一种用于城市车辆网络恶意数据检测的可信度评分算法
摘要
1.简介
2.相关工作和贡献
3.建议方法
3.1. 利用单元区间交通模型预测车辆位置
3.2. 可信度得分评估
|
|
4.实验
5.结论
作者贡献
基金
鸣谢
利益冲突
工具书类
北卡罗来纳州Bermad。; Zemmoudj,S。; Omar,M.基于VANET的智能城市的上下文软件协商、声誉和优先交通灯管理协议。 电信通信。 系统。 2019 , 72 , 131–153. [ 谷歌学者 ] [ 交叉参考 ] Płaczek,B.基于预测区间微观模型的城市交通控制自组织系统。 工程应用。 Artif公司。 智力。 2014 , 34 , 75–84. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Płaczek,B。; Bernas,M.交通信号控制应用中车辆自组网中恶意数据的检测。 在 国际计算机网络会议 ; 施普林格:瑞士查姆,2016年; 第72-82页。 [ 谷歌学者 ] 顾克。; Dong,X。; 基于雾计算的VANET中基于数据和网络拓扑相关性的恶意节点检测方案。 IEEE传输。 云计算。 2020 . [ 谷歌学者 ] [ 交叉参考 ] 雷兹古伊,J。; Doucet,C.检测恶意车辆的记过和奖励等级系统。 2017年5月16日至18日,摩洛哥马拉喀什,2017年网络、计算机和通信国际研讨会论文集; 第1-6页。 [ 谷歌学者 ] Yang,Y。; 欧,D。; 薛,L。; Dong,D.《基于基础设施的城市车辆网络恶意车辆检测方案》(No.17-05475)。 2017年1月8日至12日,美国华盛顿特区,运输研究委员会第96届年会会议记录。 [ 谷歌学者 ] 阿尔沙德,M。; Z.乌拉。; 艾哈迈德,N。; 哈立德,M。; Criuckshank,H。; Cao,Y.VANETs中基于本地/协作的恶意信息检测技术的调查。 Eurasip J.Wirel公司。 Commun公司。 Netw公司。 2018 , 2018 , 62. [ 谷歌学者 ] [ 交叉参考 ] 哈斯鲁尼,H。; A.E.萨姆哈特。; 巴西尔,C。; VANet安全挑战和解决方案:一项调查。 车辆。 Commun公司。 2017 , 7 , 7–20. [ 谷歌学者 ] [ 交叉参考 ] 戈什,M。; 瓦尔盖塞,A。; 古普塔,A。; Kherani,A.A。; Muthaiah,S.N.,利用综合根癌分析检测VANET中的不良行为。 特设网络。 2010 , 8 , 778–790. [ 谷歌学者 ] [ 交叉参考 ] Vulimiri,A。; 古普塔,A。; 罗伊·P。; Muthaiah,S.N。; Kherani,A.A.二次信息在VANET中的不当行为检测应用。 在 网络研究国际会议 ; 施普林格:德国柏林/海德堡,2010年; 第385-396页。 [ 谷歌学者 ] 孙,M。; Li,M。; Gerdes,R.VANET的数据信任框架,支持虚假数据检测和安全车辆跟踪。 2017年10月9日至11日在美国内华达州拉斯维加斯举行的2017 IEEE通信和网络安全会议(CNS)会议记录; 第1-9页。 [ 谷歌学者 ] 阿尔沙德,M。; 乌拉,Z。; 哈立德,M。; 艾哈迈德,N。; Khalid,W。; Shahwar,D。; Cao,Y.车载自组织网络中信标信任管理系统和伪数据检测。 IET智能。 运输。 系统。 2018 , 13 , 780–788. [ 谷歌学者 ] [ 交叉参考 ] Lim,K。; K.M.Tuladhar。; Kim,H.在VANETs中使用ADAS传感器检测位置欺骗。 在2019年1月11日至14日于美国内华达州拉斯维加斯举行的2019年第16届IEEE年度消费者通信与网络会议(CCNC)的会议记录中; 第1-4页。 [ 谷歌学者 ] 阿祖玛,S。; Tsukada,M。; 野村证券。; Sato,K.《利用相互车辆位置监测检测伪装数据的方法》,载于2017年6月6日至9日在法国尼斯举行的第六届车辆系统、技术和应用先进性国际会议论文集(Vehicular 2017)。 [ 谷歌学者 ] 范德海登,R。; 迪特泽尔,S。; Kargl,F.车载自组织网络中的错误行为检测。 2013年2月21日至22日,奥地利蒂罗尔,第1届GI/ITG KuVS Fachgespräch车辆间通信会议记录(FG-IVC 2013)。 [ 谷歌学者 ] 加勒布,F.A。; Maarof,文学硕士。; Zainal,A。; Rassam,文学硕士。; 赛义德,F。; Alsaedi,M.车辆自组网的上下文软件数据中心错误行为检测方案,使用合作感知消息之间一致性的时间和空间相关性的顺序分析。 车辆。 Commun公司。 2019 , 20 , 100186. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 拉纳韦拉,M。; Seneviratne,A。; 雷伊,D。; 萨贝里,M。; Dixit,V.V.使用交通流理论检测车辆网络中的异常数据。 2019年IEEE第90届车辆技术会议(VTC2019-Fall)会议记录,美国俄亥俄州火奴鲁鲁,2019年9月22日至25日; 第1-5页。 [ 谷歌学者 ] 范德海登,R.W。; 迪特泽尔,S。; Leinmüller,T。; Kargl,F.合作智能交通系统中不当行为检测的调查。 IEEE通讯。 Surv公司。 导师。 2018 , 21 , 779–811. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 雅夫瓦里,C。; 杜里奇,Z。; Wijesekera,D.基于车辆动力学的合理性检查。 2017年10月16日至19日在日本横滨举行的2017 IEEE第20届智能交通系统国际会议(ITSC)会议记录; 第1-8页。 [ 谷歌学者 ] 科拉奇,C.A。; Lakas,A。; 北拉格拉。; Barka,E.无人机辅助技术,用于检测VANET中的恶意和自私节点。 车辆。 Commun公司。 2018 , 11 , 1–11. [ 谷歌学者 ] [ 交叉参考 ] 卢,Z。; 王,Q。; Qu,G。; Liu,Z.Bars:一个基于区块链的匿名声誉系统,用于货车中的信任管理。 2018年8月1日至3日,在美国纽约举行的第17届IEEE计算与通信信任、安全和隐私国际会议/第12届IEEE大数据科学与工程国际会议(TrustCom/BigDataSE)上; 第98–103页。 [ 谷歌学者 ] Janczykowski,M。; Turek,W。; Malawski,M。; Byrski,A.使用Scala和高性能计算系统进行大规模城市交通模拟。 J.计算。 科学。 2019 , 35 , 91–101. [ 谷歌学者 ] [ 交叉参考 ] 阮,X。; 周,J。; Tu,H。; Jin,Z。; Shi,X.用于微观交通模拟的改进的轴信息元胞自动机。 运输。 研究C部分应急技术。 2017 , 78 , 63–77. [ 谷歌学者 ] [ 交叉参考 ] Krajzewicz,D。; 埃德曼,J。; 贝里希,M。; Bieker,L.《SUMO-城市流动性模拟》的最新发展和应用。 国际期刊高级系统。 测量。 2013 , 5 , 4. [ 谷歌学者 ] 扎伊迪,A.A。; Kulcsár,B。; Wymeersch,H.城市车辆网络固定和自适应路由的背压交通信号控制。 IEEE传输。 智力。 运输。 系统。 2016 , 17 , 2134–2143. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Lämmer,S。; Helbing,D.城市道路网中交通灯和车流的自我控制。 《统计力学杂志》。 理论实验。 2008 , 2008 ,第P04019页。 [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 伯纳斯,M。; Płaczek,B。; Smyła,J.基于传感器网络数据控制交通信号的神经进化方法。 传感器 2019 , 19 , 1776. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] [ 绿色版本 ]