基于强化学习的车联网安全技术研究

发布时间：2021-02-19 23:48

　　车联网传输交通控制信息,事故警告,车辆定位等安全敏感性信息。若被恶意干扰、篡改或窃听,可能造成隐私泄露,通信中断甚至失去车辆的控制权,造成严重的经济损失和社会影响。敌意干扰攻击可能阻断车联网的信息交互,甚至造成拒绝服务攻击。数据篡改攻击破坏数据的完整性和真实性。窃听者旨在窃取车联网用户的隐私信息。因此,论文研究基于强化学习的车联网通信安全方案,抑制攻击动机实现主动防御,同时抵御敌意干扰攻击,数据篡改攻击,窃听攻击等多种攻击。论文提出一种基于间接互惠的车载单元信誉安全机制,规范车载单元的通信行为,抑制自私车联网用户的攻击动机。针对难以预知攻击策略场景,提出基于强化学习的车载单元通信模式选择算法,优化其数据包传递成功率、攻击率等性能。论文进而提出基于深度Q网络的车载单元通信模式选择算法,提升可支持深度学习算法的车载单元的通信优化速率,在大规模车联网中进一步抑制自私车联网用户的攻击动机,提高其数据包传递成功率和攻击率等性能。仿真结果表明,当附近区域存在8个车载单元,基于深度Q网络的车载单元通信模式选择算法相较于基于强化学习的算法在100个时间周期内减少了48.9%的攻击率。论文针对路侧单元广... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

车联网通信模型

图３－３基于强化学习的车联网通信模式选择模型??

图３－４值近似函数示意图??


本文编号：3041884