[論文レビュー] Evaluating Reputation Management Schemes of Internet of Vehicles based on Evolutionary Game Theory

Zhihong Tian, Xiangsong Gao+4 more|arXiv (Cornell University)|Feb 12, 2019

Vehicular Ad Hoc Networks (VANETs)参考文献 26被引用数 8

ひとこと要約

本稿は、悪意ある車両の動的で多様な攻撃戦略をモデル化することで、インテอรnet・オブ・ビークルズ（IoV）におけるレピュテーション管理スキームの評価を目的とした、進化的ゲーム理論に基づくシミュレーションフレームワークを提案する。報酬に基づく適応によって戦略の進化をシミュレートする手法により、レピュテーションシステムが安定的かつ最適な攻撃戦略に収束することを明らかにした。これにより、現実の攻撃行動を反映したスキーム効果の定量的評価が可能となる。

ABSTRACT

Conducting reputation management is very important for Internet of vehicles. However, most of the existing researches evaluate the effectiveness of their schemes with settled attacking behaviors in their simulation which cannot represent the scenarios in reality. In this paper, we propose to consider dynamical and diversity attacking strategies in the simulation of reputation management scheme evaluation. To that end, we apply evolutionary game theory to model the evolution process of malicious users' attacking strategies, and discuss the methodology of the evaluation simulations. We further apply our evaluation method to a reputation management scheme with multiple utility functions, and discuss the evaluation results. The results indicate that our evaluation method is able to depict the evolving process of the dynamic attacking strategies in a vehicular network, and the final state of the simulation could be used to quantify the protection effectiveness of the reputation management scheme.

研究の動機と目的

• 既存のレピュテーション管理評価手法が静的かつ均一な攻撃行動を仮定しているという限界を是正すること。これは現実の複雑さを反映していない。
• レピュテーションシステムからのフィードバックに影響を受ける動的で適応的なプロセスとして、車両ネットワークにおける悪意あるユーザ戦略の進化をモデル化すること。
• 多様な攻撃戦略を初期化し、利得フィードバックに基づいて進化させるシミュレーションフレームワークを構築することで、現実の攻撃行動をよりよく反映すること。
• 攻撃者戦略進化の最終的安定状態を分析することにより、レピュテーション管理スキームのレジリエンスを定量的に評価する手法を提供すること。
• マルチ・ユーティリティ関数レピュテーションスキームを用いて、本手法の実用性と有効性を実証し、収束と損傷レベルの定量的評価を示すこと。

提案手法

• 悪意ある車両とレピュテーションシステムの相互作用を、報酬（利得）フィードバックに基づいて戦略を段階的に調整する進化的ゲームとしてモデル化する。
• 100台の不正な車両の集団を初期化し、1〜100ユニットの偽装強度の範囲でランダムに選択された攻撃戦略を割り当てる。
• 各攻撃戦略の報酬を反映するユーティリティ関数を定義し、システムの耐性および検出メカニズムを組み込む。
• 時間経過とともに戦略が進化するのをシミュレートし、効果の薄い戦略は徐々に排除され、効果の高い戦略が集団内で広がる。
• 収束状態と全体的な損傷可能性を追跡するための主要指標として、集団の戦略分布と平均利得の増加を用いる。
• 静的攻撃モデルと比較することで、レピュテーションスキームの相対的有効性とレジリエンスを評価する。

実験結果

リサーチクエスチョン

• RQ1 動的で多様な攻撃戦略は、IoVにおけるレピュテーション管理スキームの評価にどのように影響を与えるか？
• RQ2 進化的ゲーム理論は、レピュテーションシステム内での悪意ある車両の適応的行動を効果的にモデル化できるか？
• RQ3 レピュテーション管理フレームワークにおいて、異なるシステム耐性レベル下での攻撃者戦略の収束行動はいかなるものか？
• RQ4 攻撃者戦略の最終的安定状態は、ネットワーク全体に与える損傷レベルとどのように相関するか？
• RQ5 静的攻撃仮定と比較して、進化的ゲームベースのシミュレーションは、レピュテーションスキーム評価の現実性と正確性をどの程度向上させるか？

主な発見

• シミュレーションの結果、攻撃者戦略は時間経過とともに進化し、効果の薄い戦略（例：戦略63）は徐々に消滅し、効果の高い戦略（例：戦略97）が支配的になり安定する。
• 最終的な集団分布は純粋戦略状態に収束し、戦略97が支配的になるが、悪意ある車両の継続的な入れ替えのため、集団サイズは100未満で振動する。
• システムの誤り耐性が高いほど収束までの時間が長くなる。これは悪意ある車両が長く生存し、戦略の変化が遅くなるためである。
• 損傷レベルは進化の過程で増加し、戦略分布が均衡に達した時点で安定する。耐性が高いほど、持続的な損傷が生じる。
• 進化的ゲーム手法は、静的戦略モデルと比較して攻撃者に著しく高い全体的な利得をもたらし、静的仮定が実際の脅威の潜在能力を低く見積もっていることを示している。
• 本手法は、最終的な安定戦略状態と損傷レベルをシステムレジリエンス指標と結びつけることで、レピュテーション管理スキームの有効性を成功裏に定量的に評価した。