車聯網安全

Entrar

insight - 車聯網安全

本文提出了一種基於區塊鏈的停車輔助車聯網邊緣計算任務卸載框架，通過改進 Hotstuff 共識機制，選擇停車時間長、計算能力強和通信質量高的車輛作為共識節點，提高了任務卸載和交易的安全性和可靠性，並利用斯坦伯格博弈模型優化卸載策略和定價，實現系統收益最大化。

本文提出了一種名為 TASER 的信任感知 Sybil 事件識別框架，用於檢測車聯網中的 Sybil 攻擊，該框架依賴於本地信任度量和定向天線來識別和驗證可疑車輛，而無需依賴外部基礎設施。

本論文介紹了一個基於長短期記憶神經網路的機器學習框架，用於檢測車聯網中的異常行為，並提出了一個簡單的防禦協定，以在偵測到異常訊息時拆解車隊，從而提高車聯網的安全性。

本文提出了一種基於區塊鏈的多路徑行動接入點選擇策略，用於確保 5G 車聯網中的安全通訊，透過結合區塊鏈技術和多路徑傳輸策略，有效降低了handover頻率和通訊延遲，並提升了網路安全性和可靠性。

本文提出了一種基於時間敏感網路 (TSN) 的車載網路異常檢測系統 (NADS)，利用 TSN 的串流過濾和策略功能，在鏈路層級識別惡意流量，並透過模擬實驗驗證其有效性。

本文旨在探討車聯網中，由於通訊延遲和外部干擾所導致連環碰撞的風險，並分析通訊網路拓撲結構對降低風險的影響。

Sobre

Produtos

Recursos