基于机器学习的 VANET 紧急车辆通信中 DDoS 攻击检测
密码学与安全
2025-09-25 v1 人工智能
摘要
车辆编盒网络（VANET）在智能交通系统（ITS）中发挥着关键作用，尤其是为紧急车辆实现实时通信。然而，分布式拒绝服务（DDoS）攻击会干扰安全关键的通信信道，严重损害其可靠性。本研究引入一种稳健且可扩展的框架，用于检测基于高速公路的 VANET 环境中的 DDoS 攻击。使用网络仿真器 3（NS-3）构建了合成数据集，结合模拟城市交通（SUMO）进一步丰富，随后通过从德国 A81 高速公路上通过 OpenStreetMap（OSM）提取的真实世界移动轨迹进行补充。模拟了三类流量：DDoS、VoIP 和基于 TCP 的视频流（VideoTCP）。数据预处理管道包括归一化、信噪比（SNR）特征工程、缺失值插补以及采用合成少数过采样技术（SMOTE）进行类别平衡。使用 Shapley 增值解释（SHAP）评估了特征重要性。对 11 种分类器进行基准测试，其中包括 XGBoost（XGB）、CatBoost（CB）、AdaBoost（AB）、GradientBoosting（GB）和人工神经网络（ANN）。XGB 和 CB 实现了最佳性能，分别达到了 96% 的 F1 分数。这些结果凸显了所提出框架的稳健性及其在 VANET 中保护关键紧急通信方面的潜在。
引用
@article{arxiv.2505.08810,
title = {Machine Learning-Based Detection of DDoS Attacks in VANETs for Emergency Vehicle Communication},
author = {Bappa Muktar and Vincent Fono and Adama Nouboukpo},
journal= {arXiv preprint arXiv:2505.08810},
year = {2025}
}