智能算法框架用于检测和减轻车辆特设网络 (VANET) 中的 BeiDou 伪造攻击
1Department of Management Information Systems, College of Business Administration, Prince Sattam Bin Abdulaziz University, Al-Kharj, Riyadh, Saudi Arabia.
PeerJ. Computer science
|December 16, 2024
概括
本研究介绍了一种混合机器学习和加密框架,用于检测和减轻车辆特设网络 (VANET) 中的 BeiDou 信号伪造,提高导航安全.
科学领域:
- 网络安全 网络安全
- 机器学习 机器学习
- 网络安全 网络安全
背景情况:
- 车辆特设网络 (VANET) 在很大程度上依赖于精确的卫星导航.
- 贝道信号伪造对车辆安全和交通管理构成重大风险.
- 现有的安全措施很难有效地应对复杂的假冒攻击.
研究的目的:
- 开发一种新的混合框架,用于检测和减轻在VANET中的BeiDou信号伪造.
- 提高连接车辆中的导航数据的完整性和可靠性.
- 改善VANET的整体安全状况,以应对不断变化的网络威胁.
主要方法:
- 自动编码器和长短期内存 (LSTM) 网络的集成,用于伪造检测.
- 应用基于属性的加密来增强数据安全性.
- 利用实时和合成导航数据进行全面测试.
主要成果:
- 对伪造检测的准确性进行了显著的改进.
- 针对模拟伪造情景的缓解策略的强化稳定性.
- 混合机器学习和加密方法的证明有效性.
结论:
- 拟议的框架通过整合机器学习和密码学,有效地保护VANET.
- 这项研究为开发车辆网络中的自适应性安全机制提供了基础.
- 该研究强调了强大的导航数据完整性对未来运输系统的重要性.
