基于协同感知消息时空相关性序贯分析的车载自组织网络上下文感知不当行为检测方案
计算机与社会
2019-10-03 v1
摘要
车载自组织网络（VANETs）的出现主要是为了改善道路安全、交通效率与乘客舒适度。大多数VANET应用的性能依赖于相邻车辆共享的准确且最新的移动信息的可用性。然而，共享虚假移动信息会破坏任何潜在的VANET应用。不当行为检测是一个重要的安全组件。然而，现有的不当行为检测方案缺乏考虑车辆上下文的高动态性，导致检测准确率低且误报率高。使用预定义和静态的安全阈值是现有方案的主要缺陷。本文提出一种上下文感知不当行为检测方案（CAMDS），利用移动信息的时空特性序贯分析。动态上下文参考在线构建并利用统计技术及时更新。首先，使用Kalman滤波算法跟踪从相邻车辆接收到的移动信息。然后，利用Kalman滤波的新息误差，通过Box-plot为每个车辆构建时间一致性评估模型。接着，使用Hampel滤波器构建代表上下文参考模型的空间一致性评估模型。类似地，利用Hampel滤波器并借助相邻信息的一致性评估参考模型，在线构建并及时更新合理性评估参考模型。最后，若消息的一致性与合理性分数偏离上下文参考模型过多，则被分类为可疑。所提出的上下文感知方案实现了误报率降低73%，同时检测率提升37%。这证明了相比现有静态方案，本方案的有效性。
引用
@article{arxiv.1904.01392,
title = {Context-Aware Misbehavior Detection Scheme for Vehicular Ad Hoc Networks using Sequential Analysis of the Temporal and Spatial Correlation of the Cooperative Awareness Messages},
author = {Fuad A. Ghaleb},
journal= {arXiv preprint arXiv:1904.01392},
year = {2019}
}