车联网中基于车辆行为预测的身份认证方案

车联网中传统基于密码学的身份认证方案可满足车辆身份认证的基本要求,但其作为静态防御机制不能有效解决车辆身份盗用和认证低时延问题。在基于移动边缘计算框架的软件定义车联网体系结构下,提出一种基于车辆行为预测的身份认证方案。在车辆历史行为数据的基础上,使用前缀树确定认证基站,采用决策树算法和多元非线性回归模型提前对车辆到达站点和时间进行预测,并通过对比车辆到达站点和时间的真实值与预测值实现车辆身份认证。实验结果表明,该方案利用软件定义网络的集中式全局控制能力和移动边缘计算的分布式计算能力对车辆身份认证任务进行管理和分配,可在保证较高车辆认证准确率的同时满足车联网的低时延需求。     

车联网中基于伪距双差的车辆定位技术

为满足车联网中定位精度的要求, 本文提出了一种伪距双差车辆相对定位算法,该算法通过车辆间伪距信息的车到车(Vehicle-to-vehicle,V2V)交互,抵消了公共误差及不同接收机的时钟偏移量,提高了伪距双差的车辆定位精度。通过对比分析伪距双差算法与全球定位系统（Global position system,GPS)单点定位算法的距离误差均方根,证明了伪距双差算法的定位精度。仿真结果表明采用伪距双差算法(Double differencing relative,DDR) 的相对定位技术在公共可见卫星 数大于4时,其相对定位性能优于GPS单点定位方法。     

搜索GPSONE定位的金矿

用户位置服务正渐渐融入到了人们的生活之中，对于个人用户而言，定位服务主要应用在汽车导航、查找周边信息、个人紧急救援、老人小孩的定位与报警、旅游安全的自主定位等；对行业用户而言，定位服务主要应用在行业监控管理、区域警报、指挥调度、物流配送等项目流程中，应用的领域有烟草、公安、海洋、物流、交通、医疗、金融等多个行业。2008年下半年，奥运会的如期召开，将进一步激发大量的定位服务需求，为业务的发展提供良好的契机；与此同时，3G的投入使用，也将逐步扫除技术上的障碍，进一步推动高精度定位业务的应用和普及。     

基于LTE-V车辆密集场景的车联网资源分配算法

LTE-V可以为车辆提供可靠、高效的通信能力.在LTE-V中,车辆用户(VehicleUserEquipment,VUE)有集中式(Mode 3)和分布式(Mode 4)两种通信模式.针对密集场景中两种模式由于VUE数目过多产生的数据包碰撞问题,本文依据通信时延、距离等指标对车联网应用进行划分,提出一种车辆自主调度算法...     

一种基于车联网的车辆定位方法

车辆群体行为态势能够准确描述车辆在车联网中的运动规律,车联网中GPS信号强的车辆可以利用通信能力、邻居位置关系,对位于一定距离范围内、出行目的地相同或相近、GPS信号弱的车辆进行实时位置计算。该方法首先提出车辆目的地伴随标签的标签簇划分算法,将有相同或相近目的地的车辆,其目的地视做标签,通过挖掘标签重叠结构与层次结构划分至同一标签簇,使之聚类成为车辆群体;然后提出基于标签划分结果的定位算法与结果修正算法,对亟待定位的车辆进行实时位置计算。实验结果表明,该方法较同类方法定位误差降低15%~35%,不同交通状况结果稳定性提高25%以上,所以提出的定位方法是有效的。     

车联网中基于层次结构的安全通信

车联网VANETs (Vehicle Ad Hoc Networks)已成为物联网的经典案例。VANETs在车流量管理、安全预警方面存在显著的优势,但VANETs仍网络面临一些安全问题。目前研究已提出一些解决VANETs安全问题的方法,但是现存的方法并不能同时满足机密性-完整性。为此,提出基于层次结构的安全通信HSSC (Hierarchical Structure-based Security Communication)策略。HSSC策略利用椭圆曲线加密和认证,保证消息的真实性,且只有通过了通信实体的验证,数据才可以传输。同时,引用沙箱算法维护车内通信的安全性。仿真结果表明,HSSC策略提供了安全性,并降低了计算成本。     

车联网智能视频监控终端对危险品运输车辆的多源化信息采集

文中通过分析研究车联网智能视频监控终端的背景,对危险品运输车辆监控终端的应用提出多源化车载一体化采集终端的概念,并对其体系架构和采集存储模式进行了描述,并在此基础上进行了典型应用分析。文中对危险品运输车辆车载一体化采集终端的多源化未来进行了思考,为危险品道路运输过程的安全风险防范体系及车联网技术提供支撑。     

面向移动边缘计算车联网中车辆假名管理方案

移动边缘计算(mobile edge computing, MEC)技术将计算和存储资源下沉到网络边缘,为车联网带来了高实时性和可靠性的服务.然而,MEC技术也面临各种安全威胁,攻击者可控制边缘数据中心导致车辆假名信息的泄露,威胁车辆的身份隐私.针对该问题,提出一种面向移动边缘计算车联网中的车辆假名管理方案,使其实现高效更新假名信息、边缘云层安全存储假名信息以及假名的可追踪.该方案使用边缘化、实时性高的边缘云代替中心云对车辆身份进行认证,提高了身份认证效率,进而实现高效的假名更新;对假名信息进行同态加密,保证了假名信息存储的安全性而不影响边缘云层对假名的管理;车辆的每个假名表都关联一个相应的查找词,系统的最高权威机构可由假名表密文计算出查找词,以揭露恶意车辆的真实身份,实现假名的可追踪.然后通过可证明安全理论证明了方案在选择明文攻击下具有不可区分性,并对方案中车辆身份的匿名性、消息的完整性与不可否认性进行了安全性分析,满足了车联网中对车辆身份隐私保护的安全需求.最后对方案中身份认证、假名请求以及同态加密性能等方面进行了效率分析及仿真,结果表明该方案满足车联网低时延通信的需求,并在认证效率上优于现有方案.     

平行车联网:基于ACP的智能车辆网联管理与控制

本文将平行智能方法引入智能车辆的网联化管理与控制, 提出平行车联网的概念、框架、功能与流程.平行车联网致力于通过人工车联网与物理车联网的虚实互动、协同演化与闭环反馈, 为人-车-路-智能交通信息网一体化的智能交通系统增加计算实验与平行引导的功能, 实现描述、预测与引导相结合的车联网智能, 有效解决异构、移动、融合的交通网络环境下智能车辆的管理与控制问题.     

基于Hbase的车联网海量数据存储

针对如何处理车联网数据的峰值问题,提出了一种基于Hbase的车联网海量数据存储的中间件控制方案.首先报文通过Kafka传递到中间件,再对传递至中间件的数据进行计数器处理,限制对Kafka的拉取消费;其次对传递至中间件的数据进行筛选处理,确保数据都是有效的数据,然后进行存储;最后针对车联网海量数据的应用场景选择能够满足需...     

基于深度学习的车联网图像识别系统设计

由于传统系统在车联网图像识别应用中的漏识率较高,基于深度学习设计车联网图像识别系统。硬件方面,设计了高清摄像机和发光二极管（Light Emitting Diode,LED）补光灯,获取道路车辆图像信息;软件方面,根据图像对比结果将车辆图像分成两类,对亮度较低的一类进行增强处理,利用深度学习网络模型对图像特征进行深度挖掘,并对提取的图像特征进行降维处理,根据图像特征与车联网数据库中的车辆图像进行对比,计算出图像相似度,识别到图像属性信息,从而实现基于深度学习的车联网图像识别系统设计。实验结果表明,设计系统对于车联网图像识别的漏识率低于传统系统,能够为图像识别提供精准的依据。     

面向车联网环境的车辆行为可信决策机制

车联网中的车辆节点收到的信息存在虚假和伪造的可能性,极大影响了车辆节点进行正确的行为决策。通过建立一种基于不确定性理论的节点信誉度混合评估模型,对信息源节点的可信程度进行评估,结合信息源节点的信誉度,建立车辆节点行为可信决策机制,该机制采用C-means算法进行信息可信评估,辅助车辆节点根据收到信息的可信与否做出相应的行为决策。仿真结果表明,该方法提高了节点可信判断的准确率,提高了车联网中车辆节点行为决策的准确率。     

基于城市小区域的车联网模型

随着社会进步及车辆增多,交通问题日益突出,使得城市环境下车联网的研究受到越来越多的关注。基于真实数据的分析和验证,可以得到城市不同区域的车联网网络度分布服从广义的幂律分布,即网络是无标度网络。根据此性质利用复杂网络理论建立车联网网络模型,通过分析和仿真验证该模型的正确性和有效性。     

基于车联网的合谋攻击研究

车联网系统中的Sybil攻击检测方案大多使用匿名认证来保障车辆隐私安全,但这种认证方式在面对恶意车辆之间合谋发动Sybil攻击时将不具有有效性.本文阐述了现有的车联网身份认证技术中存在合谋攻击,并提出了一种较为有效的检测方案.     

车联网中基于攻防博弈的蜜罐防御及传输策略

随着车联网的快速发展,服务提供商通过将5G基站型路侧单元（RSU,road side unit）部署在靠近车辆的位置,能够迅速为车辆用户提供缓存服务。然而,由于恶意攻击者的存在,其通过控制基站获取权限使基站变为恶意基站,达到身份伪造攻击的目的,并以恶意基站的名义发送消息干扰车辆与可信基站之间的通信链路,容易造成严重的行车安全问题。提出了车联网中基于攻防博弈的蜜罐防御及传输策略,通过部署蜜罐基站混淆攻击者,从而降低车联网中身份伪造攻击的风险,提高车联网数据传输的可靠性。将车联网场景中可信基站与恶意基站之间的交互问题建模为攻防博弈模型,在此基础上可信基站与蜜罐基站联合作为防守方来抵御恶意攻击。可信基站和恶意基站作为攻防博弈双方选择各自相应的策略,构建双方效益函数模型,并结合车辆时延反馈机制,防守方与恶意基站动态调整各自策略。通过调整蜜罐基站与车辆的交互性和IP随机化程度,使防守方的整体效益得到有效提升,并利用混合策略纳什均衡理论得出最优解。大量的仿真实验结果表明,所提出的策略能够在恶意攻击者存在的情况下,提高车联网服务的安全传输性能,对比无蜜罐防御方案,防守方期望效益提升了48.9%,数据...     

基于决策树的车联网安全态势预测模型研究

随着车辆智能技术的发展,网络与车辆的结合成为了必然,给人们带来了极大的便利.同时,黑客还可以利用技术漏洞攻击车辆,从而导致严重的交通事故.基于这种情况,车辆信息安全保护技术逐渐成为人们关注的焦点.面对层出不穷的车联网网络攻击,需要态势感知对车联网进行保驾护航,为了提高车联网安全态势感知的准确度,文中提出了基于决策树的车...     

车联网中RFID模型

RFID模型是车联网仿真的基础和核心模型之一. 目前交通仿真模型不能满足车联网无线通信及协同交互等方面的需求、且缺少RFID模型. 为此, 建立了RFID系统的读写器和电子标签模型. 给出了读写器Agent和电子标签Agent结构及实现. 根据自动机理论, 建立了读写器、电子标签和主机之间通信时异构通信协议数据帧格式的有限状态机模型, 解决了异构数据帧统一处理问题. 作为模型应用和验证实例, 基于VC++ 2010平台, 开发了RFID交通数据采集读写器优化布设仿真软件. 结果表明, RFID模型较好地逼     

基于OpenStack的车联网云平台体系架构研究

对面向智能交通服务的车联网移动云平台的体系架构进行探讨,提出了车联网云系统三层网络架构,并介绍了开源云计算平台OpenStack,提供了一个基于OpenStack的车联网云计算平台的部署方法.