ECF-MRS论文笔记
ECF-MRS: An Efficient and Collaborative Framework With Markov-Based Reputation Scheme for IDSs in Vehicular Networks
IEEE Transactions on Information Forensics and Security , vol. 16, 2021
原文指引:link.
摘要
车辆自组织网络(VANET)能够使我们的生活和道路更加安全。入侵检测系统(IDS)可以缓解脆弱网络(如网络)的内部和外部威胁。然而,由于VANET的快速移动和高度动态特性,在有线网络中使用的IDS难以移植到VANET中。因此,本文提出了一个基于马尔可夫声誉机制的高效协作框架,即ECFMRS。框架中,通过使用非显性排序遗传算法Ⅲ(NSGA-Ⅲ协作机制,融合VANETs中IDSs的优势,生成更优的IDS。而非线性规划(NLP)被设计用于减少VANETs中IDSs执行时间的有效机制。此外,考虑到合作的安全风险,提出了一种基于隐式广义混合转移分布(HgMTD)模型的信誉方案,即RSHgMTD,用于评估VANETs中每辆车的邻居信誉度。实验表明,基于ECF-MRS的入侵检测系统在检测率、检测时间和开销等方面均优于现有的入侵检测系统。
本文提出的问题:
- 无线网络的快速移动和高度动态性 ——集中式安全服务难以在车载网络中实现,分布式框架是IDS防止车辆恶意活动的前提;
- 由于在VANET中,车辆之间的相遇时短暂的,所以需要及时准确确定信息的可靠性;
- 尽管入侵检测系统是一种可靠的保护虚拟网络设备免受攻击的方法,但它给虚拟网络设备带来了额外的检测时间和开销。 当车辆数量增加时,成本可能难以负担。
- 恶意车辆中的协作IDS可以出于某些自私的目的发动大量攻击,因此需要引入声誉机制来保证参与协作的车辆的信誉度。
贡献
1. ECF-MRS
提出一个基于马尔可夫声誉机制的高效协作框架
2. 声誉机制
Hidden Generalized Mixture Transition Distribution (HgMTD),根据上一时期的状态决定车辆的信誉值。由于VANET的高度动态特性,选择非线性的方式。
3. 协作机制
Non-dominant Sorting Genetic Algorithm-III (NSGA-III)-Collaboration,用于生成一个更优的IDS
4. 高效机制
Non-Linear Programming (NLP)-Optimization,通过分析和优化多个IDS,来减少IDS的激活数量和执行时间,减少成本
系统框架
由图可知,这个系统主要分为了线上和线下两部分。
- 线上: 类似于一个普通的入侵检测系统,通过车辆间信息的分析,提取特征信息,生成特征向量,使用分类器来判定消息是否恶意,再将分析结果发送给响应中心,生成响应信号给车辆,车辆以此做出相应的行动。
- 线下: 以RS-HgMTD为起点开始,接收从线上的分类器中传输来的入侵检测分析结果,根据分析结果来对VANET中的车辆信誉度进行计算和更新,并将信誉度用于优化和协同机制中。NLP优化算法最终会给线上IDS系统反馈一个IDS的激活概率,NSGA-Ⅲ协同算法则会反馈一个更为精准的分类器,提高检测准确率。
算法流程
ECF-MRS论文笔记相关推荐
- ORB-SLAM3 论文笔记
ORB-SLAM3 论文笔记 这篇博客 ORB-SLAM3系统 相机模型的抽象(Camera Model) 重定位的问题 图片矫正的问题 视觉惯性SLAM的工作原理 相关公式 IMU初始化 跟踪和建图 ...
- 【论文笔记】 LSTM-BASED DEEP LEARNING MODELS FOR NONFACTOID ANSWER SELECTION
一.简介 这篇论文由IBM Watson发表在2016 ICLR,目前引用量92.这篇论文的研究主题是answer selection,作者在这篇论文基础上[Applying Deep Learnin ...
- 最新图神经网络论文笔记汇总(附pdf下载)
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要15分钟 Follow小博主,每天更新前沿干货 [导读]近年来,图神经网络变得非常火热,每年顶会在该领域内都会出现大量的研究论文,本文为大家提 ...
- [论文笔记] Fast Quality Driven Selection of Composite Web Services (ECOWS, 2006)
Time: 4.0 hours Jae-Ho Jang, Dong-Hoon Shin, Kyong-Ho Lee, "Fast Quality Driven Selection of Co ...
- 论文笔记之:Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning
论文笔记之:Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning 2017-06-06 21: ...
- 光流 速度_[论文笔记] FlowNet 光流估计
[论文笔记] FlowNet: Learning Optical Flow with Convolutional Networks 说在前面 个人心得: 1. CNN的光流估计主要是速度上快,之后的v ...
- 论文笔记 《Maxout Networks》 《Network In Network》
原文出处:http://zhangliliang.com/2014/09/22/paper-note-maxout-and-nin/ 论文笔记 <Maxout Networks> & ...
- 论文笔记:HKMF-T: Recover From Blackouts in TaggedTime Series With Hankel Matrix Factorization
论文笔记:Hankel Matrix Factorization for Tagged Time Series to Recover Missing Values during Blackouts_U ...
- 论文笔记 A Spatial-Temporal Decomposition Based Deep Neural Network for TimeSeries Forecasting
0 abstract 空间时间序列预测问题出现在广泛的应用中,如环境和交通问题.由于存在特定的空间.短期和长期模式,以及维度的诅咒,这些问题具有挑战性. 在本文中,我们提出了一个用于大规模空间时间序列 ...
- 论文笔记:Autoregressive Tensor Factorizationfor Spatio-temporal Predictions
0 摘要 张量因子tensor factorization分解方法在时空数据分析领域很受欢迎,因为它们能够处理多种类型的时空数据,处理缺失值,并提供计算效率高的参数估计程序. 然而,现有的张量因子分解 ...
最新文章
- Gmapping从开始到放弃—写一个TF 监听
- SQL SERVER 存储过程学习笔记 (转)
- BelgiumTS交通数据集分类-pytorch版
- activity中指定一页面动态设置软键盘弹出属性
- 真的,太多人辜负了.NET5!
- q7goodies事例_Java 8 Friday Goodies:SQL ResultSet流
- Moodle: 获取老师的课程 Get Faculty Course Profiles
- 深入理解java虚拟机JVM(上)
- 【C++】位运算实现加减乘除
- win7 nodejs找不到express命令
- Keil5安装NXP核心LPX2000系列 出现err:Cannot read project file异常,err :出现闪退异常
- cad放大_最新CAD软件插件大全+上千款字体,内附使用教程,只分享3天
- QNX系统将C/C++代码编译为lib***.so文件
- 许久未见,归来仍是少年?
- 为什么FFFF FFFF是4GB
- 用阿里云香港云服务器时需要注意的方面
- 程序员996可还好?某公司强制实行997、007,网友:钱给到位了吗?
- 使用手机模拟NFC加密门禁卡
- Cadence PSpice中更改Cursor控制的曲线及打印图形Cursor信息的方法
- 前端登录注册页面、多方式登录功能、腾讯云短信发送功能二次封装(包)、发送短信接口
热门文章
- 求sinx的近似值 c语言,用C语言求多项式求sinx的近似值。
- 【Dubbo3高级特性】「提升系统安全性」通过令牌进行服务验证及服务鉴权控制实战指南
- 二、CSS 精灵(雪碧图、精灵图)
- prometheus+grafana对数据库mysql监控
- openwrt 安装ssh客户端更新openwrt安装源
- BrowserStack-多系统浏览器兼容性在线测试工具
- UE4-游戏框架——GameMode、GameState、PlayerState、Controller、Pawn
- matlab傅里叶工具箱,Matlab傅里叶算法及数字滤波
- IcbcDaemon.exe + 360 防火墙 导致windwsXP开机剧慢!
- 数字经济为古老丝绸之路注入新元素