VANET 中的安全交通监控

车载自组织网络（VANETs）使车辆能够与邻近车辆以及路边单元（RSUs）进行无线通信。然而，网络中不准确信息的存在会引起交通异常并破坏任何交通监控系统的正常运行。因此，在恶意环境下，确定来自感兴趣区域（ROI）的广播消息的可信度至关重要。此外，涉及车辆隐私信息（如位置和速度）的隐私泄露可导致严重后果，如未经授权的跟踪与伪装攻击。因此，我们提出一种基于边缘云的隐私保护安全决策模型，该模型采用基于车辆数据（如 GPS 位置和速度）的启发式方法，在不同交通场景（如拥堵）下认证来自 ROI 的交通相关信息。所提模型的有效性已使用 VENTOS、SUMO 和 Omnet++ 模拟器以及模拟云环境进行验证。我们在不同攻击场景下将所提模型与现有的基于对等认证模型、多数投票模型和基于声誉的系统进行比较。我们表明，我们的模型能够有效过滤恶意车辆，并在 ROI 内至少存在一辆非恶意车辆时提供准确的交通信息。