ویرگول
ورودثبت نام
Mehdi Hosseini
Mehdi Hosseini
Mehdi Hosseini
Mehdi Hosseini
خواندن ۱۹ دقیقه·۵ سال پیش

ترجمه مقاله (ISI)


موضوع: یک سیستم جدید تشخیص نفوذ در برابر حملات تقلبی در اتصال وسایل نقلیه الکتریکی بازار وسایل نقلیه الکتریکی (EV) علی رغم نگرانی از دامنه رانندگی ، اخیراً رشد سریعی داشته است. اخیر

پیشنهادات با استفاده از شارژ بی سیم پویا که امکان تبادل برق را فراهم می کند ، شارژ EVرا در حال حرکت بررسی کرده اند

در حین حرکت وسیله نقلیه و شبکه. به طور خاص ، بخشی از ادبیات بر روی

مسیریابی هوشمند خودروهای الکترونیکی که به شارژ نیاز دارند. ارتباطات بین وسیله نقلیه (IVC) نقش اساسی در

مسیریابی هوشمند EVها در اطراف ایستگاه شارژ استاتیک یا شارژ پویا در شبکه جاده. با این حال،

IVC در برابر انواع حملات سایبری مانند کلاهبرداری آسیب پذیر است. در این مقاله ، یک نفوذ لایه ای متقاطع احتمالی

سیستم تشخیص (IDS) ، بر اساس تکنیک های یادگیری ماشین (ML) ، معرفی شده است. IDS پیشنهادی قابلیت دارد

از شناسایی حملات جعل با دقت بیش از 90٪. IDS از یک معیار جدید ، با استفاده از تأیید موقعیت استفاده می کند

سرعت نسبی (PVRS) ، که به نظر می رسد تأثیر قابل توجهی در نتایج طبقه بندی دارد. PVRS مقایسه می کند

فاصله بین دو گره ارتباطی که توسط واحدهای On-Board (OBU)مشاهده می شود و برآورد آنها

فاصله با استفاده از مقدار سرعت نسبی که با استفاده از سیگنالهای جایگزین شده در لایه فیزیکی (PHY) محاسبه می شود

1. مقدمه

دو عامل اصلی منع پذیرش الکتریکی

وسایل نقلیه (EV) در سراسر اروپا دامنه رانندگی هستند (یعنی مسافت آن

وسیله نقلیه می تواند قبل از اینکه نیاز به شارژ مجدد داشته باشد) و عدم پشتیبانی

زیرساخت شارژ یک راه حل برای این عوامل محوری خواهد بود

اجرای تکنیک های بهینه سازی تصادفی برای

روش شارژ EVS[1]. با این حال ، این منطقه تحقیقاتی خاص است

محدودیت های مربوط به قرارگیری مطلوب ایستگاه های شارژ در یک شهر ،

مسائل مربوط به ثبات صف ، به ویژه هنگامی که چند ایستگاه شارژ باید تعداد زیادی از درخواست ها را تسهیل کند ، از جمله. علاوه بر این ،

استقرار زیرساخت شارژ نیاز به تغییر در موجود دارد

زیرساخت های مدنی ، که هزینه بر هستند و اجرای آنها مدت زمان زیادی طول می کشد.

برای غلبه بر این عوامل منع کننده ، مهم است که رمان و

روش های مقرون به صرفه برای کمک به تصویب EV ها ارائه شده است.

یک راه حل جدید در ابتدا در Refs ارائه شده است. [2،3] برای افزایش

محدوده رانندگی ماشینهای الکتریکی استفاده از اتوبوس های شهری به عنوان منابع انرژی در کشور است

حرکت. ماشین های الکتریکی می توانند از انتشار دهنده های انرژی سیار استفاده بهینه کنند

(MED) ، که به عنوان ایستگاه های شارژ تلفن همراه و شارژ استاتیک کار می کنند

ایستگاه ها (SCS)[2]. نقش MED را می توان با اتوبوس های شهری بر عهده گرفت

مسیری از پیش تعیین شده را در سطح شهر دنبال کنید. اتوبوس های درون شهری به طور مکرر

در یک مسیر از پیش تعریف شده حرکت کنید. EV می تواند ارتباط برقرار کند

با MEDو در یک مکان خاص در امتداد از پیش تعریف شده به آن نزدیک شوید

مسیر برای تکمیل روند شارژ. روش پیشنهادی بهره برداری می کند

ارتباط بین خودرویی (IVC) به منظور مسیریابی محیط زیست EV. این

رویکرد نوآورانه تحقیقات را به سمت راه حل های یکپارچه سوق می دهد که به ماشین های الکتریکی اجازه می دهد هنگام حرکت در داخل شهر و بدون وجود آن شارژ شوند

نیاز به تغییر قابل توجهی در زیرساخت های جاده موجود است.

شارژ بی سیم پویا (DWC) فناوری با ظرفیت بالایی است ، اما هنوز هم ممکن است R&D بیشتری برای کاربرد آن مورد نیاز باشد. آ

تعدادی از شرکت ها به طور فعال در حال توسعه راه حل های DWCهستند

مراحل تحقیق و آزمایش [4–7]. در مرجع. [8] نویسندگان پیشنهاد کرده اند

یک روش مسیریابی هوشمند است که می تواند برای اجرای یک پویا استفاده شود

مدل شارژ در زیرساخت های جاده موجود. سیستم پیشنهادی برای

شارژ بی سیم پویا عمدتا مبتنی بر بی سیم است

ارتباطات خودرو به خودرو (V2V) و از بهینه سازی مسیر استفاده می کند

راه حل. استفاده از ارتباطات بی سیم در بین EV و MED

هماهنگی روش رزرو در زمان واقعی برای SCS یا

MED ، بهینه سازی زمان انتظار. به طور خاص ، گره هایی که وارد سیستم می شوند

برای اطلاع از حضور آنها ، به صورت دوره ای پیام های فانوس را پخش کنید ، که به عنوان پیام هوشیاری تعاونی (CAM) شناخته می شوند. هر پیام چراغ

شامل یک شناسه گره ، مختصات GPS ، سرعت GPS، مهر زمان فعلی و آدرس MAC EVاست. این پیام ها منتقل می شوند

چندین بار در ثانیه با استفاده از ارتباط کوتاه برد اختصاصی

(DSRC) و دسترسی بی سیم در محیط های خاص (WAVE) فناوری اطلاعات ، بر اساس استاندارد IEEE 802.11p. با این حال ، این پیام ها

در معرض طیف گسترده ای از تهدیدات سایبری ، مانند استراق سمع ،

حملات جعل و تعدیل.

به طور خاص ، یک حمله جعلی علیه ارتباط بین

EV می تواند به مهاجم اجازه دهد روند شارژ را اصلاح کند (به عنوان مثال تغییر می کند

ترتیب شارژ) یا در MED یا در SCS به نفع آن ،

بر EVهای قانونی تأثیر می گذارد. حمله حقه بازی یکی از خطرناک ترین حمله ها است

حملات برای سیستم های بهینه سازی مسیر. این نوع حمله اجازه می دهد تا یک

مهاجم موقعیت واقعی جغرافیایی خود را در اطلاعات ارسالی جعل می کند

در پیام های CAM، باعث می شود که گره های دیگر باور کنند که وسیله نقلیه داخل است

موقعیت دیگر [9]. به این ترتیب یک مهاجم می تواند در مقابل رقابت سود ببرد

EV ها ، از آنجا که توالی شارژ براساس تصمیمات ناوبری است. هر

EVجدولی دارد که شامل مکانها و شناسه های گره از هر یک است

EV دیگر در مجاورت آن. اطلاعات مربوط به مکان هر

وسیله نقلیه از سیستم GPS آنها استخراج و برای همسایگان خود ارسال می شود

از طریق پیام های CAM. یک مهاجم می تواند این توهم را ایجاد کند که هست

با تغییر جدول مکان GPS در یک مکان خاص حضور داشته باشید

سیستم یا با تولید و ارسال سیگنال های مکان جعلی قوی تر به آن

گیرنده GPSوجود یک سیستم تشخیص نفوذ (IDS)

قادر به تشخیص جعل GPS در چنین سیستمی ضروری است.

علاوه بر این ، حمله جعلی ارتباط قانونی را مختل می کند

بین دو گره ، باعث تأثیرات مشابه اثرات انکار سرویس می شود

(DoS) حمله در عین حال تشخیص از آن دشوارتر است

فقط به تعداد بسیار کمی بسته مخرب نیاز است تا تولید شود.

IDS پیشنهادی از یک معیار اضافی از Physical (PHY)استفاده می کند

لایه: سرعت نسبی برآورد شده همراه با پارامترهای GPS می باشد

کارآیی بیشتر آن در شناسایی چنین حملاتی.

انگیزه: انگیزه اصلی این مقاله بررسی چگونگی است

حضور یک مهاجم متقلب به عنوان گره داخلی سیستم تأثیر می گذارد

کل زمان سفر که باید در Ref بهینه شود. [8] نمونه های خاص

شرح داده می شوند که در آن حضور یک مهاجم می تواند حق را نقض کند

برای شارژ ماشین های الکتریکی با استفاده از MED یا SCS سفارش دهید. این نمونه ها

منحصر به فرد نیستند ، اما بسیار محتمل هستند و می توانند در کل مدت سفر افزایش قابل توجهی داشته باشند. این نشان می دهد که بیشتر

حملات پیشرفته ، احتمالاً شامل تعداد زیادی از مهاجمان هماهنگ ،

می تواند عملکرد سیستم را تحت تأثیر قرار داده و تخریب کند. با این حال

تجزیه و تحلیل دقیق مدلهای حمله هماهنگ از این موضوع خارج است

کاغذ. در اینجا ، ما نشان می دهیم که یک IDS احتمالی مناسب است

حضور حداقل یک مهاجم را شناسایی و کاهش دهید.

نتیجه گیری ، IDSمبتنی بر یادگیری ماشین (ML) در سال ایجاد شده است

به منظور شناسایی مهاجمان تقلب. بر اساس نتایج IDS ،

مهاجمان از مکانیسم شارژ بی سیم پویا مستثنی هستند.

سهم دیگر مقاله معرفی معیار جدید است

که به عنوان یک ویژگی جداگانه برای الگوریتم های ML استفاده می شود. این معیار

تأیید موقعیت با استفاده از سرعت نسبی (PVRS) بر اساس است

سرعت نسبی Δuکه از طریق سیگنالهای مبادله شده در محاسبه می شود

لایه PHY. PVRSفاصله بین دو برقراری ارتباط را مقایسه می کند

گره ها از طریق واحدهای داخل خود (OBU) و فاصله تخمینی

که با استفاده از مقدار Δu محاسبه می شود. تأثیر PVRSپیشنهادی

متریک در عملکرد IDSاحتمالی افزایش 6 بود

در دقت بنابراین ، PVRS معیار مناسبی به ویژه برای

تشخیص حمله جعل. این اولین ML IDS پیشنهادی در کشور است

ادبیاتی که می تواند به طور موثر یک مهاجم متقلب را واقع بینانه تشخیص دهد

کاربرد ، همچنین اثرات آن را کاهش می دهد. موتور تشخیص IDSحرفه ای براساس چندین الگوریتم MLمانند Random Forest (RF)ساخته شده است.

و k- نزدیکترین همسایه (k-NN) ، با استفاده از معیارها در یک روش لایه لایه.

هر دو روش یادگیری تحت نظارت با k-NN بسیار محبوب هستند

قوی بودن در برابر داده های آموزش پر سر و صدا مانند داده های به دست آمده از a

زندگی شهری در زندگی واقعی و RF یکی از دقیق ترین است

الگوریتم ها ، احتمال بیش از حد مناسب بودن را کاهش می دهد. نتایج هر دو

رویکردهای MLتحت نظارت با استفاده از تکنیک های همجوشی داده در ارتباط هستند

به منظور بهبود عملکرد کلی IDS.

بقیه این مقاله به شرح زیر است. بخش 2 فراهم می کند

مروری بر کارهای مرتبط در حوزه تشخیص حمله تقلبی.

بخش 3 توپولوژی و انواع اجرا شده را در پشت توصیف می کند. بخش 4 IDSاحتمالی پیشنهادی و جدید را توصیف می کند

معیار PVRSرا معرفی کرد. بخش 5 ارزیابی تجربی را ارائه می دهد

تنظیمات ، تأثیر حمله اجرا شده در ارتباطات V2V و

سیستم پیشنهادی برای شارژ بی سیم پویا. این همچنین شامل

نتایج تجربی IDSاحتمالی. بخش 6 شامل بحث درباره احراز هویت اخیر و تکنیک های توزیع کلید است

به منظور تقویت و ایمن سازی ارتباطات در VANET استفاده می شود

روند. سرانجام ، بخش 7 یافته های ما را خلاصه می کند و نتیجه گیری می کند

کار کردن

کار مرتبط

ادبیات مربوط به حملات تقلب در VANET به تقسیم می شود

دو حوزه متمایز مورد علاقه. در مرحله اول ، تکنیک هایی که از معیارهای استفاده از استفاده می شود

لایه برنامه (APP) ، به عنوان مثال انحراف سرعت ، مانند پذیرش

آستانه محدوده (ART)[10]. تأیید انحراف سرعت به طور متوالی

از فواصل زمانی نیز برای تأیید هر وسیله نقلیه استفاده شده است

محل. با این حال ، این معیار در برابر حملات جعل GPS آسیب پذیر است.

Swaszek و همکاران [11] استفاده از اطلاعات فقط محدوده را برای شناسایی در نظر بگیرید

سیستم ناوبری جهانی ماهواره (GNSS) یک کلاهبرداری از ماشین های مجهز به ارتباطات بین خودرویی را جعل می کند. این مقاله در نظر می گیرد

استفاده از فقط اطلاعات برد کوتاه که بین یک جوخه ارتباط برقرار می شود

وسایل نقلیه برای تشخیص جعل GNSS. بنابراین توانایی تشخیص کلاهبرداری

بستگی زیادی به هندسه نسبی جوخه و جهت آن دارد

حقه بازی این روشها عمدتا بر اساس معیارهای لایه فوقانی ،

صداقت وسایل نقلیه اطراف و تراکم ترافیکی مهاجمان تقلب.

با این حال ، تعداد کمی از سیستم های تشخیصی پیشنهادی وجود دارد که استفاده می کنند

یک رویکرد لایه ای متقاطع.

ثانیا ، یک منطقه خاص وجود دارد که انتشارات نیز در آن استفاده می کنند

معیارهای مربوط به لایه PHY ، مانند قدرت سیگنال دریافت شده (RSS) ،

و معیارها از لایه برنامه (APP) ، مانند انحراف سرعت

گره ها [12]. در انتشارات مختلف ، تجزیه و تحلیل توزیع قدرت است

برای شناسایی حملات Sybil یا Spoofing استفاده می شود [13]. پیشنهادی یک روش شناسایی عملیاتی کوپر است که در آن چندین گره همسایه همکاری می کنند

برای اندازه گیری توزیع قدرت سیگنال یک گره مشکوک و

موقعیت فیزیکی آن را تأیید کنید. با این حال ، نتایج شبیه سازی [13]

نشان می دهد که با توجه به ماهیت ناپایدار انتشار رادیویی ، این اساسی است

روش همکاری فقط می تواند دقت کاملاً محدودی داشته باشد. برای حل این

دقت محدود مدل پیشنهادی به دلیل تاخیر در انتشار یا

تلفات بسته ، به ویژه در VANET ها ، مفهوم Presence Evidence است

سیستم (PES) به منظور اطمینان از اینکه گره ها در

ترافیک مخالف گره های فیزیکی هستند و می توانیم آنها را به عنوان معتمد داشته باشیم

منابع اندازه گیری قدرت سیگنال. با این حال ، توانایی تشخیص

تقلب تا حد زیادی به این فرض بستگی دارد که ترافیک مخالف باشد

منابع معتبر نویسندگان در Ref. [14] یک راه حل برای تصحیح این پیشنهاد می کند

موقعیت اشتباه داده شده توسط GPS جعلی. اصلاح بر اساس الف

فرآیند اعتبار سنجی با مقایسه موقعیت داده شده با یک واحد کنار جاده ای

(RSU) با استفاده از ارتباط بی سیم وسیله نقلیه به زیرساخت (V2I).

با این حال ، ارتباط بی سیم بین فرستنده و

RSU می تواند با ویژگی های سریع محو مانند سایه زدن آسیب ببیند

از ساختمانها یا موانع دیگری که در VANET وجود دارد. بنابراین ، الف

IDS واقع بینانه برای VANET باید پارامترهای مربوط به را در نظر بگیرد

لایه PHY یا MAC که نشان دهنده مشکل ارتباط است. علاوه بر این،

بدیهی است که IDSپیشنهادی فقط مبتنی بر ارتباط V2Vاست

و می تواند بدون هیچ زیرساخت اضافی مانند VANET اعمال شود

RSU

ادبیات موجود [13،14] از RSU به عنوان تأیید ایستگاه های پایه ، با استفاده می کند

مکان های واقعی شناخته شده عمومی RSU های موجود در سیستم انتقال قدرت

طیف وسیعی از وسایل نقلیه برای بررسی موقعیت واقعی دریافت شده از

ماهواره در برابر فرستنده GPS جعلی. با این حال ، مشخص نیست

توضیح داد که چگونه می توان این ایستگاه های RSU را غیر مخرب فرض کرد. آ

روشهای مختلفی برای شناسایی آنها در ادبیات ارائه شده است

حقه بازی در اینجا روشهایی که Navigation جهانی را مقایسه می کند جالب توجه است

اطلاعات سیستم ماهواره (GNSS) برای اندازه گیری موجود از

حسگرهای غیر GNSSدیگر [11]. در مرجع. [15] کارسون و بولوی در این مورد بحث کردند

استفاده از دامنه و اطلاعات تحمل با موقعیت های GPS برای شناسایی

کلاهبرداری برای یک دسته از وسایل نقلیه. آنها در دسترس بودن را فرض کردند

بردارهای موقعیت نسبی (RPV) بین جفت وسایل نقلیه از رادار

سنسور آنها برای تشخیص تقلب در یک وسیله نقلیه تنها این RPV ها را مقایسه کردند

به بردار اختلاف GPSمربوطه ، در صورت اعلام تقلب

تفاوت خیلی زیاد بود تمرکز آنها فقط روی یک جفت وسیله نقلیه بود. همه

روشهای فوق الذکر از IVC برای مبادله استفاده می کنند

محدوده اطلاعات بین گره ها برای تشخیص ناهنجاری هایی که نشان می دهد

تقلب در موقعیت های GPS. با این حال ، ارتباطات بی سیم V2I

با تداخل بی سیم از کل مکان و همچنین مواجه می شود

محو شدن ویژگی ها

آخرین ، کارهای گسترده کاربردهای پردازش فضایی را ارائه می دهند

روشهایی برای تشخیص و کاهش تقلب در GPS که از هر دو فاز استفاده می کند

اندازه گیری های تأخیر [16] یا برآورد زاویه ورود (AoA)[17]

از لایه PHYبرای تأیید مبدع پیام. از یک مهاجم

چشم انداز ، گره نامشروع ممکن است به عمد اطلاعات را به جعل کند

رسیدن به هدفی خاص که ممکن است در برخی سناریوها منطقی باشد. آ

اشکال استفاده از معیارها از لایه PHY GPS نادرست است

تشخیص تقلب (به عنوان مثال هشدارهای دروغین) که ممکن است در شرایطی رخ دهد

چندین سیگنال ماهواره ای صحیح از جهات مشابه دریافت می شود و

اختلاف تاخیر فاز زیر یک آستانه از پیش تعریف شده است.

تمام نشریات فوق از روشهای ML برای تشخیص استفاده نمی کنند

حملات جعل. از طرف دیگر ، چندین مقاله از جمله [18،19]

طرح های مبتنی بر شاخص قدرت سیگنال دریافت شده (RSSI) را معرفی کنید

برای تشخیص حملات جعل در شبکه های حسگر بی سیم (WSN) با استفاده از

تکنیک های MLبدون استفاده از معماری لایه ای. بر اساس مفصل

مدلهای تحلیلی برای کانال رادیویی تلفن همراه ، الگوریتم پیشنهادی

ترکیبی از دو طبقه بندی برای پردازش و تجزیه و تحلیل نمونه های فوری از

قدرت سیگنال را برای شناسایی حملات دریافت کرد. الگوریتم برای بهینه شده است

سناریوهایی که گره قانونی و گره حمله کننده در آن قرار دارند

در همان فاصله یا در فاصله بسیار نزدیک از یکدیگر در رابطه با a

نقطه عطفی ، که بدترین حالت است. یک IDS لایه لایه جدید است

ارائه شده در Ref. [20] با نتایج دقت بالا. با این حال ، این IDSدارد

فقط در یک دسته از وسایل نقلیه آزمایش شده است. آخرین ، در

مرجع. [21] IDSبر اساس یک عصب کانولوشن عمیق ارائه می شود

شبکه (DCNN) برای محافظت از گذرگاه شبکه منطقه کنترل کننده (CAN) از

وسیله نقلیه. DCNNالگوهای ترافیک شبکه را فرا می گیرد و بدون ویژگی های طراحی شده دستی ، ترافیک بد را تشخیص می دهد. نتایج آزمایشی

نشان می دهد که IDSپیشنهادی منفی کاذب به طور قابل توجهی کم است

نرخ و نرخ خطا در مقایسه با معمول است

الگوریتم های یادگیری ماشین ، همچنین باعث افزایش پیچیدگی

سیستم.

در مقابل با تمام آثار فوق برای تشخیص a

حمله حقه بازی با استفاده از تکنیک های تأیید موقعیت که توسط مشاهده می شود

GPS ما از یک نمونه اولیه اضافی به نام PVRSاستفاده می کنیم که فاصله پیموده شده را کاهش می دهد و توسط واحدهای On-Board (OBU) مشاهده می شود.

سنسورهایی با مسافت طی شده با استفاده از سرعت نسبی

(Δu) متریک بین فرستنده و گیرنده [22،23]. تازگی از

معیار Δuاین است که می تواند توسط کانال بی سیم شبکه تخمین زده شود

لایه PHYبا استفاده از اثر پدیده داپلر بدون اضافی

حسگرها یا زیرساخت ها این معیار تخمینی را می توان با ترکیب کرد

الگوهای تحرک اجتماعی ساخت معیار PVRS. سرعت نسبی به عنوان

سنجه را می توان با سایر معیارهای APP و PHY ترکیب کرد

لایه ای که منجر به رویکرد تشخیص لایه متقاطع می شود. از لایه PHY

معیارهای مختلف مانند RSSI ، سیگنال برای تداخل و سر و صدا

نسبت (SINR) و نسبت تحویل بسته (PDR) برای تشخیص موثر

از حمله جعل استفاده می شود.

3. مدل سیستم

3.1 شرح سیستم و توپولوژی

دو سیستم مختلف شارژ با هم مقایسه می شوند: یکی که از Staticاستفاده می کند

فقط ایستگاه شارژ (SCS) و ایستگاهی که ترکیبی از SCS و تلفن همراه است

انتشار دهنده های انرژی (MED). ما از شرایط مختلف انرژی اولیه استفاده می کنیم

برای تمام خودروهای الکترونیکی شبیه سازی. روش هوشمند جستجوی مسیر ما

زمان انتظار برای قرار ملاقات MED-EV را در نظر می گیرد

یا برای زمان انتظار در صف یک SCS ، در حضور یک

تقلب مهاجم در میان گره های داخلی سیستم. نشان داده شده است که

روش پیشنهادی به طور قابل توجهی زمان انتظار را کاهش می دهد

روش شارژ و زمان شارژ مورد نیاز برای یک ماشین الکتریکی ،

زیرا EVدر طول مسیر خود به شارژ ادامه می دهد

اما وجود اسپوفر در سیستم یا می تواند باعث بروز آن شود

گرسنگی از EVهای خاص برای یک بازه طولانی مدت یا باعث تغییر مسیر

EVبرای شارژ ، که منجر به افزایش قابل توجهی در کل می شود

زمان سفر. در ابتدا ، مدل سیستم با a جمع می شود

تعداد EV(50–200). از این مرحله به بعد ، هر گره گسترده ، در یک بازه زمانی δðtÞ ¼ 0: 1 ثانیه ، یک پیام CAM برای اطلاع رسانی ارسال می کند

یا SCS یا MEDحضور آن. همه خودروهای الکترونیکی از این موارد مطلع می شوند

زمان انتظار یا توسط SCS یا توسط MED. این به عنوان یک پاسخ است

از طریق ارتباط دوره ای با MED یا SCS با استفاده از CAM

پیام ها. بر اساس این اطلاعات ، یک EV می تواند SCS یا را انتخاب کند

MEDبرای شارژ خود نیاز دارد در حالی که بهترین مسیر را از آن انتخاب می کند

نقطه شروع به مقصد نهایی خود.

برای سناریوی شبیه سازی شده ما ، از 3 گره داخلی استفاده می کنیم - وسایل نقلیه یک

سیستم شارژ 2 وسیله نقلیه اول نشانگر جفت Attacker Receiverاست. وسیله نقلیه سوم یک وسیله نقلیه قانونی است ، قربانی ، که

هویت توسط مهاجم کلاهبرداری می شود. گره هایی که وارد سیستم می شوند

برای اطلاع از حضور آنها و به صورت دوره ای پیام های فانوس دریایی را پخش کنید

MED و SCS را با اطلاعات مربوط به مکان فعلی آنها به روز کنید. این پیام چراغ حاوی یک شناسه گره است. مختصات GPS؛ سرعت GPS ؛ مهر زمان فعلی و آدرس MAC. که در

شکل 1 مهاجم (EV A) در ابتدا شناسه گره (ID) را رهگیری می کند

EV I ، هنگامی که EV من CAM را پخش می کنم تا از حضور آن اطلاع دهم.

سپس ، مهاجم بلافاصله شناسه EV I را برای انتقال CAMجعل می کند

با مختصات مکان GPSنادرست زودتر از CAM های قانونی ارسال شده

توسط EV I. این بدان معنی است که بیشتر CAM های قانونی ارسال شده توسط EV I

به دلیل روش برگشت MAC از بین رفته یا به تأخیر افتاده اند. پس از آن ،

دریافت MEDبه مکانی نادرست ، متفاوت هدایت می شود

از آنچه با EV Iموافقت شده است ، در روند شارژ دخالت می کند.

سناریوی فوق تنها سناریویی نیست که ممکن است رخ دهد. به عنوان مثال ، الف

مهاجم حقه بازی ممکن است حمله جعلی را نه تنها برای خود انجام دهد

سود. هدف مهاجم ممکن است ایجاد اختلال در عملکرد سیستم باشد

فرم انکار سرویس (DoS) به موجب ارتباطات V2V

مشکل بین EV Iو EV B (بخش 3.2 را ببینید). در هر صورت ،

IDSتوسعه یافته باید بین هر دو CAMقانونی تشخیص دهد

ارسال شده توسط EV I و جعلی بودن CAMهای ارسال شده توسط EV A ، هر دو با

شناسه EV I.

به خوبی شناخته شده است که برای پخش یک بسته در 802.11p pro tocol ، گره های رله ممکن است در مسیر دهی این بسته به مرحله نهایی آن نقش داشته باشند.

مقصد تصمیم بر این است که بومی سازی IDS پیشنهادی یک مرحله باشد

قبل از SCS یا MEDهمانطور که در شکل 1 مشاهده می شود ، که در محل قرار دارد

دامنه انتقال (1000 متر) هر دو SCS و MED. این نقش

گره رله دارای EV B است که در آن IDSواقع شده و یک بسته را دوباره ارسال می کند

از EV I(که قربانی است) یا EV A(که مهاجم است)

تا مقصدی که یا MED یا SCSباشد.

یک نمونه خاص از سیستم شارژ بی سیم Dynamic است

حساس به حمله تقلب در شکل 2 شرح داده شده است. در مرحله اول ، شکل 2a

مهاجمی را نشان می دهد که به طور تصادفی از یکی از گره های داخلی انتخاب شده است

سیستم مهاجم یا می تواند در جاده ای واقع شود که در

موقعیت عمودی جاده ای که EV I در آن قرار دارد یا در همان جاده قرار دارد

و بنابراین از EV I. پیروی می کنیم. ما پرونده ای را که مهاجم است را بررسی می کنیم

در ابتدا در یک جاده عمودی در رابطه با EV I واقع شده است ، زیرا نتایج بدست آمده است

در هر دو مورد مشابه است.

در مرحله بعدی ، EV A شناسه EV I. را رهگیری می کند. در نتیجه این کلاهبرداری

حمله ، EV Iشارژ خود را از دست می دهد (نگاه کنید به شکل 2b 2c). از این وضعیت

مهاجم EV Aاز آنجا که این وسیله نقلیه است که به پایان می رسد از آن بهره مند شده است

به دنبال MEDبرای شارژ (شکل 2d را ببینید). بنابراین ، قربانی می تواند شارژ کند

فقط پس از خاتمه حمله تقلب ، بسیار افزایش می یابد

زمان انتظار برای شارژ

مسدود کردن EV Iباید توسط IDS پیشنهادی شناسایی شود

حفظ سطح رضایت بخش برای مدت زمان کلی سفر پویا

سیستم شارژ بی سیم یک استراتژی تخفیف طولانی مدت می تواند شامل شود

محلی سازی مهاجم EV A و محرومیت از آن با شارژ

روند

3.2 حمله کلاهبرداری در ارتباطات V2V

همه EVهای سیستم شارژ پیشنهادی به صورت دوره ای CAMرا پخش می کنند ،

به عنوان پیام های فانوس شناخته می شود ، به منظور اطلاع رسانی به وسایل نقلیه همسایه از

حضور آنها هر CAMشامل چندین زمینه مانند Vehicleاست

شناسه (شناسه) ، نمونه زمان ، آدرس MAC و GPSفعلی وسیله نقلیه مکان و سرعت

کاربردهای ایمنی برای طراحی MAC بسیار چالش برانگیز است

پروتکل در VANETها به دلیل تأخیر کم (کمتر از 100 میلی ثانیه) و زیاد است

الزامات قابلیت اطمینان با این حال ، عملکرد MAC 802.11p

پروتکل تحت تأثیر برخی پارامترهای کلیدی مانند بسته قرار دارد

اندازه پیام مربوط به ایمنی، عملکرد تولید پیام،

تراکم خودرو ، دامنه ارتباطی و غیره برخی از این پارامترها

در ارزیابی های پیشنهادی اخیر به درستی تنظیم نشده اند. علاوه بر این ، به عنوان

در Ref. [24] ، نگرانی قابل توجهی در مورد BSMوجود دارد (ایمنی اساسی)

پیام ها) محدود به ارسال در کانال کنترل مرکزی هستند

(CCH) در فاصله 50 میلی ثانیه CCH. این به این دلیل است که ممکن است وجود داشته باشد

صدها دستگاه در یک منطقه مشخص و میزان برخورد می تواند بسیار زیاد باشد

بالا

طبق برنامه هماهنگی IEEE 1609.4 ، زمان کانال

به فواصل همگام سازی با طول ثابت 100 میلی ثانیه تقسیم می شود ،

متشکل از 50 میلی ثانیه (شامل فاصله محافظ 4 میلی ثانیه) متناوب بین

CCH و کانالهای خدمات (SCH). همه وسایل نقلیه در کانال کنترل می مانند

در دوره CCH 50میلی ثانیه و به یکی از شش کانال سرویس بروید

در دوره SCH 50میلی ثانیه با این حال ، شناسه و آدرس MACاز

فرستنده در قاب خدمات تبلیغات WAVE (WSA) [25] می تواند باشد

توسط جعل کننده اصلاح شده است. علاوه بر این ، این حمله جعل می تواند باعث افزایش

احتمال برخورد که تأثیر منفی بر عملکرد دارد

پروتکل MAC IEEE 802.11p ، به ویژه در برنامه های ایمنی با استفاده از

فواصل CCHفوق الذکر [26]. اگر گره ای ایجاد شود ، این وضعیت بوجود می آید

برای مدت زمان بیش از 50 میلی ثانیه در کانال CCH می ماند. دیگر

فاکتورها نیز باید تعریف شوند ، مانند تعداد وسایل نقلیه بیش از حد ممکن

با این CCHخاص در برنامه های ایمنی VANET جای بگیرید

فواصل مفاهیم حمله تقلب اجرا شده با جزئیات بیشتر در بخش 5.2 ارسال شده است. .

برای سناریوی حمله شبیه سازی شده ، در ابتدا ، وسایل نقلیه EV I و EV B

اتصال بی سیم با استفاده از IEEE 802.11p MAC برقرار شده است

پروتکل مهاجم EV A به وسایل نقلیه EV Iو EV B نزدیک می شود.


۰
۰
Mehdi Hosseini
Mehdi Hosseini
شاید از این پست‌ها خوشتان بیاید