车联网位置服务中的伪节点检测算法研究

发布时间：2021-02-01 17:22

　　由于快速发展的移动互联网,车联网中的位置服务技术得到了广泛应用。然而,车联网中以自组织的方式相互报告交通信息的车辆为主,在这种复杂的网络环境下,有些内部车辆节点可能会发送异常的交通信息来干扰其他车辆节点的正常行为。因此,从发起这种攻击节点的行为对车联网安全的影响可以看出,车辆节点通过破坏路由或毁坏数据,威胁着车联网的安全,更为严重时可能会造成驾驶者的人身安全和财产损失。为此,针对车联网伪节点检测问题,在借鉴已有的研究基础上,基于车联网研究伪节点检测特征,基于交通信息构建车联网伪节点检测模型,基于动态信誉值设计车联网伪节点检测算法。具体研究工作如下:1.为了完善车联网伪节点行为特征,设计了车联网中多种节点的双层检测特征参数。首先归纳了车联网中常见的节点类型,将其分为正常节点、不合作节点和恶意攻击节点,然后设计了四元组描述方法对车联网中的常见各类节点进行定性描述,最后分析了多种类型的车联网节点的行为特征及关联性,设计了包含车联网感知层和网络层的双层检测特征参数,同时构建了关联检测验证了其在正确率和计算时间上的有效性。2.为了使车联网伪节点检测模型更加合规,构建了基于交通信息的车联网伪节点检... 

【文章来源】：兰州理工大学甘肃省

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

正确率和计算时间的变化情况

车联网位置服务中的伪节点检测算法研究34表5.1仿真主要参数类别参数名称参数取值网络场景车辆通信半径/m300mMAC层协议802.11p仿真时间1000s交通场景仿真区域车道数目1000m×1000m6节点数目200伪节点数目20车辆速度20~60km/m交通信息数目10条/辆交通信息检测算法SVM、朴素贝叶斯、决策树信誉阈值0.55.4.2实验结果与分析首先，依次算出该节点在50s、100s、150s、200s、250s、300s等仿真各个时间段的的信誉值，两个合法节点和伪节点的信誉值变化情况如图5.4所示。图5.4节点信誉值对比图结果显示，合法节点信誉值随着时间的推移呈上升趋势，当仿真时间在300s时节点信誉值达到了0.78左右，高于信誉值的阈值；而伪节点信誉值随着时间的推移呈下降趋势，同时在仿真时间为300s时信誉值下降到0.18左右，低于阈值

硕士学位论文350.5。由此可以看出，FNDA-IoV算法能够将信誉值低于阈值的伪节点检测出来。然后，对检测开销和准检率进行仿真分析，结果如图5.5所示。衡量对伪节点进行检测时所需的检测时间是检测开销，检测开销对比结果如图a)所示，从图中可以看出随着每辆车辆发布或转发的交通信息数目的增加，对伪节点的检测时间也逐渐在增加，这是因为对车辆发布或转发的交通信息检测是需要时间的，待检测交通信息越多，所需的检测时间也就越长。但是对于非线性和高维数据，SVM具有良好的识别和泛化能力，因此更加适用于车联网中的交通信息识别与分类，所以FNDA-IoV算法采用SVM对交通信息进行检测，虽然在检测开销上也逐渐呈上升趋势，但是比采用决策树和朴素贝叶斯设计的车联网伪节点检测算法略低。检测算法能够准确检测出伪节点的概率称为准检率，对比的结果如图b)所示，每辆车辆随着发布或转发的交通信息数目的增加，准检率逐步在增加，这是因为节点发布或转发的信息数目越多对该节点的行为判断就会越准确，同时从图中可以看出，在准检率方面采用SVM设计的车联网伪节点检测算法FNDA-IoV，比采用决策树和朴素贝叶斯设计的车联网伪节点检测算法的整体水平略高。a)检测开销随交通消息数目变化b)准检率随交通消息数目变化图5.5检测开销和准检率随交通消息数目变化综上所述，FNDA-IoV算法可以快速准确的检测出车联网中的内部伪节点，提高了车联网位置服务中的安全性。5.5本章小结本章针对车联网的伪节点攻击，设计了基于动态信誉值的车联网伪节点检测


本文编号：3013146