面向 V2I 通信网络的 PLS-ML 混合认证方案
信号处理
2023-08-29 v1 密码学与安全
机器学习
摘要
随着车辆日益智能化，车载通信网络正迅速兴起。然而，这些网络越来越易遭受各类攻击。自动驾驶车辆的增多使形势更严峻，凸显了需以安全与认证措施保障安全有效的交通管理。本文中，我们利用发射车辆的位置作为设备指纹，提出一种新颖的物理层安全（PLS）-机器学习（ML）混合认证方案。我们采用基于到达时间（ToA）的定位机制，在路边单元（RSUs）估计 ToA，并在基站（BS）提取发射车辆坐标。此外，为跟踪移动合法车辆的机动性，我们使用基于若干系统参数训练的 ML 模型。为此我们尝试两种 ML 模型：支持向量回归与决策树。为评估方案，我们借助 ML 模型提供的真值对估计位置进行二元假设检验，将发射节点分类为合法或恶意。此外，我们考虑二元假设检验所得的虚警概率与漏检概率作为性能指标，并以平均绝对误差（MAE）、均方误差（MSE）与决定系数 进一步评估 ML 模型。我们还将本方案与利用 RSUs 到达角进行认证的基线方案比较。我们观察到，所提基于位置的机制在漏检方面显著优于基线方案。
引用
@article{arxiv.2308.14693,
title = {Hybrid PLS-ML Authentication Scheme for V2I Communication Networks},
author = {Hala Amin and Jawaher Kaldari and Nora Mohamed and Waqas Aman and Saif Al-Kuwari},
journal= {arXiv preprint arXiv:2308.14693},
year = {2023}
}
备注
Accepted for Publication following Presentation at IEEE ISNCC-23