交通信号控制应用中车辆自组织网络中恶意数据的检测

@文章{Paczek2016DetectionOM，title={在交通信号控制应用的车辆自组织网络中检测恶意数据}，author={Bartłomiej P \322»aczek和Marcin Berna shi}，日志={ArXiv}，年份={2016年}，体积={abs/1703.10983}，url={https://api.semanticscholar.org/CorpusID:7807774}}
介绍了一种将预期驾驶员行为模型与位置验证相结合的方法，以检测执行Sybil攻击的车辆节点注入的恶意数据。
[PDF]语义阅读器

8引文

城市车辆网络恶意数据检测的可信度评分算法

实验结果表明，与现有方法相比，该方法检测恶意数据的准确性更高，能够缓解其对交通信号控制性能的负面影响。

VANET中基于本地/协作的恶意信息检测技术综述

本文介绍了基于局部和协作行为的虚假消息检测方案的分类，并讨论了现有方案的局限性和后果以及未来的工作。

车载自组网信标信任管理系统与虚假数据检测

信标信任管理系统和伪数据检测（BTMS-FDD）方案利用速度和密度信息与邻近车辆建立关系，仿真结果表明，所提出的恶意数据检测方案在真阳性、假阳性和开销方面都更好。

车载自组网恶意节点检测的协作信任方法

本研究的目的是计算网络中每个车辆的信任权重，并降低VANET中恶意车辆节点的强度。

车载自组织网络中基于信任的混合防御机制

本文提出了一种针对Sybil攻击的防御机制的设计，旨在适用于资源有限的物联网网络上的应用，同时考虑到准确性、隐私性、安全性和实际实现。

汽车广告-汽车网络中的信任管理：广泛调查

本调查对VANET和信任管理的主要概念进行了广泛概述，并确定、审查、分类、总结和比较了相关方法。

面向VANET的自适应信任管理模型

提出了一种自适应信任管理模型，该模型以不同的方式处理各类应用程序的规范，以增强决策过程，最大限度地减少决策的时间和能量消耗，提高网络的安全性。

车联网信任管理研究综述

综述了车辆信任管理的现状，重点介绍了权重量化、阈值量化、错误行为检测等因素。

26参考文献

车载自组网中抗Sybil攻击的防御机制

描述了车辆自组织网络中Sybil攻击检测的各种方法的一般分类，并分析了每类研究的优缺点，以评估它们在安全和隐私问题上的性能。

VANETs中sybil节点的检测与定位

本文在对信号强度分布进行统计分析的基础上，提出了一种用于检测和定位VANET中Sybil节点的轻量级安全方案，并提出了两种统计算法来提高位置验证的准确性。

检测VANET中的Sybil攻击

车辆自组网信号交叉口交通信号控制研究

基于VANET接收信号强度变化的Sybil节点检测

提出了一种基于接收信号强度变化的Sybil检测方法，允许一个节点验证其他通信节点的真实性，并定义了两个节点之间可区分程度的估计度量，从而可以在VANET中确定Sybil和恶意节点。

基于车辆传感器网络的自组织交通信号系统的高效数据采集

提出了一种方法，该方法能够有效收集和利用来自VSN的详细数据，以控制路网中的交通信号，并且在数据传输和平均车辆延误方面优于最先进的方法。

车辆网络中不良节点和故障节点的提取

本文提出了协议，作为框架的组成部分，用于识别和本地包含行为不正常或有故障的节点，然后将其从系统中逐出，并表明了包含节点并有助于逐出的分布式方法是有效可行的，并达到了足够的鲁棒性水平。

VANET中的Sybil攻击检测

本文提出了各种假设（天线类型、传输信号强度）对西比尔攻击有效性的影响的精确量化。

Ad hoc网络安全：使用信号属性进行对等识别和身份验证

本文提出将消息发送器与位置相关联，并使用此位置信息来推断身份，并使用接收信号的物理特性来确定发送器位置。

足迹：检测城市车辆网络中的Sybil攻击

一种新的Sybil攻击检测机制Footprint使用车辆的轨迹进行识别，同时仍然保留其位置隐私，它可以识别并因此消除Sybil轨迹的“社区”。