نظام اكتشاف التطفل التعاوني عند الطلب المدرك لسلوكيات السوء باستخدام التعلم الجماعي الموزع لشبكات المركبات اللاسلكية

تلعب الشبكات اللاسلكية للمركبات (VANETs) دورًا مهمًا باعتبارها تقنية تمكينية لأنظمة النقل الذكية التعاونية المستقبلية (CITSs). تشارك المركبات في VANETs معلومات في الوقت الحقيقي حول حالة حركتها، وحالة المرور، وظروف الطرق. ومع ذلك، فإن VANETs عرضة للهجمات السيبرانية التي تخلق حالات تهدد الحياة و/أو تسبب الازدحام المروري. تُعتبر أنظمة اكتشاف التطفل (IDSs) التي تعتمد على التعاون بين المركبات لاكتشاف المتطفلين، أكثر الحلول الأمنية اقتراحًا لـ VANET. وللأسف، فإن IDSs التعاونية الحالية (CIDSs) عرضة للمساهمين الشرعيين الذين تعرضوا للاختراق، حيث يشاركون معلومات مضللة ومزيفة ويعطلون التشغيل الطبيعي لـ IDSs. لذلك، تقترح هذه الورقة نظام اكتشاف التطفل التعاوني المدرك لسلوكيات السوء (MA-CIDS) المستند إلى مفهوم التعلم الجماعي الموزع. أي أن المركبات تستخدم كل على حدة خوارزمية الغابة العشوائية لتدريب مصنفي IDS المحليين وتشارك مصنفيها المدربين محليًا عند الطلب مع المركبات في جوارها، مما يقلل من عبء التواصل. بمجرد استلامها، يتم تقييم أداء المصنفين باستخدام مجموعة بيانات اختبار محلية في المركبة المستقبلة. تُستخدم قيم التقييم كعامل موثوقية لترتيب المصنفين المستلمين. يتم استبعاد المصنفين الذين ينحرفون كثيرًا عن الحدود السفلى لمخطط الصندوق والصنارة من مجموعة المساهمين. ثم، يقوم كل مركبة ببناء مجموعة من المصنفات المعتمدة على الغابة العشوائية الموزونة التي تشمل المصنفات المدربة محليًا وعن بُعد. يتم تجميع مخرجات المصنفات باستخدام مخطط تصويت موزون قوي. تم إجراء محاكاة موسعة باستخدام مجموعة بيانات مختبر أمان الشبكة-اكتشاف المعرفة للتعدين (NSL-KDD) لتقييم أداء نموذج MA-CIDS المقترح. تُظهر النتائج التي تم الحصول عليها أن MA-CIDS يعمل بشكل أفضل من النماذج الأخرى الموجودة من حيث الفعالية والكفاءة لـ VANET.