Malicious Vehicles(악성 차량)란 무엇입니까?
Malicious Vehicles 악성 차량 - Vehicular networks are vulnerable to various attacks from malicious vehicles or infrastructures within a network. [1] This paper proposed the Robust and Reliable Secure Clustering and Data Transmission (R2SCDT/RRSCDT) protocol to mitigate the challenges of malicious vehicles in the network. [2] This explains secure data is also transferred between malicious vehicles due to which interference makes much more complicated. [3] The performance of the blockchain is evaluated and its reliability in the presence of attackers (malicious vehicles) is examined and discussed. [4] The fault or malicious vehicles in VANET may lead to serious accidents and public assets lost due to miscommunications based on vehicle sensor data. [5] For the scenario where malicious vehicles are present, the proposed scheme achieves a probability of detection close to 99%. [6] Hence, the detection of malicious vehicles is of utmost importance. [7] Moreover, malicious vehicles in the network broadcasting false information about these traffic events cause a disturbance in the network. [8] Also, the detection of malicious vehicles is a significant task in VANETs. [9] (en, any rewarded vehicle can get the fair payment; on the contrary, malicious vehicles or task initiators will be punished. [10] The proposed scheme can efficiently evaluate the credibility of the vehicles, and eliminate the malicious vehicles to protect the privacy information of the vehicles. [11] The simulation results show that the proposed scheme has an obvious limitation on malicious vehicles, and improves the accuracy of the vehicles’ judgment of events based on the received messages. [12] Although the recruitment of mobile vehicles (MVs) to collect urban data has proved to be an effective method, most existing data collection systems lack a trust detection mechanism for malicious terminal nodes and malicious vehicles, which should lead to security vulnerabilities in practice. [13] The experimental results show that the proposed method has better performance than similar methods in terms of correct decision probability under different proportions of malicious vehicles, different numbers of vehicles, and different reference ranges. [14] BAVC introduces smart contract to restrict access to the network, which deny the access of malicious vehicles. [15] For malicious vehicles, the traffic control centre has the capability to compare data collected from roadside units and video surveillance cameras to analysis whether it behave incorrectly. [16] By performing such velocity changes, these vehicles (referred to as malicious vehicles) are able to manipulate the velocity/density profile of the non-malicious (normal) vehicles. [17] Here, we take the advantage of vehicular cloud and increase the resilience of CAVs to malicious vehicles by assuming each vehicle shares its local sensor information with other vehicles to create information redundancy on the cloud side. [18] Moreover, different from the common assumption of honest MEC server and honest vehicle in former studies, we take the malicious MEC servers and malicious vehicles into account. [19] Accordingly, a number of trust models have been recently proposed in the literature to ensure the identification and elimination of malicious vehicles from the network. [20] In this paper, we propose the use of mini blockchain in the detection of malicious vehicles in VANET. [21] We propose a hybrid trust management scheme to identify such malicious vehicles and to inhibit them from being elected as the cluster head. [22] In this paper, we investigate the decision making of autonomous vehicles in an unsignalized intersection in presence of malicious vehicles, which are vehicles that do not respect the law by not using the proper rules of the right of way. [23] The station will also be connected to SerIoT SDN routers providing security for the station from malicious vehicles and the network. [24] Accordingly, numerous trust models have been proposed in the research literature to ensure the identification and elimination of malicious vehicles from a network. [25] To protect against malicious vehicles that may inject false data, we define a reputation system where the collected data of the vehicles is verified by monitoring the neighbor data. [26] Moreover, our system identified the malicious vehicles with 77. [27] Also, the malicious vehicles can send fake displacement urgency to their supervised traffic light, to reach their destinations as fast as possible. [28] However there are many malicious vehicles that affect the system. [29] Accordingly, the presence of malicious vehicles that broadcast fake location information can threaten the traffic safety. [30] , VANETs), normal communications between vehicles are vulnerable to attacks from malicious vehicles. [31]차량 네트워크는 네트워크 내에서 악성 차량이나 인프라의 다양한 공격에 취약합니다. [1] 이 논문에서는 네트워크에서 악성 차량의 문제를 완화하기 위해 R2SCDT/RRSCDT(Robust and Reliable Secure Clustering and Data Transmission) 프로토콜을 제안했습니다. [2] 이는 보안 데이터가 악의적인 차량 간에도 전송되기 때문에 간섭이 훨씬 더 복잡해짐을 설명합니다. [3] 블록체인의 성능을 평가하고 공격자(악성 차량)가 있는 상태에서 블록체인의 신뢰성을 검사하고 논의합니다. [4] VANET의 결함 또는 악의적인 차량은 차량 센서 데이터를 기반으로 한 잘못된 통신으로 인해 심각한 사고 및 공공 자산 손실로 이어질 수 있습니다. [5] 악성 차량이 존재하는 시나리오에서 제안된 기법은 99%에 가까운 탐지 확률을 달성합니다. [6] 따라서 악성 차량의 탐지가 가장 중요합니다. [7] 더욱이 이러한 트래픽 이벤트에 대한 잘못된 정보를 방송하는 네트워크의 악의적인 차량은 네트워크를 교란시킵니다. [8] 또한 VANET에서 악성 차량의 탐지는 중요한 작업입니다. [9] (ko, 모든 보상 차량은 정당한 대가를 받을 수 있으며, 반대로 악의적인 차량이나 작업 개시자는 처벌을 받습니다. [10] 제안된 기법은 차량의 신뢰성을 효율적으로 평가하고 악성 차량을 제거하여 차량의 개인 정보를 보호할 수 있습니다. [11] 시뮬레이션 결과, 제안된 기법은 악성 차량에 대한 명백한 한계가 있으며 수신된 메시지를 기반으로 차량의 이벤트 판단 정확도를 향상시키는 것으로 나타났습니다. [12] 도시 데이터를 수집하기 위해 모바일 차량(MV)을 모집하는 것이 효과적인 방법임이 입증되었지만 대부분의 기존 데이터 수집 시스템에는 악성 터미널 노드 및 악성 차량에 대한 신뢰 감지 메커니즘이 부족하여 실제로 보안 취약성을 초래할 수 있습니다. [13] 실험 결과, 제안한 방법은 악성 차량의 비율, 차량 대수, 기준 범위가 다를 때 올바른 결정 확률 측면에서 유사한 방법보다 성능이 우수함을 보여줍니다. [14] BAVC는 스마트 계약을 도입하여 악성 차량의 액세스를 거부하는 네트워크 액세스를 제한합니다. [15] 악의적인 차량의 경우 교통 관제 센터는 노변 장치와 비디오 감시 카메라에서 수집한 데이터를 비교하여 오작동 여부를 분석할 수 있습니다. [16] 이러한 속도 변경을 수행함으로써 이러한 차량(악성 차량이라고 함)은 악성이 아닌(정상) 차량의 속도/밀도 프로파일을 조작할 수 있습니다. [17] 여기에서는 차량 클라우드를 활용하고 각 차량이 로컬 센서 정보를 다른 차량과 공유하여 클라우드 측에서 정보 중복성을 생성한다고 가정하여 악성 차량에 대한 CAV의 복원력을 높입니다. [18] 또한, 이전 연구에서 정직한 MEC 서버와 정직한 차량에 대한 일반적인 가정과 달리 악성 MEC 서버와 악성 차량을 고려합니다. [19] 따라서 네트워크에서 악성 차량의 식별 및 제거를 보장하기 위해 최근 문헌에서 다수의 신뢰 모델이 제안되었습니다. [20] 본 논문에서는 VANET에서 악성 차량 탐지에 미니 블록체인을 사용할 것을 제안한다. [21] 우리는 이러한 악성 차량을 식별하고 클러스터 헤드로 선출되는 것을 방지하기 위해 하이브리드 신뢰 관리 기법을 제안합니다. [22] 본 논문에서는 신호등이 없는 교차로에서 적절한 통행우선권 규칙을 사용하지 않아 법을 준수하지 않는 차량인 악성 차량이 있는 상태에서 자율주행 차량의 의사결정을 조사한다. [23] 스테이션은 또한 악의적인 차량 및 네트워크로부터 스테이션에 대한 보안을 제공하는 SerIoT SDN 라우터에 연결됩니다. [24] 따라서 네트워크에서 악성 차량을 식별하고 제거하기 위해 연구 문헌에서 수많은 신뢰 모델이 제안되었습니다. [25] 허위 데이터를 주입할 수 있는 악성 차량으로부터 보호하기 위해 주변 데이터를 모니터링하여 차량의 수집 데이터를 검증하는 평판 시스템을 정의합니다. [26] 또한 당사 시스템은 77개의 악성 차량을 식별했습니다. [27] 또한 악의적인 차량은 감시 중인 신호등에 가짜 대피 긴급 상황을 보내 최대한 빨리 목적지에 도달할 수 있습니다. [28] 그러나 시스템에 영향을 미치는 많은 악성 차량이 있습니다. [29] 따라서 가짜 위치 정보를 유포하는 악성 차량의 존재는 교통 안전을 위협할 수 있습니다. [30] , VANET), 차량 간의 정상적인 통신은 악성 차량의 공격에 취약합니다. [31]
Prevent Malicious Vehicles 악성 차량 방지
However, how to guarantee the reliability of these broadcast messages and prevent malicious vehicles from accessing the private data of the VANETs is still an open problem to be solved. [1] In this paper, a reliable road-tolling system with trustworthiness evaluation is proposed, which guarantees that vehicle location privacy is secure and prevents malicious vehicles from tolling violations at the same time. [2] Attack Resilient Position-based VANET Protocol (ARPVP) proposed to detect and prevent malicious vehicles in the network using the trust evaluation technique and artificial intelligence (AI). [3] Our scheme can prevent malicious vehicles from disrupting the security features of VANETS. [4] In order to prevent malicious vehicles from deliberately spreading false information and protect the privacy of vehicles from tracking attacks, this paper proposes a trust-based real-time map updating scheme. [5]그러나 이러한 방송 메시지의 신뢰성을 어떻게 보장하고 악의적인 차량이 VANET의 개인 데이터에 액세스하는 것을 방지하는 방법은 여전히 해결해야 할 열린 문제입니다. [1] 본 논문에서는 차량 위치 프라이버시를 보장함과 동시에 악의적인 차량이 톨링을 위반하는 것을 방지하는 신뢰성 평가가 포함된 신뢰할 수 있는 도로 통행료 시스템을 제안한다. [2] 신뢰 평가 기법과 인공 지능(AI)을 사용하여 네트워크에서 악성 차량을 탐지하고 방지하기 위해 제안한 공격 복원력 위치 기반 VANET 프로토콜(ARPVP)입니다. [3] 우리의 계획은 악성 차량이 VANETS의 보안 기능을 방해하는 것을 방지할 수 있습니다. [4] 악성 차량이 의도적으로 허위 정보를 유포하는 것을 방지하고 차량의 개인 정보를 추적 공격으로부터 보호하기 위해 본 논문에서는 신뢰 기반 실시간 지도 업데이트 기법을 제안한다. [5]
Identify Malicious Vehicles
The first is a framework that identify malicious vehicles through license plate recognition and communication protocol. [1] Thus, it is vital to identify malicious vehicles in VANET. [2]첫 번째는 번호판 인식 및 통신 프로토콜을 통해 악성 차량을 식별하는 프레임워크입니다. [1] 따라서 VANET에서 악성 차량을 식별하는 것이 중요합니다. [2]
Avoid Malicious Vehicles
Specifically, our proposed protocol comprises three components: i) certificate authority (CA) which maps vehicle’s publicly available info such as number plates with cryptographic keys using ECC; ii) malicious vehicle (MV) detection algorithm which works based on trust level calculated using status message interactions; and iii) secure optimal path selection in an adaptive manner based on the intent of communications using ACO-AODV that avoids malicious vehicles. [1] In this specific work, an efficient WPUF-based unknown authentication scheme is proposed to identify and avoid malicious vehicles entering into the I-VANET. [2]특히, 제안된 프로토콜은 세 가지 구성 요소로 구성됩니다. i) ECC를 사용하여 번호판과 같은 차량의 공개적으로 사용 가능한 정보를 암호화 키로 매핑하는 인증 기관(CA); ii) 상태 메시지 상호 작용을 사용하여 계산된 신뢰 수준을 기반으로 작동하는 악성 차량(MV) 탐지 알고리즘; 및 iii) 악성 차량을 피하는 ACO-AODV를 사용하여 통신 의도에 따라 적응형으로 최적의 경로 선택을 확보합니다. [1] 이 특정 작업에서는 I-VANET에 침입하는 악성 차량을 식별하고 방지하기 위해 효율적인 WPUF 기반의 알 수 없는 인증 방식을 제안합니다. [2]
malicious vehicles reporting
We also present a mechanism to detect the presence of malicious vehicles reporting false feedback in the network. [1] We also present a mechanism to detect the presence of malicious vehicles reporting false feedback in the network. [2]또한 네트워크에서 잘못된 피드백을 보고하는 악성 차량의 존재를 감지하는 메커니즘을 제시합니다. [1] 또한 네트워크에서 잘못된 피드백을 보고하는 악성 차량의 존재를 감지하는 메커니즘을 제시합니다. [2]