CN107046478A - 一种车联网链路生存性评估方法 - Google Patents
一种车联网链路生存性评估方法 Download PDFInfo
- Publication number
- CN107046478A CN107046478A CN201710220574.3A CN201710220574A CN107046478A CN 107046478 A CN107046478 A CN 107046478A CN 201710220574 A CN201710220574 A CN 201710220574A CN 107046478 A CN107046478 A CN 107046478A
- Authority
- CN
- China
- Prior art keywords
- failure
- link
- car networking
- survivability
- networking link
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Mathematical Physics (AREA)
- Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种车联网链路生存性评估方法,包括以下步骤:针对车联网链路构建连续马尔可夫链模型;用连续时间随机逻辑公式定义与生存性相关的两种属性——分别为发生故障时网络遭到破坏的最大概率和最小概率;在概率模型检测软件中分别针对两种故障类型对这两种属性进行分析,并分别输出分析图;通过观察分析图,获得对实践具有实际指导意义的参数——故障强度的上限值和故障强度的安全值;根据车联网链路的运行状况,评估当前车联网链路的生存性。实践表明,本发明概率模型检测研究方法在车联网通信网络生存性分析上具有简单高效的特点。
Description
技术领域
本发明涉及一种车联网链路生存性评估方法,属于车联网技术领域。
背景技术
车联网通信网络(V2V网络)连通性是车辆保持安全行驶重要因素之一,由于车联网通信链路的无线特性和快速移动性,所以它容易受到黑客的攻击或信道衰落,前者会造成虚假或错误道路交通信息从恶意车辆节点向其他正常车辆节点进行传播,后者会造成车与车之间车辆的通信中断,这两种因素都可能引起严重的交通安全问题。因此怎样确保车联网链路的安全性是当下重要的研究热点。
生存性研究是车联网链路安全性的一个重要的度量,它反映了车联网链路在遭受到各种异常事件(如恶意攻击、网络故障、自然灾害等)后依然能够继续完成其通信任务的能力。在以往的研究文献中出现了各种不同的生存性评估方法,他们分别应用在无线自组织网络、大规模移动自组织网络、无线传感网以及车辆自组织网,但是这些研究方法都是通过数学理论推导和数学近似值的仿真分析,其计算量大,花费时间长,而且数值分析能力比较弱,不能从多个角度进行精确计算和分析。
发明内容
为解决现有技术中的上述不足,本发明提出了一种基于概率模型检测方法的车联网链路生存性评估方法,该方法在车联网通信链路生存性分析上能够提供了一个严格的形式化模型,能够分析模型中的所有可能的随机行为。
本发明提出的车联网链路生存性评估方法,其特征在于包括以下步骤:
步骤1: 针对车联网链路构建连续马尔可夫链模型,该模型包含以下参数:车辆的故障数n,节点故障f1的故障强度λ1,链路故障f2的故障强度λ2,节点故障f1的修复率μ1,链路故障f2的修复率μ2;其中,故障强度是指:单位时间内发生故障的概率;修复率是指:单位时间内车联网链路可被修复的概率;
步骤2:在概率模型检测软件中对步骤1中构建的连续马尔可夫链模型进行可识别描述,用连续时间随机逻辑公式定义与生存性相关的两种属性,分别为发生故障时网络遭到破坏的最大概率Pmax和发生故障时网络遭到破坏的最小概率Pmin;
公式1:Pmax=[true U≤T{max}]
true表示为真,U 表示在一直运行直到指定的时间,T是指在一定的时间范围,公式1表示在T时间内网络遭受到破坏的最大概率;
公式2: Pmin=[true U≤T{min}]
true表示为真,U 表示在一直运行直到指定的时间,T是指在一定的时间范围,公式2表示在T时间内网络遭受到破坏的最小概率;
步骤3:在概率模型检测软件中设置车联网链路中的车辆数N,设置节点故障f1的故障强度λ1和节点故障f1的修复率μ1,使用概率模型检测软件对节点故障的最大概率Pmax进行分析并输出分析图;设置链路故障f2的故障强度λ2、和链路故障f2的修复率μ2,使用概率模型检测软件对链路故障的最大概率Pmax进行分析并输出最大概率分析图,链路故障分析时,链路数为2N-1;
步骤4: 观察步骤3中获得的节点故障和链路故障下的最大概率分析图,找出故障强度上限值,当任意故障强度达到该上限值,车联网链路不可被修复,车联网链路的生存性为0;
步骤5:在概率模型检测软件中设置车联网链路中的车辆数N,设置节点故障f1的故障强度λ1和节点故障f1的修复率μ1,使用概率模型检测软件对节点故障的最小概率Pmin进行分析并输出分析图;设置链路故障f2的故障强度λ2、和链路故障f2的修复率μ2,使用概率模型检测软件对链路故障的最小概率Pmin进行分析并输出最小概率分析图,链路故障分析时,链路数为2N-1;
步骤6:观察步骤5中获得的节点故障和链路故障下的最小概率分析图,找出故障强度安全值,当任意故障强度不大于该安全值时,车联网链路不可被破坏,车联网链路的生存性较高;
步骤7:根据车联网链路的运行状况,计算综合故障强度λ=λ1+λ2,若λ大于或等于故障强度上限值,则车联网链路不可修复;若λ不超过故障强度安全值,则车联网链路的故障可被修复,车联网链路的生存性较高;若λ介于故障强度上限值与故障强度安全值,则通过提高修复率进行车联网链路修复,提高车联网链路的生存性。
本发明根据车联网的通信链路结构建立了连续的马尔可夫链模型,并在此模型中考虑了两种故障类型,一个是节点故障,另一个是链路故障,它们分别是由于恶意节点攻击和通信中断造成的,分析在这两种故障发生情况下对车联网链路生存性的影响情况。本发明在PRISM模型检测工具中对注入故障机制的马尔可夫链模型进行了系统描述,然后用连续随机逻辑(CSL)公式对定义了相关的生存性属性,在概率模型检测方法下对模型产生的所有状态进行分析并输出分析图,最后观察分析图,获得对现实具有指导意义的结论。实践表明,本发明概率模型检测研究方法在车联网通信网络生存性分析上具有简单高效的特点。
附图说明
图1为发生节点故障时网络遭到破坏的最大概率随着时间的变化图。
图2为发生链路故障时网络遭到破坏的最大概率随着时间的变化图。
图3为发生节点故障时网络遭到破坏的最小概率随着时间的变化图。
图4为发生链路故障时网络遭到破坏的最小概率随着时间的变化图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。
车联网链路生存性评估方法,其特征在于包括以下步骤:
步骤1: 针对车联网链路构建连续马尔可夫链模型,该模型包含以下参数:车辆的故障数n,节点故障f1的故障强度λ1,链路故障f2的故障强度λ2,节点故障f1的修复率μ1,链路故障f2的修复率μ2;其中,故障强度是指:单位时间内发生故障的概率;修复率是指:单位时间内车联网链路可被修复的概率。
步骤2:在概率模型检测软件(PRISM,PRISM是由牛津大学的Marta Kwiatkowska教授主导开发的一款面向学术界可免费使用的概率模型检测工具)中对步骤1中构建的连续马尔可夫链模型进行可识别描述,用连续时间随机逻辑公式定义与生存性相关的两种属性,分别为发生故障时网络遭到破坏的最大概率Pmax和发生故障时网络遭到破坏的最小概率Pmin;
公式1:Pmax=[true U≤T{max}]
true表示为真,U 表示在一直运行直到指定的时间,T是指在一定的时间范围,公式1表示在T时间内网络遭受到破坏的最大概率;
公式2: Pmin=[true U≤T{min}]
true表示为真,U 表示在一直运行直到指定的时间,T是指在一定的时间范围,公式2表示在T时间内网络遭受到破坏的最小概率。
步骤3:在概率模型检测软件(PRISM)中设置车联网链路中的车辆数N(本例中N设置为100),设置节点故障f1的故障强度λ1(分别设置0.1、0.3、0.6)和节点故障f1的修复率μ1(设置为0.5),使用概率模型检测软件对节点故障的最大概率Pmax进行分析并输出分析图(如图1所示);设置链路故障f2的故障强度λ2(分别设置0.1、0.3、0.6)、和链路故障f2的修复率μ2(分别设置为0.05、0.2),使用概率模型检测软件对链路故障的最大概率Pmax进行分析并输出最大概率分析图(如图2所示),链路故障分析时,链路数为198。
步骤4: 观察步骤3中获得的节点故障和链路故障下的最大概率分析图,找出故障强度上限值。从图1和图2中可以看出,当强度达到0.3时,不论修复强度是多高,最终车联网链路还是遭到了破坏。因此,故障强度上限值可以取0.3。当任意故障强度达到该上限值,车联网链路不可被修复,车联网链路的生存性为0。从图中也可以看出,随着故障强度的增大,车联网链路的生存性越低,对于相同的故障强度下,修复率越高车联网链路的生存性越大。
步骤5:在概率模型检测软件(PRISM)中设置车联网链路中的车辆数N(本例中N设置为100),设置节点故障f1的故障强度λ1(分别设置0.1、0.3、0.6)和节点故障f1的修复率μ1(设置为0.5),使用概率模型检测软件对节点故障的最小概率Pmin进行分析并输出分析图(如图3所示);设置链路故障f2的故障强度λ2(分别设置0.1、0.3、0.6)、和链路故障f2的修复率μ2(分别设置为0.05、0.2),使用概率模型检测软件对链路故障的最小概率Pmin进行分析并输出最小概率分析图(如图4所示),链路故障分析时,链路数为198。
步骤6:观察步骤5中获得的节点故障和链路故障下的最小概率分析图,找出故障强度安全值。从图3、图4中可以看出,当故障强度达到0.1时,车联网链路的生存性较高,在观察时间内网络被破坏的概率较低。因此,故障强度安全值可取0.1,当任意故障强度不大于该安全值时,车联网链路不可被破坏,车联网链路的生存性较高。
步骤7:根据车联网链路的运行状况,计算综合故障强度(节点故障强度与链路故障强度之和)λ=λ1+λ2,若λ大于或等于故障强度上限值,则车联网链路不可修复;若λ不超过故障强度安全值,则车联网链路的故障可被修复,车联网链路的生存性较高,此时采用较低的修复率即可保证车联网的安全运行;若λ介于故障强度上限值与故障强度安全值,则通过提高修复率进行车联网链路修复,提高车联网链路的生存性。
以上所述仅为本发明的优选实施方式,本发明的保护范围并不仅限于上述实施方式,凡是属于本发明原理的技术方案均属于本发明的保护范围。对于本领域的技术人员而言,在不脱离本发明原理的前提下进行的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种车联网链路生存性评估方法,其特征在于包括以下步骤:
步骤1: 针对车联网链路构建连续马尔可夫链模型,该模型包含以下参数:车辆的故障数n,节点故障f1的故障强度λ1,链路故障f2的故障强度λ2,节点故障f1的修复率μ1,链路故障f2的修复率μ2;其中,故障强度是指:单位时间内发生故障的概率;修复率是指:单位时间内车联网链路可被修复的概率;
步骤2:在概率模型检测软件中对步骤1中构建的连续马尔可夫链模型进行可识别描述,用连续时间随机逻辑公式定义与生存性相关的两种属性,分别为发生故障时网络遭到破坏的最大概率Pmax和发生故障时网络遭到破坏的最小概率Pmin;
公式1:Pmax=[true U≤T{max}]
true表示为真,U 表示在一直运行直到指定的时间,T是指在一定的时间范围,公式1表示在T时间内网络遭受到破坏的最大概率;
公式2: Pmin=[true U≤T{min}]
true表示为真,U 表示在一直运行直到指定的时间,T是指在一定的时间范围,公式2表示在T时间内网络遭受到破坏的最小概率;
步骤3:在概率模型检测软件中设置车联网链路中的车辆数N,设置节点故障f1的故障强度λ1和节点故障f1的修复率μ1,使用概率模型检测软件对节点故障的最大概率Pmax进行分析并输出分析图;设置链路故障f2的故障强度λ2、和链路故障f2的修复率μ2,使用概率模型检测软件对链路故障的最大概率Pmax进行分析并输出最大概率分析图,链路故障分析时,链路数为2N-1;
步骤4: 观察步骤3中获得的节点故障和链路故障下的最大概率分析图,找出故障强度上限值,当任意故障强度达到该上限值,车联网链路不可被修复,车联网链路的生存性为0;
步骤5:在概率模型检测软件中设置车联网链路中的车辆数N,设置节点故障f1的故障强度λ1和节点故障f1的修复率μ1,使用概率模型检测软件对节点故障的最小概率Pmin进行分析并输出分析图;设置链路故障f2的故障强度λ2、和链路故障f2的修复率μ2,使用概率模型检测软件对链路故障的最小概率Pmin进行分析并输出最小概率分析图,链路故障分析时,链路数为2N-1;
步骤6:观察步骤5中获得的节点故障和链路故障下的最小概率分析图,找出故障强度安全值,当任意故障强度不大于该安全值时,车联网链路不可被破坏,车联网链路的生存性较高;
步骤7:根据车联网链路的运行状况,计算综合故障强度λ=λ1+λ2,若λ大于或等于故障强度上限值,则车联网链路不可修复;若λ不超过故障强度安全值,则车联网链路的故障可被修复,车联网链路的生存性较高;若λ介于故障强度上限值与故障强度安全值,则通过提高修复率进行车联网链路修复,提高车联网链路的生存性。
2.根据权利要求1所述的车联网链路生存性评估方法,其特征在于:所述故障强度的上限值为0.3。
3.根据权利要求1所述的车联网链路生存性评估方法,其特征在于:所述故障强度的安全值为0.1。
4.根据权利要求1所述的车联网链路生存性评估方法,其特征在于:所述最大概率分析图是网络遭到破坏的最大概率随着时间的变化图。
5.根据权利要求1所述的车联网链路生存性评估方法,其特征在于:所述最小概率分析图是网络遭到破坏的最小概率随着时间的变化图。
6.根据权利要求1所述的车联网链路生存性评估方法,其特征在于:所述概率模型检测软件为PRISM。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710220574.3A CN107046478B (zh) | 2017-04-06 | 2017-04-06 | 一种车联网链路生存性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710220574.3A CN107046478B (zh) | 2017-04-06 | 2017-04-06 | 一种车联网链路生存性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107046478A true CN107046478A (zh) | 2017-08-15 |
CN107046478B CN107046478B (zh) | 2020-03-31 |
Family
ID=59544857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710220574.3A Active CN107046478B (zh) | 2017-04-06 | 2017-04-06 | 一种车联网链路生存性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107046478B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100010776A1 (en) * | 2008-07-10 | 2010-01-14 | Indranil Saha | Probabilistic modeling of collaborative monitoring of policy violations |
CN103532761A (zh) * | 2013-10-18 | 2014-01-22 | 嘉兴学院 | 一种适用于受攻击无线传感网的可生存性评估方法 |
CN105187255A (zh) * | 2015-09-29 | 2015-12-23 | 华为技术有限公司 | 故障分析方法、故障分析装置和服务器 |
CN105894135A (zh) * | 2016-05-24 | 2016-08-24 | 哈尔滨工程大学 | 船舶综合电力推进系统风险预测评估方法及装置 |
-
2017
- 2017-04-06 CN CN201710220574.3A patent/CN107046478B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100010776A1 (en) * | 2008-07-10 | 2010-01-14 | Indranil Saha | Probabilistic modeling of collaborative monitoring of policy violations |
CN103532761A (zh) * | 2013-10-18 | 2014-01-22 | 嘉兴学院 | 一种适用于受攻击无线传感网的可生存性评估方法 |
CN105187255A (zh) * | 2015-09-29 | 2015-12-23 | 华为技术有限公司 | 故障分析方法、故障分析装置和服务器 |
CN105894135A (zh) * | 2016-05-24 | 2016-08-24 | 哈尔滨工程大学 | 船舶综合电力推进系统风险预测评估方法及装置 |
Non-Patent Citations (3)
Title |
---|
MINGYU JI等: "The New Development of PRISM for Probabilistic Model Checking", 《2009 FOURTH INTERNATIONAL CONFERENCE ON INTERNET COMPUTING FOR SCIENCE AND ENGINEERING》 * |
SOPHIA PETRIDOU等: "Survivability Analysis Using Probabilistic Model Checking: A Study on Wireless Sensor Networks", 《IEEE SYSTEMS JOURNAL》 * |
周清雷等: "基于模型检测的系统生存性分析", 《计算机工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN107046478B (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | Vulnerability analysis of cascading dynamics in smart grids under load redistribution attacks | |
CN105429133B (zh) | 一种面向信息网络攻击的电网脆弱性节点评估方法 | |
CN103634296B (zh) | 基于物理系统和信息网络异常数据融合的智能电网攻击检测方法 | |
CN110377002A (zh) | 一种自适应的车内can总线安全控制方法及系统 | |
CN106713354A (zh) | 一种基于不可检测信息攻击预警技术的电力信息物理系统脆弱性节点评估方法 | |
CN104010305B (zh) | 基于物理层密钥的终端和接入网的双向认证增强方法 | |
CN105045695B (zh) | 一种芯片进入测试模式的保护方法和系统 | |
CN103944919A (zh) | 一种面向wlan的无线多步攻击模式挖掘方法 | |
CN104010310B (zh) | 基于物理层安全的异构网络统一认证方法 | |
Yu et al. | Federated-lstm based network intrusion detection method for intelligent connected vehicles | |
CN107370633A (zh) | 基于节点权重的网络安全评估方法 | |
CN104639328B (zh) | 一种goose报文认证方法及系统 | |
CN110572296B (zh) | 一种物联网终端设备通信协议一致性安全检测方法 | |
Shao et al. | Research on detection and evaluation technology of cybersecurity in intelligent and connected vehicle | |
CN104601372B (zh) | 一种基于三层图形的智能变电站虚回路可视化比对方法 | |
Xu et al. | A two-stage resilience promotion approach for urban rail transit networks based on topology enhancement and recovery optimization | |
CN118041812A (zh) | 一种基于区块链的链上链下数据传输测评方法及系统 | |
Ahmed et al. | Design and Implementation of Side Channel Attack Based on Deep Learning LSTM | |
CN107046478A (zh) | 一种车联网链路生存性评估方法 | |
CN111191230B (zh) | 一种基于卷积神经网络的快速网络攻击回溯挖掘方法和应用 | |
CN108900328A (zh) | 一种电网网络数据安全测试系统及方法 | |
CN102752174B (zh) | 一种无线局域网安全性能测试系统及方法 | |
Baig et al. | Detection of compromised smart meters in the Advanced Metering Infrastructure | |
Meng et al. | GB-IDS: An Intrusion Detection System for CAN Bus Based on Graph Analysis | |
Chen et al. | A wireless intrusion Alerts Clustering Method for mobile internet |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |