

面向车联网的身份认证资源协同分配算法

【目的】为解决车联网节点身份认证中繁忙区域的密集认证请求导致的处理效率低问题,提出基于自适应管理区域划分的计算资源协同分配算法(adaptive collaborative computing resource allocation algorithm for managing region division, AMRD)。【方法】首先建立一种弹性的身份认证辅助架构,根据认证流程将认证角色分为请求者、处理者和管理者;然后,针对管理者的计算任务负载不平衡问题,提出一种管理区域划分算法,根据上一时隙所有请求者的任务平均响应时延调整管理者管理区域,并将满足空余计算资源要求的处理者作为临时管理者,以提高认证效率;最后,将管理者的计算资源分配表述为一个优化问题,利用自适应算法为调整后的管理者分配计算任务。【结果】与目前3种主流资源协同分配算法相比,AMRD的资源利用率分别提高18.8%、20.2%和144.6%,平均任务响应时延分别降低17.6%、24.0%和29.5%,任务成功率分别提高4.2%、6.5%和20.7%。【结论】本研究结果可为车联网场景下实现高时效通信提供参考。     

网络物理融合下基于随机博弈的车联网网络安全可靠性分析

交通事故已经成为威胁人民生命和财产安全的社会公害之一,车联网(Internet of Vehicles, IoV)作为能够有效增加道路安全的新兴技术,在道路交通安全防控方面扮演着至关重要的角色,在广泛应用的同时也面临着严峻的网络攻击挑战.为分析IoV系统可靠性对道路安全水平的影响,设计了基于马尔可夫过程的双人随机博弈模型,将受到攻击的IoV系统分为渗透阶段、破坏阶段与主动恢复阶段,基于IoV系统受攻击后的状态转移过程,研究了攻击者和防御者之间动态交互的影响及状态之间的级联关系.将IoV系统的安全部署成本划分为相互依赖的网络层和物理层两部分,在无法完全了解模型参数的情况下通过Minimax-Q算法预测攻击者行为,探究防御成功率与网络安全部署成本对攻击者策略的影响,评价了不同攻击策略下的系统可靠性(车辆系统平均失败时间、车辆系统稳态可用性和道路信息稳态机密性),并构建了车联网环境下的道路交通安全综合指标,探析了IoV系统网络安全对道路交通安全水平的影响.研究结果表明：(1)在渗透阶段,相比于网络层,物理层安全部署成本的变化对攻击策略的影响更为显著,在破坏阶段则呈相反趋势.(2)在应用受损状...     

基于随机森林的车载CAN总线异常检测方法

针对目前车载网络的信息安全问题, 在控制器局域网(CAN)总线异常检测方法的基础上, 提出一种基于随机森林模型的CAN总线报文异常检测方法. 首先用采集的大量正常和异常报文数据构造随机森林模型, 并进行一系列的参数调整; 然后将待检测的CAN总线报文输入到对应ID的随机森林模型中; 最后通过模型完成报文正常或异常的分类. 仿真实验结果表明, 该模型能有效检测出总线上的异常数据, 提升了汽车运行的安全性.     

基于组确认机制的车联网中最佳中继节点的选择

针对特定位置的车辆用户节点和Sink节点,通过选取最佳中继节点来最大限度提高车联网的端到端吞吐量.将上述问题纳入基于组确认机制的车联网模型中,结合数据重传技术及多跳中继技术,提出了最佳中继节点的选择算法OTNS.并借助非线性优化方法来求解,最终确定出车辆用户节点与Sink节点之间的最佳中继的位置,以使得该车辆用户节点与Sink节点间的端到端吞吐量达到最大值.最后通过仿真实验验证了OTNS算法的有效性,结果表明,最佳中继节点的选择方案有利于车联网性能的提高,相比于不使用中继节点,该方案使车联网端到端吞吐量的期望值得到了提高.     

面向车联网边缘计算的智能计算迁移研究

为了满足车联网中车载任务所面临的服务迁移时间优化与边缘设备的资源负载优化需求,提出了一种面向车联网边缘计算的智能计算迁移方法(intelligent computing offloading method, ICOM).首先构建了车联网边缘计算系统资源模型、执行时间模型、边缘设备负载均衡模型;然后利用非支配排序遗传算法(non-dominant sorting genetic algorithm,NSGA-II)实现了对车载计算任务的迁移时间和边缘设备的负载均衡进行联合优化,从而为车载计算任务找到有效的计算迁移策略;最后根据多目标决策准则(multi-criteria decision making, MCDM)和逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)选择出最优的计算迁移策略.实验结果表明,ICOM方法能够使车载计算任务在期望时间内完成,同时也保证边缘设备的负载均衡.     

基于区块链的车联网群智感知位置隐私保护方法

针对车联网群智感知位置隐私泄露和用户参与任务公平性的问题,提出了一种基于区块链的车联网群智感知位置隐私保护方法(location privacy protection method based on blockchain and crowdsensing, LPPMBC)。将分布式的区块链引入车联网群智感知位置隐私保护方法中,消除第三方服务平台对参与用户数据的控制;通过保序加密和Geohash编码相结合,为参与工人提供多级别的位置隐私保护,确保参与工人位置隐私的保密性;通过Haversine公式进行感知位置验证,防止工人通过非感知区域数据获得非法奖励,保障感知数据的质量。仿真结果表明,LPPMBC能够更好地权衡感知数据质量与工人隐私保护关系,保障用户参与任务的公平性, 提高用户参与任务的积极性。     

MEC架构下基于DDPG的车联网任务卸载和资源分配

为了缓解车联网中个体车辆计算资源配置过低而导致的任务处理时延较大的问题,提出了一种移动边缘计算(mobile edge computing, MEC)架构下的动态任务卸载策略和资源分配方案。以最小化全网任务处理时延为目标,将车联网中的任务卸载和资源分配问题建模为马尔可夫决策过程(Markov decision process, MDP),并利用深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法进行了问题求解。仿真结果表明,与执行者-评价者(actor-critic, AC)和深度Q网络(deep Q-network, DQN)这2种算法相比,DDPG算法以最快的算法收敛特性获得最小的全网任务处理时延。     

基于技术接受模型的生态驾驶诱导辅助系统认知接受度

融合技术接受模型和信息系统成功模型框架,设计了李克特7级量表问卷,探究了不同驾驶场景下驾驶员对生态驾驶诱导辅助系统的使用意愿和对诱导信息的认知偏好。研究表明,驾驶员倾向于接受以语音形式警示非生态驾驶行为的诱导信息类型。在城市道路上,提高诱导辅助系统的感知有用性和感知易用性有助于提高驾驶员对系统的接受度。在城市快速路上,诱导辅助系统的感知有用性和感知易用性仅对高峰场景下的驾驶员使用意愿有显著正向影响,平峰场景下影响驾驶员使用意愿的具体因素仍需在未来诱导实验中深入探究。