一种利用雾计算高效检测恶意节点以增强 VANETs 安全性的统计方法
网络与互联网体系结构
2021-08-24 v1
摘要
在信标消息中广播虚假信息的恶意节点可能会导致车载自组织网络（VANETs）中的灾难性后果。以往的研究人员使用密码学、信任评分或历史车辆数据来检测恶意节点；然而，这些方法存在处理延迟高、开销大和假阳性率（FPR）高的问题。我们在此提出一种基于格林希尔兹交通模型的雾计算方案，称为基于雾的恶意节点检测（F-RouND），该方案动态利用区域内所有车辆的车载单元（OBUs）进行恶意节点检测。我们的目标是在高车辆密度下减少检测恶意节点的数据处理延迟和假阳性率。通过仿真评估了 F-RouND 框架的性能。结果表明，与现有的恶意节点检测方案相比，即使在区域内恶意节点数量增加高达 40% 的情况下，F-RouND 框架在城市场景下也能确保降低 45% 的处理延迟、12% 的开销和 36% 的假阳性率。
引用
@article{arxiv.2108.10267,
title = {A statistical approach for enhancing security in VANETs with efficient rogue node detection using fog computing},
author = {Anirudh Paranjothi and Mohammed Atiquzzaman},
journal= {arXiv preprint arXiv:2108.10267},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2102.00839