वाहन संचार नेटवर्क में मशीन लर्निंग और प्रतिष्ठा आधारित गलत व्यवहार पहचान

वाहन नेटवर्क विभिन्न हमलों के प्रति संवेदनशील होते हैं जैसे कि सायबिल, सेवा से इनकार (DoS) और झूठी चेतावनी उत्पन्न करने वाले हमले। क्रिप्टोग्राफिक विधियाँ वाहनों के नेटवर्क को बाहरी हमलों से कुछ सुरक्षा प्रदान कर सकती हैं लेकिन आंतरिक हमलों के प्रति संवेदनशील पाई जाती हैं। एक गलत व्यवहार पहचान प्रणाली (MDS) को आंतरिक हमलों का पता लगाने और रोकने के लिए तैनात किया जा सकता है। इस पेपर में, हम पहचान की सटीकता को बढ़ाने और दोनों वाहनों और संदेशों की विश्वसनीयता सुनिश्चित करने के लिए एक मशीन लर्निंग और प्रतिष्ठा आधारित MDS का प्रस्ताव करते हैं। प्रस्तावित MDS को वास्तविक वाहन नेटवर्क वातावरण पर व्यापक सिमुलेशन के माध्यम से उत्पन्न आंकड़ों का उपयोग करके प्रशिक्षित किया गया है। पहचान की सटीकता में सुधार लाने के लिए, हमने डेम्पस्टर-शेफर (DS) सिद्धांत पर आधारित सहयोगात्मक गलत व्यवहार पहचान प्रणाली का उपयोग किया है। प्रस्तावित योजना में, प्रत्येक वाहन का प्रतिष्ठा स्कोर डेम्पस्टर-शेफर आधारित फीडबैक संयोजन के लिए एक विश्वास मूल्य के रूप में उपयोग किया जाता है। इसके अलावा, हम एक बीटा वितरण आधारित प्रतिष्ठा अद्यतन और रद्दीकरण योजना का प्रस्ताव करते हैं। इसके अलावा, हम दिखाते हैं कि हमारी प्रस्तावित योजना विभिन्न गलत व्यवहारों की सटीक पहचान के संदर्भ में पिछले तरीकों की तुलना में बेहतर है।