关键词:
智能交通系统
隐私保护
认证与密钥协商
数据共享
有向无环图
联邦学习
摘要:
智能交通系统(Intelligent Transport Systems,ITS)旨在为多种的运输模式和交通管理提供服务,以实现交通网络的安全、协调与智能化。自动驾驶车联网(Internet of Autonomous Vehicles,Io AV)和城市轨道交通系统(Urban Rail Transit,URT)作为智慧交通的核心组成部分,正经历由信息化向智能化的深刻变革。然而,由于智慧交通系统依赖于开放的通信信道,导致其在通信中常常面临着多种安全攻击。在用户隐私保护方面,数据传输安全与数据共享安全是两道重要防线。此外,雾计算作为云计算的应用延伸,有助于系统的可扩展性和服务效率。因此,本文基于雾计算范式,通过分析两个核心应用场景下的安全需求,并针对性地提出高效和安全的防御方案,本文研究内容如下:
针对自动驾驶车联网场景下数据传输过程中用户身份隐私和数据隐私易泄露问题,本文提出一种基于零知识证明的雾辅助身份认证与密钥协商协议。为实现快速认证过程,本文首先对传统的零知识证明算法进行改进,显著提升其运算效率。其次,在改进算法的基础上,该方案融合了多因素模糊提取生物特征技术、物理不可克隆函数等密码学技术,实现了在无需中央服务器或权威机构介入的情况下,不可信实体间即可完成分布式身份认证。此外,该方案还消除了车载设备在注册和认证过程中对密钥对存储的依赖,有效减轻了内存负担,提升了系统效率。最后,本文通过三种严谨的正式安全分析方法和详细的非正式安全分析,表明了所提协议能满足23种常见的安全特性和功能。此外,在对安全与延迟要求极为严苛的智慧交通场景中,所提方案在性能开销、存储开销和服务器的服务能力方面均优于现有方案。
针对城市轨道交通系统下的“数据孤岛”问题,本文提出了一种分布式数据共享方案。考虑到城市轨道交通场景中高动态性、网络不稳定性的环境独特性,以及存在频繁的实时无线通信的挑战,该方案融合了雾计算、联邦学习、有向无环图(Directed Acyclic Graph,DAG)等技术。具体来说,方案通过DAG区块链实现异步处理大量交易;借助联邦学习实现分布式模型训练以抵御数据隐私泄露;雾节点作为联邦学习的训练节点,既可避免单点故障,又能满足低延迟需求。为应对网络不稳定时设备在模型训练过程中的掉线问题,本文还设计一种列车可信度评估算法。最后,从安全性、保真度和服务请求时间三方面对方案进行仿真实验,结果表明,所提方案不仅满足安全目标,还显著提升了数据共享请求的服务效率。