[논문 리뷰] Evaluating Reputation Management Schemes of Internet of Vehicles based on Evolutionary Game Theory

Zhihong Tian, Xiangsong Gao외 4명|arXiv (Cornell University)|2019. 02. 12.

Vehicular Ad Hoc Networks (VANETs)참고 문헌 26인용 수 8

한 줄 요약

이 논문은 인터넷 오브 차량(IoV)에서의 명성 관리 체계 평가를 위해 진화 게임 이론 기반 시뮬레이션 프레임워크를 제안한다. 악성 차량의 동적이고 다양한 공격 전략을 모델링하며, 보상 기반 적응을 통해 전략의 진화를 시뮬레이션함으로써, 명성 체계가 안정적이고 최적의 공격 전략으로 수렴함을 밝혀내며, 현실적인 악성 행위 조건 하에서 체계의 효과성을 정량적으로 평가할 수 있다.

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.

연구 동기 및 목표

• 기존의 명성 관리 평가 방식이 정적이고 균일한 공격자 행동을 가정하는 데서 비롯하는 한계를 해결한다. 이는 실제 세계의 복잡성을 반영하지 못한다.
• 명성 체계의 피드백에 영향을 받아 동적으로 적응하는 과정으로서, 차량 네트워크 내 악성 사용자 전략의 진화를 모델링한다.
• 다양한 공격 전략을 초기화하고, 이들이 유틸리티 피드백에 기반해 진화하도록 허용하는 시뮬레이션 프레임워크를 개발함으로써, 실제 악성 행위를 더 잘 반영한다.
• 공격자 전략 진화의 최종 안정 상태를 분석함으로써, 명성 관리 체계의 내구성에 대한 정량적 평가 방법을 제공한다.
• 다중 유틸리티 기능 명성 체계를 사용하여, 수렴성과 손상 수준의 정량화를 보여줌으로써, 이 방법의 타당성과 효과성을 입증한다.

제안 방법

• 악성 차량과 명성 체계 간의 상호작용을 진화 게임으로 모델링하며, 공격자들이 보상(유틸리티) 피드백에 기반해 전략을 반복적으로 조정한다.
• 100대의 위조 차량으로 구성된 인구 집단을 설정하고, 1에서 100 단위의 위장 강도 범위에서 무작위로 선택된 공격 전략을 할당한다.
• 각 공격 전략의 보상(수익)을 반영하는 유틸리티 함수를 정의하며, 이는 시스템의 내성 수용 능력과 탐지 메커니즘을 포함한다.
• 시간이 지남에 따라 전략의 진화를 시뮬레이션하며, 효과가 떨어지는 전략은 점차 소멸되고, 효과적인 전략은 인구 집단 내에서 확산된다.
• 수렴성과 전체 시스템의 손상 잠재력을 추적하기 위해, 인구 전략 분포와 평균 유틸리티 증가율을 핵심 지표로 사용한다.
• 정적 공격 모델과의 비교를 통해, 명성 체계의 상대적 효과성과 내구성을 평가한다.

실험 결과

연구 질문

• RQ1 동적이고 다양한 공격 전략은 IoV의 명성 관리 체계 평가에 어떻게 영향을 미치는가?
• RQ2 진화 게임 이론은 명성 체계 내에서 악성 차량의 적응적 행동을 효과적으로 모델링할 수 있는가?
• RQ3 명성 관리 프레임워크에서 다양한 시스템 내성 수준에 따라 공격자 전략의 수렴 행동은 어떻게 변화하는가?
• RQ4 공격자 전략의 최종 안정 상태는 네트워크에 가해지는 총 손상 수준과 어떻게 관련되는가?
• RQ5 정적 공격 가정에 비해, 진화 게임 기반 시뮬레이션은 명성 체계 평가의 현실성과 정확도를 얼마나 향상시키는가?

주요 결과

• 시뮬레이션 결과, 공격자 전략은 시간이 지남에 따라 진화하며, 효과가 떨어지는 전략(예: 전략 63)은 점차 소멸되고, 높은 성능을 보이는 전략(예: 전략 97)은 지배적으로 확산되어 안정화된다.
• 최종 인구 분포는 순전략 상태로 수렴하며, 전략 97이 지배적이지만, 지속적인 악성 차량의 교체로 그룹 규모가 100 이하로 진동한다.
• 시스템의 오류 내성 수준이 높을수록 수렴 시간이 길어지며, 이는 악성 차량이 더 오래 생존하고 전략 변화가 더 느리게 일어나기 때문이다.
• 전략 분포가 평형 상태에 도달할 무렵 네트워크 전체 손상 수준은 증가하며, 이는 안정 상태에 도달할 무렵 정체되며, 내성 수준이 높을수록 지속적인 손상이 더 크다.
• 정적 전략 모델에 비해 진화 게임 방법은 공격자에게 훨씬 더 높은 총 유틸리티를 제공하며, 이는 정적 가정이 실제 위협 잠재력을 과소평가하고 있음을 시사한다.
• 이 방법은 최종 안정 전략 상태와 손상 수준을 시스템 내구성 지표와 연결함으로써, 명성 관리 체계의 효과성을 성공적으로 정량화한다.