Mar, 2019

车联网及其接入技术安全漏洞及对策综述

PDF
TL;DR本文从三个方面研究了连接和自主驾驶汽车的安全，包括安全攻击和对策，不同 VANETs 访问技术的安全性挑战与防范对策以及不同访问技术的性能、安全挑战和异构技术的比较。研究结果表明，VANETs 实体失控将损害道路用户的安全、隐私和安全并可能涉及法律风险、数据、时间和财务损失。
connected and automated vehicle securityvehicular ad hoc networkssecurity vulnerabilitiesaccess technologiessecurity challenges
发现论文，激发创造
  • 软件定义车联网概述：优势、挑战及未来发展方向

    本文调查了基于 SDN 的 VANET 架构的设计、功能、利益和挑战，并探讨了这些架构存在的主要安全威胁，提出了不同的应对措施，为确保未来 SDVN 架构中的安全和隐私提供了方向，这是第一个在未来 5G 和 ICN 等下一代网络以及 ITS 和 IoT 启用广告的情况下对 SDVN 进行全面调查和分析的工作。

    Apr, 2019

  • 车内网络异常检测

    本文讨论了 CAN 总线协议的安全问题，并提出了一种基于人工智能算法的入侵检测系统，旨在通过考虑时间序列特征和攻击频率来准确检测已知的网络攻击。

    May, 2022

  • 基于机器学习的恶意车辆检测与对车辆自组织网络（VANET）通信的安全威胁和攻击

    我们提出了一个基于机器学习的方法来检测车辆自组网（VANET）中的黑洞攻击，并评估了各种机器学习算法的有效性，结果表明这些算法在区分正常节点和恶意节点方面是有效的。我们的研究结果强调了机器学习方法在增强 VANET 安全性方面的潜力。

    Jan, 2024

  • VANETs 中的攻击 / 异常检测

    提出了一种针对车辆自组织网络中恶意行为的实时检测系统，通过集成统计学和机器学习技术，以简单高效的方式快速检测攻击并识别恶意车辆，同时运用联邦学习提高隐私性和恶意节点检测的效率，以降低误报率。

    Jan, 2024

  • 机器学习在车联网安全中的应用：综合调研

    本文探讨了机器学习在车联网安全领域的应用，介绍了车联网的基础知识和通信类型，提出了车联网安全攻击的分类和安全挑战要求，以及机器学习在应对安全问题时的解决方案与工作原理，并讨论了采用机器学习方法在车联网中面临的局限性和挑战。

    May, 2021

  • 车联网通信：网络层视角

    本文提供一篇综合概述，就网络层角度，分别介绍了手动驾驶和自动驾驶交通网络的相关信息交换特征和分类，并讨论了可用的通信技术，网络结构，路由协议和切换策略以及当前交通网络所面临的挑战和研究机会。

    Jul, 2017

  • 改进的自适应跨层方案用于车联网环境下低延迟 HEVC 流媒体

    在低延迟约束下，该论文提出了一种低复杂度的跨层机制，用于改善 VANET 中 HEVC 视频流的端到端性能，并通过将视频的每个数据包分配到最合适的介质访问控制层上的访问类别（AC）队列来考虑视频编码过程的时间预测结构、帧的重要性和网络流量负载状态，模拟结果表明，该机制在不同目标低延迟视频通信场景中相对于 802.11p 中采用的 EDCA 能够显著提高视频质量和端到端延迟，并进行了服务质量（QoS）和用户体验质量（QoE）评估来验证该方法。

    Nov, 2023

  • 车联网边缘计算与网络：一项调查

    本文综述了在智能交通系统中，利用移动边缘计算系统来解决车联网中的通信、计算和存储资源限制，提高响应速度和降低带宽消耗的研究现状和未来方向。

    Jul, 2019

  • 保障互联和自动驾驶汽车的安全：对抗机器学习所带来问题和解决之道

    本文阐述了在未来智能交通系统中，机器学习在自动驾驶汽车（CAV）中的应用所带来的各种挑战和潜在的安全问题，特别关注于对 CAV 的敌对性机器学习攻击，并提出了在多种情况下防御对抗攻击的解决方案。

    May, 2019

  • 保障车辆到一切 (V2X) 通信平台

    本文对车辆通信的 V2X 生态系统做了广泛的概述和研究，讨论了主要的安全和隐私问题，以及现有的标准化工作和防御机制，同时指出了现有安全解决方案的语义差距并概述了可能的未解决问题。

    Mar, 2020