劉伎昭,王泉

(西安電子科技大學(xué)計算機(jī)學(xué)院,710071,西安)

?

車載自組網(wǎng)中聯(lián)盟博弈的虛假數(shù)據(jù)檢測策略

劉伎昭,王泉

(西安電子科技大學(xué)計算機(jī)學(xué)院,710071,西安)

針對車載自組網(wǎng)(vehicular ad-hoc network, VANET)中多個惡意節(jié)點(diǎn)合謀的虛假數(shù)據(jù)攻擊問題,提出了聯(lián)盟博弈的虛假數(shù)據(jù)檢測策略。該策略利用合作節(jié)點(diǎn)測量的無線信號強(qiáng)度進(jìn)行交叉位置驗證,發(fā)現(xiàn)偽造位置的惡意節(jié)點(diǎn)及其注入的虛假信息。為降低節(jié)點(diǎn)自私行為對檢測準(zhǔn)確性的影響,提出了滿足“核”分配條件的收益分配函數(shù)激勵節(jié)點(diǎn)加入聯(lián)盟;證明了該函數(shù)滿足個體理性條件和有效性條件,節(jié)點(diǎn)的最優(yōu)策略是選擇合作,形成的聯(lián)盟具有穩(wěn)定性。仿真結(jié)果表明:該策略能夠有效激勵節(jié)點(diǎn)合作,降低無線信號強(qiáng)度的隨機(jī)偏差對位置驗證準(zhǔn)確性的影響,獲得了超過90%的虛假位置檢測率,并進(jìn)一步增強(qiáng)了系統(tǒng)的抗合謀攻擊能力,在不同的惡意節(jié)點(diǎn)比例下虛假告警消息檢測率比基于表決的攻擊者本地驅(qū)逐協(xié)議(local eviction of attackers by voting evaluators, LEAVE)提高了69.3%。

車載自組網(wǎng);虛假數(shù)據(jù)檢測;合作博弈;聯(lián)盟博弈

車載自組網(wǎng)[1](vehicular ad-hoc network, VANET)是安裝在車輛上的無線節(jié)點(diǎn)(on board unit, OBU)和部署在路邊的基礎(chǔ)設(shè)施(road side unit, RSU)組成的自組織異構(gòu)多跳無線網(wǎng)絡(luò),是未來智能交通系統(tǒng)的關(guān)鍵技術(shù)。VANET中OBU通過車載傳感器感知車輛的位置、速度、加速度等信息,利用無線自組織網(wǎng)絡(luò)技術(shù)交換、聚合和分發(fā)這些信息,從而實現(xiàn)事故告警、協(xié)作駕駛等多種應(yīng)用[2]。

出于節(jié)點(diǎn)自私性、傳感器故障或惡意攻擊等多種原因,VANET中OBU可能發(fā)送不準(zhǔn)確,甚至虛假的信息。例如錯誤的車輛位置、偽造的告警信息等[3]。由于攻擊者一般為網(wǎng)絡(luò)合法節(jié)點(diǎn),能夠產(chǎn)生合法的消息簽名[4],現(xiàn)有的基于消息和實體認(rèn)證的VANET安全機(jī)制[5-6]難以有效檢測和抵御此類攻擊。文獻(xiàn)[7]提出了基于軌跡的檢測方法,通過檢測目標(biāo)車輛的位置、移動軌跡與報告的交通事件之間是否存在矛盾判斷告警消息的真實性,例如交通事件超出車輛的觀測范圍、車輛速度異常(超過300 km/h)、發(fā)出道路擁堵通告的車輛卻高速行駛等。Raya等提出了多節(jié)點(diǎn)合作的檢測方法,節(jié)點(diǎn)統(tǒng)計鄰居節(jié)點(diǎn)提供的數(shù)據(jù)并將顯著偏離均值的數(shù)據(jù)視為虛假數(shù)據(jù),通過對嫌疑節(jié)點(diǎn)發(fā)起指控和迭代的節(jié)點(diǎn)可信度計算發(fā)現(xiàn)不端節(jié)點(diǎn)[8]。文獻(xiàn)[9-10]提出了合作的位置驗證方法,節(jié)點(diǎn)通過測量接收的無線信號強(qiáng)度(radio signal strength, RSS)估計與鄰居節(jié)點(diǎn)之間的相對距離,通過三角定位法計算節(jié)點(diǎn)真實位置。由于VANET中節(jié)點(diǎn)屬于不同的利益主體,具有自私性和自治性,出于自身利益考慮節(jié)點(diǎn)可能不合作,造成“搭便車”現(xiàn)象并導(dǎo)致檢測率的降低,而上述合作檢測方法都沒有考慮自私節(jié)點(diǎn)問題。此外,如果網(wǎng)絡(luò)中存在合謀的惡意節(jié)點(diǎn),通過注入虛假觀測數(shù)據(jù)的方法攻擊檢測系統(tǒng),也能影響檢測準(zhǔn)確性。

本文提出了聯(lián)盟博弈的VANET合作虛假數(shù)據(jù)檢測策略。節(jié)點(diǎn)基于接收信號強(qiáng)度估計與鄰居節(jié)點(diǎn)的距離,多個節(jié)點(diǎn)形成聯(lián)盟進(jìn)行交叉位置驗證,評判節(jié)點(diǎn)位置真實性,檢測偽造虛假位置的惡意節(jié)點(diǎn)及其提交的虛假觀測信息,增強(qiáng)檢測系統(tǒng)的抗合謀攻擊能力。提出的激勵策略根據(jù)節(jié)點(diǎn)在聯(lián)盟形成中的作用決定收益分配比例,基于“核”概念分析了聯(lián)盟的穩(wěn)定性,證明了節(jié)點(diǎn)加入聯(lián)盟能夠增加自己的收益,所有節(jié)點(diǎn)參與的“大聯(lián)盟”能夠?qū)崿F(xiàn)個體收益的最大化,任何節(jié)點(diǎn)子集無法通過分裂聯(lián)盟提高收益水平。

1 系統(tǒng)模型

1.1 網(wǎng)絡(luò)模型

VANET由車輛節(jié)點(diǎn)、路邊基礎(chǔ)設(shè)施和認(rèn)證中心組成。本文涉及兩種類型的消息:beacon消息和告警消息。車輛節(jié)點(diǎn)周期性地廣播beacon消息向鄰居車輛報告自己的位置、速度、加速度、方向等運(yùn)動狀態(tài)信息,廣播間隔為100～300 ms。在發(fā)生緊急交通事件時,車輛節(jié)點(diǎn)發(fā)送包含事件類型、位置、時間等信息的告警消息[11]。

1.2 聯(lián)盟博弈模型

使用聯(lián)盟博弈[12]建模多個理性的自治主體之間彼此協(xié)作增加各自收益的行為。聯(lián)盟博弈定義如下。

定義1 聯(lián)盟博弈是一個有序?qū)?N,v>,其中N是參與者集合,v:2N→R是滿足v(?)=0的特征函數(shù)。實值函數(shù)v(S)是多個參與者彼此合作結(jié)成聯(lián)盟S時,聯(lián)盟成員獲得的收益。所有參與者組成的聯(lián)盟稱為大聯(lián)盟,記為N。大聯(lián)盟的收益記為v(N)。

定義2 在n人聯(lián)盟博弈中,設(shè)x=x1,x2,…,xn是一個n維向量,滿足下面兩個條件

xi≥v({i}),i=1,2,…,n

(1)

(2)

x稱為一個分配。全體分配稱為分配集,記為I(N,v)。式(1)為個體理性條件,即任何一個參與人加入聯(lián)盟分配到的收益應(yīng)該不小于獨(dú)自行動得到的收益。式(2)為有效性條件,即所有收益都被分配沒有剩余。

定義3 設(shè)是一個n人合作博弈,若存在一個分配x=x1,x2,…,xn∈I(N,v),使得對所有S?N,滿足

(3)

這種分配x組成的集合稱為博弈的核,記為C(v)。利用式(3)對分配方案是否為核的檢驗過程稱為獨(dú)立性檢驗。核中的分配意味著不存在參與人或參與人組合能夠從大聯(lián)盟中分裂出去以獲得更高的收益,即大聯(lián)盟是穩(wěn)定的。

2 聯(lián)盟博弈的虛假數(shù)據(jù)檢測策略

本文假設(shè)的多惡意節(jié)點(diǎn)合謀虛假數(shù)據(jù)攻擊場景如圖1所示,惡意節(jié)點(diǎn)1為了獲得更快的通行速度,發(fā)送虛假的交通事故告警消息聲稱車輛4發(fā)生了交通事故,從而誘導(dǎo)前方車輛2駛出當(dāng)前道路。事件觀測范圍內(nèi)的節(jié)點(diǎn)可以通過投票方式判斷告警消息的真實性。由于節(jié)點(diǎn)3和6是誠實節(jié)點(diǎn),因此虛假告警消息可成功檢出,但事件觀測范圍之外的合謀節(jié)點(diǎn)1和5通過聲稱虛假位置將自己偽裝為觀測節(jié)點(diǎn)參與投票,能夠影響投票結(jié)果使受害節(jié)點(diǎn)2相信虛假的交通事件。

圖1 合謀攻擊場景

本文使用節(jié)點(diǎn)合作機(jī)制增強(qiáng)檢測系統(tǒng)的抗合謀攻擊能力。節(jié)點(diǎn)合作包括兩個方面:首先,每個觀測節(jié)點(diǎn)通過測量接收信號強(qiáng)度估計與鄰居節(jié)點(diǎn)的相對距離,多個節(jié)點(diǎn)彼此合作進(jìn)行交叉位置驗證,可以發(fā)現(xiàn)偽造虛假位置的惡意節(jié)點(diǎn);其次,節(jié)點(diǎn)彼此合作收集目標(biāo)區(qū)域內(nèi)車輛運(yùn)動狀態(tài)信息,通過檢測交通流異常判斷告警消息的真實性,例如交通事故的發(fā)生會造成車道阻塞,上游區(qū)域內(nèi)車輛減速、變道至鄰近車道,下游區(qū)域內(nèi)車輛將會做出加速、變道回原車道等動作。

2.1 檢測過程

任意接收到告警消息的車輛可以發(fā)送檢測請求發(fā)起合作的虛假數(shù)據(jù)檢測,發(fā)送請求的車輛稱為檢測車輛。檢測請求指定了事件的類型、位置和發(fā)生時間,通過安全組播路由協(xié)議轉(zhuǎn)發(fā)到觀測范圍內(nèi)所有觀測車輛。

步驟1 證詞采集。通過監(jiān)測目標(biāo)區(qū)域內(nèi)車輛的運(yùn)動參數(shù)發(fā)現(xiàn)異常車輛。使用隨機(jī)變量V和A表示正常通行狀態(tài)下車輛的速度和加速度,假設(shè)其分布為已知,定義目標(biāo)車輛異常低速為速度vaλ+,其中vλ、aλ-和aλ+是判斷車輛速度、加速度出現(xiàn)異常的閾值,計算方法如下。

P[v

(4)

P[a

(5)

P[a>aλ+]<λ

(6)

式中:λ是顯著性水平。式(4)～(6)分別表示正常通行狀態(tài)下車輛速度v低于vλ、加速度a低于aλ-(高于aλ+)的概率小于λ。觀測車輛使用異常車輛beacon消息生成beacon證詞,同時測量所有鄰居車輛的beacon消息接收信號強(qiáng)度生成位置證詞。

步驟2 位置驗證。檢測節(jié)點(diǎn)收集觀測節(jié)點(diǎn)的證詞后,首先驗證觀測節(jié)點(diǎn)位置的真實性。針對觀測節(jié)點(diǎn)j的驗證過程如下:j的聲稱位置記為pj,j與任意鄰居i的歐氏距離‖pi,pj‖記為dij,使用陰影衰落模型計算節(jié)點(diǎn)i針對節(jié)點(diǎn)j的理論接收信號強(qiáng)度

sm=-10βlog(dij)+X

(7)

式中:β是路徑衰落指數(shù);X是服從正態(tài)分布的隨機(jī)變量,其均值為0,標(biāo)準(zhǔn)差為σ。如果理論信號強(qiáng)度sm與節(jié)點(diǎn)i測量的實際信號強(qiáng)度si滿足

|si-sm|<δ

(8)

即二者差值小于預(yù)定義的閾值δ,則認(rèn)為節(jié)點(diǎn)i證實了位置pj。如果超過半數(shù)的觀測節(jié)點(diǎn)證實j的位置,則認(rèn)為j的位置是真實的。針對檢測出的虛假位置節(jié)點(diǎn),檢測節(jié)點(diǎn)丟棄該節(jié)點(diǎn)提交的所有beacon證詞和所有涉及該節(jié)點(diǎn)的beacon證詞。

步驟3 真實性判定。檢測節(jié)點(diǎn)通過收集的beacon證詞檢測交通流異常。若上游區(qū)域內(nèi)車輛異常減速概率、下游區(qū)域內(nèi)車輛異常加速概率以及上/下游區(qū)域內(nèi)車輛異常低速概率均超過相應(yīng)的閾值,告警消息被判定為真,否則判定為假。

2.2 激勵策略

使用虛擬現(xiàn)金激勵節(jié)點(diǎn)合作。使用有向圖G=(V,E)表示節(jié)點(diǎn)合作關(guān)系。V是頂點(diǎn)集合,由N+1個參與合作的車輛節(jié)點(diǎn)組成(N個觀測節(jié)點(diǎn)和1個檢測節(jié)點(diǎn)),有向邊e(i,j)表示節(jié)點(diǎn)i為j提供了位置證詞。G的基圖G′中的連通分量稱為聯(lián)盟,任意節(jié)點(diǎn)有序?qū)χg都存在有向邊連接的完全有向圖稱為大聯(lián)盟。通過提出的收益分配函數(shù)激勵節(jié)點(diǎn)加入聯(lián)盟。

在一次成功的檢測過程中,認(rèn)證中心為每個聯(lián)盟S支付的虛擬現(xiàn)金數(shù)量為

v(S)=δ(S)d(S)

(9)

式中:d(S)為聯(lián)盟成員提交的beacon證詞的數(shù)量;δ(S)是支付因子,表示認(rèn)證中心為一個beacon證詞所支付的虛擬現(xiàn)金數(shù)量。δ(S)的計算方法為

(10)

式中:mp(i)指節(jié)點(diǎn)i提供的位置證詞數(shù)量。在同時存在多個聯(lián)盟的情況下,每個聯(lián)盟獲得的支付份額與聯(lián)盟內(nèi)位置證詞的數(shù)量成比例。

聯(lián)盟S中任意觀測節(jié)點(diǎn)獲得的分配為

xi=αmb(i)+βmp(i)

(11)

式中:mb(i)為節(jié)點(diǎn)i提供的beacon證詞的數(shù)量。

聯(lián)盟S中檢測節(jié)點(diǎn)獲得的分配為

(12)

定理1 提出的分配函數(shù)符合個體理性條件的充分條件是式(13)成立。

(13)

證明:對于觀測節(jié)點(diǎn),獨(dú)自行動意味著只提供beacon證詞,不提供位置證詞。按照收益分配函數(shù),獨(dú)自行動節(jié)點(diǎn)所得分配為0,而式(11)中各項的值均為非負(fù),因此個體理性條件滿足。對于檢測節(jié)點(diǎn),有動機(jī)選擇合作的條件為收益大于0,因此有

(14)

因此式(13)成立。證畢。

定理2 提出的分配函數(shù)符合有效性條件。

證明:

(15)

因此所有支付被分配沒有剩余。證畢。

定理3 提出的分配函數(shù)能夠通過獨(dú)立性檢驗,因此該分配方案在核中。

?S?N,s.t.S包含檢測節(jié)點(diǎn),有

δ(N)d(N)-δ(S)d(S)≥0

(16)

從上述分析可以得出結(jié)論,在給定的分配函數(shù)下,檢測節(jié)點(diǎn)的最佳策略是發(fā)起檢測請求,合作節(jié)點(diǎn)的最佳策略是最大程度地合作,即提交beacon證詞并為其余N-1個觀測節(jié)點(diǎn)提供位置證詞。

3 仿真與結(jié)果分析

使用交通仿真軟件SUMO生成車輛移動軌跡,道路拓?fù)浠贠penstreetmap項目[13]提供的西安市真實地理信息生成,仿真區(qū)域大小為2 km×2 km,所有道路為雙向,每向2車道,車輛密度為50輛/km。網(wǎng)絡(luò)仿真器使用NS-2 v2.35,編譯環(huán)境為gcc 4.6.3,仿真時間為600 s,節(jié)點(diǎn)無線傳輸距離為300 m。節(jié)點(diǎn)虛假位置在距離真實位置10～100 m范圍內(nèi)隨機(jī)選擇。定義虛假位置檢測率pt為虛假車輛位置被成功檢測的概率,虛假位置誤檢率pf為真實車輛位置被檢測為虛假位置的概率,虛假消息檢測率dt為虛假的告警消息被成功檢測的概率。定義合作節(jié)點(diǎn)比例φ為觀測范圍內(nèi)合作節(jié)點(diǎn)數(shù)目與誠實節(jié)點(diǎn)數(shù)目的比值,自私節(jié)點(diǎn)比例γ=1-φ,惡意節(jié)點(diǎn)比例η為惡意節(jié)點(diǎn)數(shù)目與觀測范圍內(nèi)總節(jié)點(diǎn)數(shù)的比值。

圖2給出了本文方法的虛假位置檢測率?？紤]到真實交通環(huán)境中無線信號傳播受環(huán)境影響較為明顯,造成實際信號接收強(qiáng)度與理論值偏差較大,因此對陰影衰落模型中代表隨機(jī)性偏差的隨機(jī)變量X設(shè)置不同的標(biāo)準(zhǔn)差σ,評價檢測率受影響的程度。仿真結(jié)果顯示合作節(jié)點(diǎn)比例的增加能夠顯著提高檢測率,80%的誠實節(jié)點(diǎn)選擇合作時檢測率為50%～80%,當(dāng)100%誠實節(jié)點(diǎn)選擇合作時,即使在σ=12 dB時也能獲得超過90%的檢測率。

圖2 虛假位置檢測率

圖3給出了合作節(jié)點(diǎn)比例φ對虛假位置誤檢率的影響,在75%的誠實節(jié)點(diǎn)選擇合作時,誤檢率為18%,這主要是由于較大的信號強(qiáng)度隨機(jī)偏差使真實車輛位置被誤檢為虛假位置。隨著合作節(jié)點(diǎn)比例的增加,80%和85%的誠實節(jié)點(diǎn)合作時誤檢率下降到8%和1%,說明合作節(jié)點(diǎn)數(shù)目的增加能夠顯著降低誤檢率。

圖3 虛假位置誤檢率

圖4給出了不同自私節(jié)點(diǎn)和惡意節(jié)點(diǎn)比例下的虛假告警消息檢測率,并將本文方法與Raya等提出的LEAVE協(xié)議[8]進(jìn)行對比。假設(shè)本文提出的激勵策略能使90%的自私節(jié)點(diǎn)參與合作,從仿真結(jié)果可知:本文提出的激勵策略能夠減輕節(jié)點(diǎn)自私行為造成的負(fù)面影響,獲得較高的檢測率,即使存在40%的自私節(jié)點(diǎn),在惡意節(jié)點(diǎn)比例為10%～30%時也能達(dá)到87%～99%的檢測率;由于LEAVE協(xié)議缺乏激勵機(jī)制,節(jié)點(diǎn)不合作行為對檢測率造成顯著影響,當(dāng)網(wǎng)絡(luò)中自私節(jié)點(diǎn)的比例為5%時,LEAVE協(xié)議的檢測率與本文方法接近,當(dāng)自私節(jié)點(diǎn)比例達(dá)到40%時本文方法的檢測率顯著高于LEAVE協(xié)議,本文方法的平均虛假告警消息檢測率比LEAVE協(xié)議提高了69.3%。

圖4 虛假消息檢測率

4 結(jié) 論

VANET節(jié)點(diǎn)具有自私性和自治性,在多節(jié)點(diǎn)合作的VANET合謀虛假數(shù)據(jù)攻擊檢測中,節(jié)點(diǎn)的“搭便車”行為能夠顯著影響檢測準(zhǔn)確性。針對虛假數(shù)據(jù)檢測中的節(jié)點(diǎn)合作問題,本文首先建立了基于聯(lián)盟博弈的節(jié)點(diǎn)合作關(guān)系模型,使用收益分配函數(shù)激勵節(jié)點(diǎn)參與合作;證明了該分配函數(shù)滿足個體理性條件和有效性條件,節(jié)點(diǎn)的最優(yōu)策略是加入聯(lián)盟。仿真分析表明:該策略能夠有效減輕自私節(jié)點(diǎn)對檢測準(zhǔn)確性造成的負(fù)面影響,獲得較高的檢測率;網(wǎng)絡(luò)中存在30%的惡意節(jié)點(diǎn)時,該策略能獲得87%的虛假告警消息檢測率;與現(xiàn)有的LEAVE協(xié)議相比,虛假告警消息檢測率提高了69.3%。下一步工作中,我們計劃采用數(shù)據(jù)聚合技術(shù)降低檢測過程造成的通信負(fù)載和檢測時延。

[1] LEE U, MAGISTRETTI E, GERLA M. Dissemination and harvesting of urban data using vehicular sensor platforms [J]. IEEE Transactions on Vehicular Technology, 2008, 58(2): 882-901.

[2] HARTENSTEIN H, LABERTAUX K P. A tutorial survey on vehicular ad hoc networks [J]. IEEE Communications Magazine, 2008, 46(6): 164-171.

[3] RAYA M, HUBAUX J P. Securing vehicular ad hoc networks [J]. Journal of Computer Security, 2007, 15(1): 39-68.

[4] 劉輝, 李暉. 采用群組密鑰管理的分布式車聯(lián)網(wǎng)信息認(rèn)證方案 [J]. 西安交通大學(xué)學(xué)報, 2013, 47(2): 58-62. LIU Hui, LI Hui. A distributed authentication protocol for VANET [J]. Journal of Xi’an Jiaotong University, 2013, 47(2): 58-62.

[5] 郭建立, 劉宏偉, 吳智博, 等. 面向信譽(yù)的自組網(wǎng)節(jié)點(diǎn)合作方法 [J]. 西安交通大學(xué)學(xué)報, 2009, 43(8): 17-21. GUO Jianli, LIU Hongwei, WU Zhibo, et al. A new reputation-based cooperation enforcement scheme for MANETs [J]. Journal of Xi’an Jiaotong University, 2009, 43(8): 17-21.

[6] MERSHAD K, ARTAIL H. A framework for secure and efficient data acquisition in vehicular ad hoc networks [J]. IEEE Transactions on Vehicular Technology, 2013, 62(2): 536-551.

[7] RUJ S, CAVENAGHI M A, HUANG Zhen. On data-centric misbehavior detection in VANETs [C]∥Proceedings of the 75th IEEE Vehicular Technology Conference. Piscataway, NJ, USA: IEEE, 2011: 1-5.

[8] RAYA M, PAPADIMITRATOS P, AAD I. Eviction of misbehaving and faulty nodes in vehicular networks [J]. IEEE Journal on Selected Areas in Communications, 2007, 25(8): 1557-1568.

[9] ABUMANSOOR O, BOUKERCHE A. A secure cooperative approach for nonline-of-sight location verification in VANET [J]. IEEE Transactions on Vehicular Technology, 2012, 61(1): 275-285.

[10]PARKER R, VALAEE S. Vehicular node localization using received-signal-strength indicator [J]. IEEE Transactions on Vehicular Technology, 2007, 56(6): 3371-3380.

[11]BAI F, ELBATT T, HOLLAN G. Towards characterizing and classifying communication-based automotive applications from a wireless networking perspective [C]∥Proceedings of the IEEE Workshop on Automotive Networking and Applications. Piscataway, NJ, USA: IEEE, 2006: 1-25.

[12]OSBORNE M J, RRUBINSTEIN A. A course in game theory [M]. 1st ed. Cambridge, USA: MIT Press, 1994.

[13]University College London. OpenStreetMap [EB/OL]. (2014-03-09)[2014-05-20]. http:∥www.openstreetmap.org.

(編輯 武紅江)

A False Data Detecting Scheme Based on Coalition Game for Vehicular Ad-hoc Networks

LIU Jizhao,WANG Quan

(School of Computer Science and Technology, Xidian University, Xi’an 710071, China)

A false data detecting scheme based on coalition game is proposed to focus on collusive false data attack problem in vehicular ad-hoc networks (VANET). The proposed scheme uses the measured radio signal strength at cooperative nodes to perform the position cross-check and to detect the malicious nodes with false position and the false information injected by them. A payoff allocation function that satisfies the “core” allocation condition is proposed for stimulating nodes to join coalitions so that the impact of selfish behaviors of nodes on the accuracy of detecting can be reduced. It is proved that the proposed payoff allocation function satisfies an individual rational condition and an efficiency condition, and that the best strategy of nodes is to cooperate with each others and the formed coalition has the stability feature. Simulation results show that the proposed scheme can effectively stimulate nodes to cooperate, and reduce the impact of random deviation of radio signal strength on the accuracy of position verification. The detecting ratio of false positions is more than 90%. Furthermore, the ability for resisting collusive attacks is enhanced. A comparison with the LEAVE protocol show that the proposed scheme increases the detecting rate of false alert messages by 69.3% under various proportions of malicious nodes.

vehicular ad-hoc networks; false data detection; cooperative game; coalition game

2014-08-13。

劉伎昭(1981—),男,博士生;王泉(通信作者),男,教授,博士生導(dǎo)師。

國家自然科學(xué)基金資助項目(61100153,U1135002)。

時間:2015-01-06

10.7652/xjtuxb201502012

TN929.5

A

0253-987X(2015)02-0069-05

網(wǎng)絡(luò)出版地址:http:∥www.cnki.net/kcms/detail/61.1069.T.20150106.1759.001.html