[论文解读] A Topological Approach to Secure Message Dissemination in Vehicular Networks

Jieqiong Chen, Guoqiang Mao+2 more|arXiv (Cornell University)|Mar 22, 2018

Vehicular Ad Hoc Networks (VANETs)参考文献 31被引用 3

一句话总结

本文提出了一种拓扑感知的决策框架，用于在车载网络中实现安全的消息传播，利用网络结构检测并缓解内部恶意车辆的篡改行为。最优算法利用对恶意车辆比例的先验知识，以最大化正确决策概率；而启发式变体则无需该知识，两者均显著优于拓扑无关的方法，在提升消息完整性和抵御共谋攻击方面表现更优。

ABSTRACT

Secure message dissemination is an important issue in vehicular networks, especially considering the vulnerability of vehicle to vehicle message dissemination to malicious attacks. Traditional security mechanisms, largely based on message encryption and key management, can only guarantee secure message exchanges between known source and destination pairs. In vehicular networks however, every vehicle may learn its surrounding environment and contributes as a source, while in the meantime act as a destination or a relay of information from other vehicles, message exchanges often occur between "stranger" vehicles. For secure message dissemination in vehicular networks against insider attackers, who may tamper the content of the disseminated messages, ensuring the consistency and integrity of the transmitted messages becomes a major concern that traditional message encryption and key management based approaches fall short to provide. In this paper, by incorporating the underlying network topology information, we propose an optimal decision algorithm that is able to maximize the chance of making a correct decision on the message content, assuming the prior knowledge of the percentage of malicious vehicles in the network. Furthermore, a novel heuristic decision algorithm is proposed that can make decisions without the aforementioned knowledge of the percentage of malicious vehicles. Simulations are conducted to compare the security performance achieved by our proposed decision algorithms with that achieved by existing ones that do not consider or only partially consider the topological information, to verify the effectiveness of the algorithms. Our results show that by incorporating the network topology information, the security performance can be much improved. This work shed light on the optimum algorithm design for secure message dissemination.

研究动机与目标

• 解决在内部恶意车辆篡改消息内容的背景下，保障车载网络中消息传播安全的挑战。
• 克服传统加密和密钥管理在处理未知、高速移动车辆以及来自多个源的消息冲突方面的局限性。
• 通过整合底层网络拓扑信息以检测不一致性，提升消息完整性验证的决策准确性。
• 设计对动态网络拓扑和不同恶意活动水平具有鲁棒性的实用决策算法。
• 通过可配置的消息收集等待时间，提供在响应时间和决策准确性之间取得平衡的框架。

提出的方法

• 将消息一致性检查形式化为拓扑推理问题，通过建模消息路径和共享节点来检测相关联的虚假消息。
• 提出一种最优决策算法，利用贝叶斯推理计算最可能的正确消息，基于网络拓扑和已知的恶意车辆比例。
• 开发一种启发式决策算法，仅依赖于拓扑结构和消息频率，无需恶意车辆比例的先验知识。
• 将消息传播建模为随时间演化的概率过程，目的地车辆在做出决策前等待可配置的时间T。
• 通过消息路径中的共享节点引入消息相关性，实现对源自同一恶意源的多个篡改副本的检测。
• 通过仿真对比非拓扑感知算法的性能，评估成功率和响应时间之间的权衡等指标。

实验结果

研究问题

• RQ1 如何利用网络拓扑提升在存在内部恶意车辆情况下的消息完整性决策准确性？
• RQ2 当车辆接收到多个冲突消息时，应采用何种最优决策策略以最大化正确识别真实消息的概率？
• RQ3 能否设计一种实用的启发式决策算法，其性能几乎与最优算法相当，且无需事先知晓恶意车辆比例？
• RQ4 等待时间T如何影响消息一致性检查中决策准确性与响应时间之间的权衡？
• RQ5 引入拓扑相关性在多大程度上可降低恶意车辆共谋攻击的成功率？

主要发现

• 所提出的最优决策算法在已知恶意车辆比例时，显著优于拓扑无关方法，消息完整性成功概率更高，尤其在恶意车辆比例较高时优势明显。
• 当恶意车辆比例较低时，启发式决策算法的性能在最优算法的5%以内，展现出强大的实际可行性。
• 随着恶意车辆比例增加，安全性能下降，但超过某一临界阈值后急剧下降（例如，当恶意比例超过临界水平时，P_succ ≈ 0），表明存在明确的韧性极限。
• 增加等待时间T可提升决策准确性，直至达到阈值（最优算法为T_th ≈ 100ms，启发式算法为150ms），此后边际收益递减，表明收益递减。
• 较低的车辆密度需要更长的等待时间才能达到同等的决策准确性，凸显了交通密度在设置T时的重要性。
• 引入拓扑相关性可检测源自同一恶意车辆的多个虚假消息，显著提升对协同篡改攻击的抵御能力。