面向车载自组织网络的模糊奖惩机制

信任管理是成功实施车载自组织网络（VANETs）的重要安全方法。信任模型通过评估消息来分配奖励或惩罚。这可用于影响驾驶员的未来行为。在作者先前的工作中，开发了一种基于发送方的信任管理框架，避免了接收方对消息的评估。然而，这并不能保证受信任的驾驶员不会说谎。这些“不真实攻击”由路侧单元（RSUs）通过协作对争议进行裁决来解决，提供固定数量的奖励和惩罚。本文通过提出一种新颖的模糊RSU控制器来解决这一缺乏精细性的问题，该控制器考虑事件严重性、驾驶员过往行为和RSU置信度，以确定对冲突驾驶员的奖励或惩罚。尽管任何驾驶员在任何情况下都可能说谎，但预计值得信任的驾驶员更有可能保持诚信，反之亦然。这种行为在发送方和报告方驾驶员的马尔可夫链模型中被捕捉，其说谎特征取决于信任分数和信任状态。每个信任状态使用不同的概率分布来定义驾驶员说谎的可能性。在Veins模拟器中进行了广泛的仿真，以评估模糊评估的性能，并通过改变所有或部分驾驶员的初始信任分数来检验马尔可夫链驾驶员行为模型。对模糊和固定RSU评估方案进行了比较，结果表明模糊方案能够鼓励驾驶员改善其行为。