Гибридная модель эффективного представления данных в беспроводных транспортных сетях с динамической топологией VANET

Автор: Болодурина Ирина Павловна, Гришина Любовь Сергеевна, Жигалов Артур Юрьевич, Парфнов Денис Игоревич

Журнал: Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника @vestnik-susu-ctcr

Рубрика: Инфокоммуникационные технологии и системы

Статья в выпуске: 1 т.22, 2022 года.

Бесплатный доступ

В настоящий момент системы информирования о дорожном движении требуют агрегирования больших данных для предоставления рекомендаций транспортным средствам в действующих условиях, что приводит к повышению комфорта пользователей. Основным инструментом повышения уровня безопасности стало своевременное информирование участников движения о текущей ситуации на дороге, погодных условиях и т. п. В этом случае если объект сети будет подвержен атаке и данные при передаче будут заменены, то по всей зоне видимости сегмента VANET возможно раскрытие конфиденциальной информации, создание аварийных ситуаций и т. д. В этой связи наиболее остро встает вопрос обеспечения безопасности, в том числе при передаче трафика, и проведения дополнительного анализа больших данных об аномалиях и проводимых несанкционированных действиях. Цель исследования. Разработать гибридную модель эффективного размещения исходных и промежуточных данных в беспроводных транспортных сетях с динамической топологией VANET, являющуюся по сути структурным представлением программно-конфигурируемой сети и инструментов проведения граничных вычислений, с возможностью оптимально относительно времени анализировать данные узлов сети и выявлять аномалии. Методы. Рассмотренный подход Edge computing состоит в расположении вычислительных мощностей в географически распределенных вычислительных устройствах ближе к конечным пользователям. Программно-конфигурируемые сети SDN передают часть функций управления и физической передачи с маршрутизаторов и коммутаторов, уменьшая нагрузку. В рамках данного исследования разработан алгоритм RD - протокол передачи и обработки промежуточных данных. Для проведения кластеризации ТС на сегменте сети использован метод обучения без учителя DBSCAN. Предварительный анализ аномального трафика проведен на основе моделей нейронных сетей RNN с кратковременной памятью. Результаты. Разработанная гибридная модель эффективного размещения исходных и промежуточных данных позволяет быстрее реагировать на несанкционированные действия. Заключение. Результаты, полученные в ходе проведенного исследования, подтверждают необходимость внедрения и масштабирования гибридной модели с граничными вычислениями на практике.

Еще

Vanet, гибридная модель, программно-конфигурируемые сети, граничные вычисления, метод dbscan, нейронные сети rnn

Короткий адрес: https://sciup.org/147236515

IDR: 147236515   |   DOI: 10.14529/ctcr220105

Список литературы Гибридная модель эффективного представления данных в беспроводных транспортных сетях с динамической топологией VANET

  • Tomar R., Prateek M., Sastry G.H. Vehicular Adhoc Network (VANET) – An Introduction // In-ternational Journal of Control Theory and Applications. 2016. Vol. 9, no. 18. P. 8883–8888.
  • Хакимов А.А., Суминов А.В., Мутханна А.С. Разработка метода организации распределения граничных вычислений в сетях VANET // Информационные технологии и телекоммуникации. 2019. Т. 7, № 2. С. 47–55.
  • Abu Taleb A. VANET Routing Protocols and Architectures: An Overview // Journal of Computer Science. 2018. Vol. 14. P. 421–434. https://doi.org/10.3844/jcssp.2018.423.434.
  • Allani S., Yeferny T.R., Yahia C.S. DPMS: A Swift Data Dissemination Protocol Based on Map Splitting // 40th IEEE Annual Computer Software and Applications Conference. 2016. P. 817–822.
  • Allal S., Boudjit S. Geocast Routing Protocols for VANETs: Survey and Guidelines // 2012 Sixth International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing. 2012. P. 323–328.
  • Mbarek N., Abdou W., Darties B. Autonomic Computing and VANETs: Simulation of a QoS-based Communication Model // Networking Simulation for Intelligent Transportation Systems. 2017. P. 211–234.
  • Bangui H., Ge. M., Buhnova B., Trang L.H. Towards faster big data analytics for anti-jamming applications in vehicular ad-hoc network // Transactions on Emerging Telecommunications Technologies. 2021. Vol. 32, no. 10. https://doi.org/10.1002/ett.4280.
  • Lee M., Atkison T. VANET applications: Past, present, and future // Vehicular Communications. 2021. Vol. 28. P. 2214–2096.
  • Никонов В.И., Литвинов Г.А., Щерба Е.В. Обеспечение безопасности протоколов маршрутизации для телекоммуникационных сетей с динамической топологией // Доклады ТУСУР. 2018. Т. 21, № 3. С. 19–29.
  • Dharmendra S., Pradhan S. Data Dissemination Techniques in Vehicular Ad Hoc Network // In-ternational Journal of Computer Applications. 2010. Vol. 8, no. 10. P. 35–39.
  • Allani S., Chbeir R., Yeferny T., Yahia S. Smart Directional Data Aggregation in VANETs // 2018 IEEE 32nd International Conference on Advanced Information Networking and Applications (AINA). 2018. P. 63–70.
  • Kumar K.M., Mohan Reddy A.R. A fast DBSCAN clustering algorithm by accelerating neighbor searching using Groups method // Pattern Recognition. 2016. Vol. 58. P. 39–48. https://doi.org/10.1016/j.patcog.2016.03.008.
  • Kim J., Kim J., Le T., Kim H. Long Short Term Memory Recurrent Neural Network Classifier for Intrusion Detection // 2016 International Conference on Platform Technology and Service. 2016. P. 1–5.
  • Krajzewicz D. Traffic Simulation with SUMO – Simulation of Urban Mobility // Fundamentals of Traffic Simulation. 2011. P. 269–293.
  • Varga A., Hornig R. An overview of the OMNeT++ simulation environment // Proceeding Simutools ‘08 Proceedings of the 1st international conference on Simulation tools and techniques for communications, networks and systems & workshops. 2008. Vol. 60. P. 1–10.
Еще
Статья научная