用于车联网异常检测的交互式贝叶斯生成模型
信号处理
2024-03-07 v1
摘要
本文提出了一种新颖的车联万物 (V2X) 网络异常检测方案，该方案基于贝叶斯生成模型，旨在增强基站 (BS) 的网络自感知功能。在学习阶段，将车辆集成传感模块生成的多模态数据信号注入数据驱动的广义动态贝叶斯网络 (GDBN) 模型中。随后，在测试阶段，利用交互式修正马尔可夫跳变粒子滤波器 (IM-MJPF)，通过利用耦合多 GDBN 中嵌入的同化语义，预测未来的网络状态和车辆轨迹。该方法涉及学习演化轨迹与网络通信链路之间的统计相关关联。通过将预测的网络连通性图（图）与观测到的网络连通性图进行匹配，以高检测概率在线执行车联网 (IOVs) 链路的安全与监控。
引用
@article{arxiv.2403.03583,
title = {Interactive Bayesian Generative Models for Abnormality Detection in Vehicular Networks},
author = {Nobel J. William and Ali Krayani and Lucio Marcenaro and Carlo Regazzoni},
journal= {arXiv preprint arXiv:2403.03583},
year = {2024}
}
备注
Accepted for publication in the 2024 IEEE Wireless Communications and Networking Conference (WCNC)