[论文解读] 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 8

一句话总结

本文提出了一种基于演化博弈论的仿真框架，用于评估车联网（IoV）中的声誉管理方案，建模了恶意车辆的动态且多样的攻击策略。通过基于收益的自适应机制模拟策略演化，该方法表明声誉系统会收敛至稳定且最优的攻击策略，从而实现对方案在真实对抗行为下有效性的量化评估。

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.

研究动机与目标

• 解决现有声誉管理评估方法中假设攻击者行为静态且统一的局限性，此类假设无法反映现实世界的复杂性。
• 将车载网络中恶意用户策略的演化建模为一种受声誉系统反馈影响的动态自适应过程。
• 开发一种仿真框架，初始设置多样化的攻击策略，并允许其基于效用反馈演化，更真实地反映实际对抗行为。
• 通过分析攻击者策略演化最终的稳定状态，提供一种量化方法，评估声誉管理方案的鲁棒性。
• 通过多效用函数声誉方案的实例，证明该方法的可行性与有效性，展示策略收敛性与损害水平的量化结果。

提出的方法

• 将恶意车辆与声誉系统之间的互动建模为演化博弈，其中攻击者根据收益（效用）反馈迭代调整策略。
• 初始化100辆不诚实车辆，其攻击策略在欺骗强度范围（1至100单位）内随机选取。
• 定义效用函数，反映每种攻击策略的收益，整合系统容错能力与检测机制。
• 随时间模拟策略演化，其中低效策略逐渐被淘汰，高效策略在群体中传播。
• 使用群体策略分布与平均效用增长作为关键指标，追踪收敛性与系统整体损害潜力。
• 将演化策略演化与静态攻击模型进行对比，评估声誉方案的相对有效性与鲁棒性。

实验结果

研究问题

• RQ1 动态且多样的攻击策略如何影响IoV中声誉管理方案的评估？
• RQ2 演化博弈论能否有效建模声誉系统中恶意车辆的自适应行为？
• RQ3 在声誉管理框架中，不同系统容错水平下攻击者策略的收敛行为如何？
• RQ4 攻击者策略的最终稳定状态与网络整体受损程度之间存在何种关联？
• RQ5 与静态攻击假设相比，基于演化博弈的仿真在多大程度上提升了声誉方案评估的现实性与准确性？

主要发现

• 仿真结果表明，攻击者策略随时间演化，低效策略（如策略63）逐渐消亡，而高效策略（如策略97）则占据主导并趋于稳定。
• 最终群体分布收敛至纯策略状态，策略97成为主导策略，尽管由于恶意车辆持续更替，群体规模在100以下波动。
• 系统对错误的容忍度越高，收敛时间越长，因为恶意车辆存活时间更长，策略变化更缓慢。
• 网络整体损害水平在演化过程中上升，并在策略分布达到均衡时稳定下来，且容忍度越高，持续损害越大。
• 与静态策略模型相比，演化博弈方法为攻击者带来了显著更高的总体效用，表明静态假设低估了真实威胁潜力。
• 该方法通过将最终稳定策略状态与损害水平关联至系统鲁棒性指标，成功量化了声誉管理方案的有效性。