https://virgool.ir/feed/@hosseinimehdi418fa2026-11-11 23:14:39https://files.virgool.ir/upload/users/955018/avatar/avatar.pnghttps://virgool.ir/@hosseinimehdi418https://virgool.ir/@hosseinimehdi418/ترجمه-مقاله-isi-ungdslwoaeyoموضوع: 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. اخیرپیشنهادات با استفاده از شارژ بی سیم پویا که امکان تبادل برق را فراهم می کند ، شارژ EVرا در حال حرکت بررسی کرده انددر حین حرکت وسیله نقلیه و شبکه. به طور خاص ، بخشی از ادبیات بر رویمسیریابی هوشمند خودروهای الکترونیکی که به شارژ نیاز دارند. ارتباطات بین وسیله نقلیه (IVC) نقش اساسی درمسیریابی 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 احتمالیسیستم تشخیص (IDS) ، بر اساس تکنیک های یادگیری ماشین (ML) ، معرفی شده است. IDS پیشنهادی قابلیت دارداز شناسایی حملات جعل با دقت بیش از 90٪. IDS از یک معیار جدید ، با استفاده از تأیید موقعیت استفاده می کندسرعت نسبی (PVRS) ، که به نظر می رسد تأثیر قابل توجهی در نتایج طبقه بندی دارد. PVRS مقایسه می کندفاصله بین دو گره ارتباطی که توسط واحدهای On-Board (OBU)مشاهده می شود و برآورد آنهافاصله با استفاده از مقدار سرعت نسبی که با استفاده از سیگنالهای جایگزین شده در لایه فیزیکی (PHY) محاسبه می شود1. مقدمهدو عامل اصلی منع پذیرش الکتریکیوسایل نقلیه (EV) در سراسر اروپا دامنه رانندگی هستند (یعنی مسافت آنوسیله نقلیه می تواند قبل از اینکه نیاز به شارژ مجدد داشته باشد) و عدم پشتیبانیزیرساخت شارژ یک راه حل برای این عوامل محوری خواهد بوداجرای تکنیک های بهینه سازی تصادفی برایروش شارژ EVS[1]. با این حال ، این منطقه تحقیقاتی خاص استمحدودیت 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 داردزیرساخت 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 وروش 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 افزایشمحدوده رانندگی ماشینهای الکتریکی استفاده از اتوبوس های شهری به عنوان منابع انرژی در کشور استحرکت. 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 کنندایستگاه ها (SCS)[2]. نقش MED را می توان با اتوبوس های شهری بر عهده گرفتمسیری از پیش تعیین شده را در سطح شهر دنبال کنید. اتوبوس های درون شهری به طور مکرردر یک مسیر از پیش تعریف شده حرکت کنید. EV می تواند ارتباط برقرار کندبا MEDو در یک مکان خاص در امتداد از پیش تعریف شده به آن نزدیک شویدمسیر برای تکمیل روند شارژ. روش پیشنهادی بهره برداری می کندارتباط بین خودرویی (IVC) به منظور مسیریابی محیط زیست EV. اینرویکرد 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 شوندنیاز 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. آتعدادی از شرکت ها به طور فعال در حال توسعه راه حل های DWCهستندمراحل تحقیق و آزمایش [4–7]. در مرجع. [8] نویسندگان پیشنهاد کرده اندیک روش مسیریابی هوشمند است که می تواند برای اجرای یک پویا استفاده شودمدل شارژ در زیرساخت های جاده موجود. سیستم پیشنهادی برایشارژ بی سیم پویا عمدتا مبتنی بر بی سیم استارتباطات خودرو به خودرو (V2V) و از بهینه سازی مسیر استفاده می کندراه حل. استفاده از ارتباطات بی سیم در بین EV و MEDهماهنگی روش رزرو در زمان واقعی برای SCS یاMED ، بهینه سازی زمان انتظار. به طور خاص ، گره هایی که وارد سیستم می شوندبرای 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 چراغشامل یک شناسه گره ، مختصات GPS ، سرعت GPS، مهر زمان فعلی و آدرس MAC EVاست. این پیام ها منتقل می شوندچندین 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 هادر معرض طیف گسترده ای از تهدیدات سایبری ، مانند استراق سمع ،حملات جعل و تعدیل.به طور خاص ، یک حمله جعلی علیه ارتباط بینEV می تواند به مهاجم اجازه دهد روند شارژ را اصلاح کند (به عنوان مثال تغییر می کندترتیب 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 استحملات برای سیستم های بهینه سازی مسیر. این نوع حمله اجازه می دهد تا یکمهاجم موقعیت واقعی جغرافیایی خود را در اطلاعات ارسالی جعل می کنددر پیام های CAM، باعث می شود که گره های دیگر باور کنند که وسیله نقلیه داخل استموقعیت دیگر [9]. به این ترتیب یک مهاجم می تواند در مقابل رقابت سود ببردEV ها ، از آنجا که توالی شارژ براساس تصمیمات ناوبری است. هرEVجدولی دارد که شامل مکانها و شناسه های گره از هر یک استEV دیگر در مجاورت آن. اطلاعات مربوط به مکان هروسیله نقلیه از سیستم GPS آنها استخراج و برای همسایگان خود ارسال می شوداز طریق پیام های CAM. یک مهاجم می تواند این توهم را ایجاد کند که هستبا تغییر جدول مکان GPS در یک مکان خاص حضور داشته باشیدسیستم یا با تولید و ارسال سیگنال های مکان جعلی قوی تر به آنگیرنده 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 کندبین دو گره ، باعث تأثیرات مشابه اثرات انکار سرویس می شود(DoS) حمله در عین حال تشخیص از آن دشوارتر استفقط به تعداد بسیار کمی بسته مخرب نیاز است تا تولید شود.IDS پیشنهادی از یک معیار اضافی از Physical (PHY)استفاده می کندلایه: سرعت نسبی برآورد شده همراه با پارامترهای GPS می باشدکارآیی بیشتر آن در شناسایی چنین حملاتی.انگیزه: انگیزه اصلی این مقاله بررسی چگونگی استحضور یک مهاجم متقلب به عنوان گره داخلی سیستم تأثیر می گذاردکل زمان سفر که باید در Ref بهینه شود. [8] نمونه های خاصشرح داده می شوند که در آن حضور یک مهاجم می تواند حق را نقض کندبرای شارژ ماشین های الکتریکی با استفاده از MED یا SCS سفارش دهید. این نمونه هامنحصر به فرد نیستند ، اما بسیار محتمل هستند و می توانند در کل مدت سفر افزایش قابل توجهی داشته باشند. این نشان می دهد که بیشترحملات پیشرفته ، احتمالاً شامل تعداد زیادی از مهاجمان هماهنگ ،می تواند عملکرد سیستم را تحت تأثیر قرار داده و تخریب کند. با این حالتجزیه و تحلیل دقیق مدلهای حمله هماهنگ از این موضوع خارج استکاغذ. در اینجا ، ما نشان می دهیم که یک IDS احتمالی مناسب استحضور حداقل یک مهاجم را شناسایی و کاهش دهید.نتیجه گیری ، IDSمبتنی بر یادگیری ماشین (ML) در سال ایجاد شده استبه منظور شناسایی مهاجمان تقلب. بر اساس نتایج IDS ،مهاجمان از مکانیسم شارژ بی سیم پویا مستثنی هستند.سهم دیگر مقاله معرفی معیار جدید استکه به عنوان یک ویژگی جداگانه برای الگوریتم های ML استفاده می شود. این معیارتأیید موقعیت با استفاده از سرعت نسبی (PVRS) بر اساس استسرعت نسبی Δuکه از طریق سیگنالهای مبادله شده در محاسبه می شودلایه PHY. PVRSفاصله بین دو برقراری ارتباط را مقایسه می کندگره ها از طریق واحدهای داخل خود (OBU) و فاصله تخمینیکه با استفاده از مقدار Δu محاسبه می شود. تأثیر PVRSپیشنهادیمتریک در عملکرد IDSاحتمالی افزایش 6 بوددر دقت بنابراین ، PVRS معیار مناسبی به ویژه برایتشخیص حمله جعل. این اولین ML IDS پیشنهادی در کشور استادبیاتی که می تواند به طور موثر یک مهاجم متقلب را واقع بینانه تشخیص دهدکاربرد ، 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 هستندقوی بودن در برابر داده های آموزش پر سر و صدا مانند داده های به دست آمده از aزندگی شهری در زندگی واقعی و RF یکی از دقیق ترین استالگوریتم ها ، احتمال بیش از حد مناسب بودن را کاهش می دهد. نتایج هر دورویکردهای MLتحت نظارت با استفاده از تکنیک های همجوشی داده در ارتباط هستندبه منظور بهبود عملکرد کلی IDS.بقیه این مقاله به شرح زیر است. بخش 2 فراهم می کندمروری 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 کندمعیار PVRSرا معرفی کرد. بخش 5 ارزیابی تجربی را ارائه می دهدتنظیمات ، تأثیر حمله اجرا شده در ارتباطات V2V وسیستم پیشنهادی برای شارژ بی سیم پویا. این همچنین شاملنتایج تجربی IDSاحتمالی. بخش 6 شامل بحث درباره احراز هویت اخیر و تکنیک های توزیع کلید استبه منظور تقویت و ایمن سازی ارتباطات در VANET استفاده می شودروند. سرانجام ، بخش 7 یافته های ما را خلاصه می کند و نتیجه گیری می کندکار کردنکار مرتبطادبیات مربوط به حملات تقلب در VANET به تقسیم می شوددو حوزه متمایز مورد علاقه. در مرحله اول ، تکنیک هایی که از معیارهای استفاده از استفاده می شودلایه برنامه (APP) ، به عنوان مثال انحراف سرعت ، مانند پذیرشآستانه محدوده (ART)[10]. تأیید انحراف سرعت به طور متوالیاز فواصل زمانی نیز برای تأیید هر وسیله نقلیه استفاده شده استمحل. 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 بگیریدسیستم ناوبری جهانی ماهواره (GNSS) یک کلاهبرداری از ماشین های مجهز به ارتباطات بین خودرویی را جعل می کند. این مقاله در نظر می گیرداستفاده از فقط اطلاعات برد کوتاه که بین یک جوخه ارتباط برقرار می شودوسایل نقلیه برای تشخیص جعل GNSS. بنابراین توانایی تشخیص کلاهبرداریبستگی زیادی به هندسه نسبی جوخه و جهت آن داردحقه 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 کنندیک رویکرد لایه ای متقاطع.ثانیا ، یک منطقه خاص وجود دارد که انتشارات نیز در آن استفاده می کنندمعیارهای مربوط به لایه PHY ، مانند قدرت سیگنال دریافت شده (RSS) ،و معیارها از لایه برنامه (APP) ، مانند انحراف سرعتگره ها [12]. در انتشارات مختلف ، تجزیه و تحلیل توزیع قدرت استبرای شناسایی حملات Sybil یا Spoofing استفاده می شود [13]. پیشنهادی یک روش شناسایی عملیاتی کوپر است که در آن چندین گره همسایه همکاری می کنندبرای اندازه گیری توزیع قدرت سیگنال یک گره مشکوک وموقعیت 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 استروش همکاری فقط می تواند دقت کاملاً محدودی داشته باشد. برای حل ایندقت محدود مدل پیشنهادی به دلیل تاخیر در انتشار یاتلفات بسته ، به ویژه در VANET ها ، مفهوم Presence Evidence استسیستم (PES) به منظور اطمینان از اینکه گره ها درترافیک مخالف گره های فیزیکی هستند و می توانیم آنها را به عنوان معتمد داشته باشیممنابع اندازه گیری قدرت سیگنال. با این حال ، توانایی تشخیصتقلب تا حد زیادی به این فرض بستگی دارد که ترافیک مخالف باشدمنابع معتبر نویسندگان در Ref. [14] یک راه حل برای تصحیح این پیشنهاد می کندموقعیت اشتباه داده شده توسط GPS جعلی. اصلاح بر اساس الففرآیند 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 وRSU می تواند با ویژگی های سریع محو مانند سایه زدن آسیب ببینداز ساختمانها یا موانع دیگری که در VANET وجود دارد. بنابراین ، الفIDS واقع بینانه برای VANET باید پارامترهای مربوط به را در نظر بگیردلایه PHY یا MAC که نشان دهنده مشکل ارتباط است. علاوه بر این،بدیهی است که IDSپیشنهادی فقط مبتنی بر ارتباط V2Vاستو می تواند بدون هیچ زیرساخت اضافی مانند VANET اعمال شودRSUادبیات موجود [13،14] از RSU به عنوان تأیید ایستگاه های پایه ، با استفاده می کندمکان های واقعی شناخته شده عمومی RSU های موجود در سیستم انتقال قدرتطیف وسیعی از وسایل نقلیه برای بررسی موقعیت واقعی دریافت شده ازماهواره در برابر فرستنده GPS جعلی. با این حال ، مشخص نیستتوضیح داد که چگونه می توان این ایستگاه های RSU را غیر مخرب فرض کرد. آروشهای مختلفی برای شناسایی آنها در ادبیات ارائه شده استحقه بازی در اینجا روشهایی که Navigation جهانی را مقایسه می کند جالب توجه استاطلاعات سیستم ماهواره (GNSS) برای اندازه گیری موجود ازحسگرهای غیر GNSSدیگر [11]. در مرجع. [15] کارسون و بولوی در این مورد بحث کردنداستفاده از دامنه و اطلاعات تحمل با موقعیت های GPS برای شناساییکلاهبرداری برای یک دسته از وسایل نقلیه. آنها در دسترس بودن را فرض کردندبردارهای موقعیت نسبی (RPV) بین جفت وسایل نقلیه از رادارسنسور آنها برای تشخیص تقلب در یک وسیله نقلیه تنها این RPV ها را مقایسه کردندبه بردار اختلاف GPSمربوطه ، در صورت اعلام تقلبتفاوت خیلی زیاد بود تمرکز آنها فقط روی یک جفت وسیله نقلیه بود. همهروشهای فوق الذکر از IVC برای مبادله استفاده می کنندمحدوده اطلاعات بین گره ها برای تشخیص ناهنجاری هایی که نشان می دهدتقلب در موقعیت های GPS. با این حال ، ارتباطات بی سیم V2Iبا تداخل بی سیم از کل مکان و همچنین مواجه می شودمحو شدن ویژگی هاآخرین ، کارهای گسترده کاربردهای پردازش فضایی را ارائه می دهندروشهایی برای تشخیص و کاهش تقلب در GPS که از هر دو فاز استفاده می کنداندازه گیری های تأخیر [16] یا برآورد زاویه ورود (AoA)[17]از لایه PHYبرای تأیید مبدع پیام. از یک مهاجمچشم انداز ، گره نامشروع ممکن است به عمد اطلاعات را به جعل کندرسیدن به هدفی خاص که ممکن است در برخی سناریوها منطقی باشد. آاشکال استفاده از معیارها از لایه PHY GPS نادرست استتشخیص تقلب (به عنوان مثال هشدارهای دروغین) که ممکن است در شرایطی رخ دهدچندین سیگنال ماهواره ای صحیح از جهات مشابه دریافت می شود واختلاف تاخیر فاز زیر یک آستانه از پیش تعریف شده است.تمام نشریات فوق از روشهای ML برای تشخیص استفاده نمی کنندحملات جعل. از طرف دیگر ، چندین مقاله از جمله [18،19]طرح های مبتنی بر شاخص قدرت سیگنال دریافت شده (RSSI) را معرفی کنیدبرای تشخیص حملات جعل در شبکه های حسگر بی سیم (WSN) با استفاده ازتکنیک های MLبدون استفاده از معماری لایه ای. بر اساس مفصلمدلهای تحلیلی برای کانال رادیویی تلفن همراه ، الگوریتم پیشنهادیترکیبی از دو طبقه بندی برای پردازش و تجزیه و تحلیل نمونه های فوری ازقدرت سیگنال را برای شناسایی حملات دریافت کرد. الگوریتم برای بهینه شده استسناریوهایی که گره قانونی و گره حمله کننده در آن قرار دارنددر همان فاصله یا در فاصله بسیار نزدیک از یکدیگر در رابطه با aنقطه عطفی ، که بدترین حالت است. یک IDS لایه لایه جدید استارائه شده در Ref. [20] با نتایج دقت بالا. با این حال ، این IDSداردفقط در یک دسته از وسایل نقلیه آزمایش شده است. آخرین ، درمرجع. [21] IDSبر اساس یک عصب کانولوشن عمیق ارائه می شودشبکه (DCNN) برای محافظت از گذرگاه شبکه منطقه کنترل کننده (CAN) ازوسیله نقلیه. DCNNالگوهای ترافیک شبکه را فرا می گیرد و بدون ویژگی های طراحی شده دستی ، ترافیک بد را تشخیص می دهد. نتایج آزمایشینشان می دهد که IDSپیشنهادی منفی کاذب به طور قابل توجهی کم استنرخ و نرخ خطا در مقایسه با معمول استالگوریتم های یادگیری ماشین ، همچنین باعث افزایش پیچیدگیسیستم.در مقابل با تمام آثار فوق برای تشخیص aحمله حقه بازی با استفاده از تکنیک های تأیید موقعیت که توسط مشاهده می شودGPS 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 ازمعیار Δuاین است که می تواند توسط کانال بی سیم شبکه تخمین زده شودلایه PHYبا استفاده از اثر پدیده داپلر بدون اضافیحسگرها یا زیرساخت ها این معیار تخمینی را می توان با ترکیب کردالگوهای تحرک اجتماعی ساخت معیار PVRS. سرعت نسبی به عنوانسنجه را می توان با سایر معیارهای APP و PHY ترکیب کردلایه ای که منجر به رویکرد تشخیص لایه متقاطع می شود. از لایه PHYمعیارهای مختلف مانند RSSI ، سیگنال برای تداخل و سر و صدانسبت (SINR) و نسبت تحویل بسته (PDR) برای تشخیص موثراز حمله جعل استفاده می شود.3. مدل سیستم3.1 شرح سیستم و توپولوژیدو سیستم مختلف شارژ با هم مقایسه می شوند: یکی که از Staticاستفاده می کندفقط ایستگاه شارژ (SCS) و ایستگاهی که ترکیبی از SCS و تلفن همراه استانتشار دهنده های انرژی (MED). ما از شرایط مختلف انرژی اولیه استفاده می کنیمبرای تمام خودروهای الکترونیکی شبیه سازی. روش هوشمند جستجوی مسیر مازمان انتظار برای قرار ملاقات MED-EV را در نظر می گیردیا برای زمان انتظار در صف یک SCS ، در حضور یکتقلب مهاجم در میان گره های داخلی سیستم. نشان داده شده است کهروش پیشنهادی به طور قابل توجهی زمان انتظار را کاهش می دهدروش شارژ و زمان شارژ مورد نیاز برای یک ماشین الکتریکی ،زیرا EVدر طول مسیر خود به شارژ ادامه می دهداما وجود اسپوفر در سیستم یا می تواند باعث بروز آن شودگرسنگی از EVهای خاص برای یک بازه طولانی مدت یا باعث تغییر مسیرEVبرای شارژ ، که منجر به افزایش قابل توجهی در کل می شودزمان سفر. در ابتدا ، مدل سیستم با a جمع می شودتعداد 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 کندیا SCS یا MEDحضور آن. همه خودروهای الکترونیکی از این موارد مطلع می شوندزمان انتظار یا توسط SCS یا توسط MED. این به عنوان یک پاسخ استاز طریق ارتباط دوره ای با MED یا SCS با استفاده از CAMپیام ها. بر اساس این اطلاعات ، یک EV می تواند SCS یا را انتخاب کندMEDبرای شارژ خود نیاز دارد در حالی که بهترین مسیر را از آن انتخاب می کندنقطه شروع به مقصد نهایی خود.برای سناریوی شبیه سازی شده ما ، از 3 گره داخلی استفاده می کنیم - وسایل نقلیه یکسیستم شارژ 2 وسیله نقلیه اول نشانگر جفت Attacker Receiverاست. وسیله نقلیه سوم یک وسیله نقلیه قانونی است ، قربانی ، کههویت توسط مهاجم کلاهبرداری می شود. گره هایی که وارد سیستم می شوندبرای اطلاع از حضور آنها و به صورت دوره ای پیام های فانوس دریایی را پخش کنیدMED 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 درشکل 1 مهاجم (EV A) در ابتدا شناسه گره (ID) را رهگیری می کندEV 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 کندبا مختصات مکان GPSنادرست زودتر از CAM های قانونی ارسال شدهتوسط EV I. این بدان معنی است که بیشتر CAM های قانونی ارسال شده توسط EV Iبه دلیل روش برگشت MAC از بین رفته یا به تأخیر افتاده اند. پس از آن ،دریافت MEDبه مکانی نادرست ، متفاوت هدایت می شوداز 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 ، الفمهاجم حقه بازی ممکن است حمله جعلی را نه تنها برای خود انجام دهدسود. هدف مهاجم ممکن است ایجاد اختلال در عملکرد سیستم باشدفرم انکار سرویس (DoS) به موجب ارتباطات V2Vمشکل بین EV Iو EV B (بخش 3.2 را ببینید). در هر صورت ،IDSتوسعه یافته باید بین هر دو CAMقانونی تشخیص دهدارسال شده توسط EV I و جعلی بودن CAMهای ارسال شده توسط EV A ، هر دو باشناسه 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 باشدقبل از SCS یا MEDهمانطور که در شکل 1 مشاهده می شود ، که در محل قرار دارددامنه انتقال (1000 متر) هر دو SCS و MED. این نقشگره رله دارای EV B است که در آن IDSواقع شده و یک بسته را دوباره ارسال می کنداز 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 استحساس به حمله تقلب در شکل 2 شرح داده شده است. در مرحله اول ، شکل 2aمهاجمی را نشان می دهد که به طور تصادفی از یکی از گره های داخلی انتخاب شده استسیستم مهاجم یا می تواند در جاده ای واقع شود که درموقعیت عمودی جاده ای که EV I در آن قرار دارد یا در همان جاده قرار داردو بنابراین از EV I. پیروی می کنیم. ما پرونده ای را که مهاجم است را بررسی می کنیمدر ابتدا در یک جاده عمودی در رابطه با EV I واقع شده است ، زیرا نتایج بدست آمده استدر هر دو مورد مشابه است.در مرحله بعدی ، EV A شناسه EV I. را رهگیری می کند. در نتیجه این کلاهبرداریحمله ، EV Iشارژ خود را از دست می دهد (نگاه کنید به شکل 2b 2c). از این وضعیتمهاجم EV Aاز آنجا که این وسیله نقلیه است که به پایان می رسد از آن بهره مند شده استبه دنبال MEDبرای شارژ (شکل 2d را ببینید). بنابراین ، قربانی می تواند شارژ کندفقط پس از خاتمه حمله تقلب ، بسیار افزایش می یابدزمان انتظار برای شارژمسدود کردن EV Iباید توسط IDS پیشنهادی شناسایی شودحفظ سطح رضایت بخش برای مدت زمان کلی سفر پویاسیستم شارژ بی سیم یک استراتژی تخفیف طولانی مدت می تواند شامل شودمحلی سازی مهاجم EV A و محرومیت از آن با شارژروند3.2 حمله کلاهبرداری در ارتباطات V2Vهمه 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 ازحضور آنها هر CAMشامل چندین زمینه مانند Vehicleاستشناسه (شناسه) ، نمونه زمان ، آدرس MAC و GPSفعلی وسیله نقلیه مکان و سرعتکاربردهای ایمنی برای طراحی MAC بسیار چالش برانگیز استپروتکل در VANETها به دلیل تأخیر کم (کمتر از 100 میلی ثانیه) و زیاد استالزامات قابلیت اطمینان با این حال ، عملکرد MAC 802.11pپروتکل تحت تأثیر برخی پارامترهای کلیدی مانند بسته قرار دارداندازه پیام مربوط به ایمنی، عملکرد تولید پیام،تراکم خودرو ، دامنه ارتباطی و غیره برخی از این پارامترهادر ارزیابی های پیشنهادی اخیر به درستی تنظیم نشده اند. علاوه بر این ، به عنواندر 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 باشدصدها دستگاه در یک منطقه مشخص و میزان برخورد می تواند بسیار زیاد باشدبالاطبق برنامه هماهنگی IEEE 1609.4 ، زمان کانالبه فواصل همگام سازی با طول ثابت 100 میلی ثانیه تقسیم می شود ،متشکل از 50 میلی ثانیه (شامل فاصله محافظ 4 میلی ثانیه) متناوب بینCCH و کانالهای خدمات (SCH). همه وسایل نقلیه در کانال کنترل می ماننددر دوره CCH 50میلی ثانیه و به یکی از شش کانال سرویس برویددر دوره SCH 50میلی ثانیه با این حال ، شناسه و آدرس MACازفرستنده در قاب خدمات تبلیغات WAVE (WSA) [25] می تواند باشدتوسط جعل کننده اصلاح شده است. علاوه بر این ، این حمله جعل می تواند باعث افزایشاحتمال برخورد که تأثیر منفی بر عملکرد داردپروتکل MAC IEEE 802.11p ، به ویژه در برنامه های ایمنی با استفاده ازفواصل CCHفوق الذکر [26]. اگر گره ای ایجاد شود ، این وضعیت بوجود می آیدبرای مدت زمان بیش از 50 میلی ثانیه در کانال CCH می ماند. دیگرفاکتورها نیز باید تعریف شوند ، مانند تعداد وسایل نقلیه بیش از حد ممکنبا این CCHخاص در برنامه های ایمنی VANET جای بگیریدفواصل 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 Bاتصال بی سیم با استفاده از IEEE 802.11p MAC برقرار شده استپروتکل مهاجم EV A به وسایل نقلیه EV Iو EV B نزدیک می شود.Mehdi HosseiniMehdi HosseiniFri, 18 Jun 2021 19:08:01 +0430