基于复杂网络的车载自组织网络抗毁性分析

针对车载自组织网络（VANET）的抗毁性问题,分析了其在随意攻击和蓄意攻击下网络的抗毁性特征。首先,提出以最大连通度、连通分支平均规模、临界点移除比例及网络效率为评价指标的VANET拓扑抗毁性参数;然后,基于带有车辆换道功能的智能驾驶员模型,应用VanetMobisim仿真软件建立VANET;最后,通过仿真实验分析了网络节点数、通信半径以及攻击模式对VANET抗毁性的影响。实验结果表明由于车辆节点度分布的不均匀性,VANET对随意攻击具有较强的抗毁性,而在蓄意攻击下显得比较脆弱;基于节点介数的蓄意攻击对网络的破坏更快、更强。这些规律为优化VANET拓扑控制、网络协议开发和网络管理提供新的指导。     

一种车载自组织网络连通性维护方法

车载自组织网络（VANET）中的高速移动性节点和动态的网络拓扑结构使得车辆间通信链路存在传输时延长、连接时间短的问题。通过引入双簇头选择算法,提出一种改进的AODV路由协议（AODV-CMIRP）,用于VANET的连通性维护。利用分簇技术降低全局网络拓扑的动态性,通过引入节点的相对移动度和相对速度作为簇头选择指标,并选取辅助簇头节点以延长车载自组织网络整体生存时间。仿真结果表明,在保证网络连通性和稳定性的前提下,相比CBDRP和AODV协议,AODV-CMIRP协议具有较低的平均端到端时延和较高的分组投递率,能够有效延长簇头生存时间并提高网络的稳定性。     

基于时序网络的VANETs拓扑特征分析

动态性是车载自组织网络（VANETs）拓扑结构的重要特征之一,研究拓扑结构的时序特征对VANETs协议开发和网络管理具有重要意义。采用复杂网络理论研究VANETs拓扑结构的时序特性。建立了VANETs时序网络模型- 可达图模型,该模型不仅考虑了信息传输时间,而且能够刻画VANETs中信息的存储转发机制。通过仿真实验研究VANETs时序网络的拓扑特征,分析信息传输时间 和最大可容忍延迟时间 与网络的节点出度、非对称性、数据包到达率等时序拓扑参数之间的关系。研究结果表明与瞬时和静态网络模型相比,本文提出的时序网络模型能更合理的刻画VAENTs中信息传输过程,并且降低信息传输时间 和增大最大可容忍时间 有利于提高整个网络的时序连通性,从而提高数据包传输效率,该结论可为优化VANETs拓扑控制和网络协议开发提供新的指导。     

优化无线传感器网络寿命的动态路由算法

针对多跳无线传感器网络能量受限的特点,以提高网络寿命为目标,建立基于最大最小节点寿命的线性规划网络模型。当传感器节点失效时,根据网络的拓扑结构动态更新节点的路由。仿真分析结果表明：基于网络拓扑结构变化动态更新节点路由的方法能够拓展网络寿命,大幅度地增加基站接收信息的数量和提高节点能量的使用效率。     

适用于车载自组织网络的稳定成簇算法

车载自组织网络中网络拓扑频繁变化、链路不稳定.若直接使用移动自组网的成簇算法,将会引起传输延时增大及丢包率上升等一系列问题.提出一种基于AP相似度改进的稳定成簇算法——SD成簇算法.本算法以节点之间的相似度(similarity)和周围节点度(degree)作为分簇依据,利用节点的地理位置信息和邻居拓扑信息进行簇头选举.NS2仿真结果表明,该算法能有效地改善车载自组织网络中簇结构的稳定性.     

基于H运算的动态网络重要节点识别方法

传统K-shell网络重要节点识别方法迭代时需网络全局拓扑信息,而且难以应用于动态网络。为解决该问题,提出基于邻域优先异步H运算的动态网络重要节点识别方法。首先,证明该算法收敛于Ks值,其次以各节点的度作为h指数初始值;然后,通过节点h指数排序和邻居节点h指数变化选择更新节点,同时针对动态网络节点的增减数目和最大度,修改h指数适应拓扑变化,直至算法收敛并找到重要节点。仿真实验结果表明,该方法通过邻居节点局部信息且以更高效率找到动态网络的重要节点,收敛时间在静态网络中较随机选择更新节点法与变化邻居选点法分别下降77.4%和28.3%,在网络拓扑变化后分别下降84.3%和38.8%。     

车辆自组织网仿真研究*

由于车辆自组织网络（vehicular Ad hoc networks,VANETs）的网络节点移动速度快、网络拓扑变化频繁、节点移动要遵循道路规则等特性, 现阶段对VENET的研究主要基于模拟仿真。VANET仿真研究包括车辆移动模型的构建和无线网络的仿真,其中车辆移动模型的真实性是评价VANET网络仿真结果是否可靠的关键因素。概述了车辆移动模型的分类, 提出了车辆移动模型构建的基本框架, 介绍了文献中比较流行的车辆移动模型和网络仿真器, 详细讨论了现有的VANET综合仿真软件以及VANET应用仿真研究, 最后对VANET仿真的未来发展提出展望。     

基于命名数据网络的车载自组织网络数据分发机制

车载自组织网络（VANET）是一个高度动态的通信网络,设计稳定的数据分发机制是一个很大的挑战。将关注数据内容的命名数据网络（NDN）应用于车载自组织网络中,能有效缓解网络拓扑频繁变化所带来的问题。首先,优化命名数据网络的消息类型和数据结构;然后,结合车载自组织网络的特性,提出根据路段建立路由的方式,减少数据分发的开销。仿真实验结果表明,所提出的基于命名数据网络的车载自组织网络数据分发机制与应用于车载自组织网络数据分发的传统命名数据网络算法对比,数据转发平均命中率（AHR）提高大约53个百分点,平均转发次数减少大约0.4。因此提出的基于命名数据网络的车联网数据分发机制,采用新的路由方式,能够提高数据分发效率。     

用于城市交通环境的改进型车载路由优化方法

为了优化城市交通环境中车载自组织网络中路由协议的链路存活时间、吞吐量等性能指标,在拓扑反应式路由协议的基础上,引入车载网络节点的位置信息,设计基于动态实时位置信息变化的车载路由协议优化模型M-AODV。该模型按照十字路口车辆优先和相对位置为同方向节点优先转发的原则,根据路由信息表中位置信息区分转发控制包,并给出该路由算法的面向C++语言的UML建模图及其算法流程图。通过NS2仿真平台仿真表明,与传统的路由模型相比,该模型优化了VANETs网络中链路存活时间、时延、吞吐量等性能指标。     

动态传感网络主节点恶意攻击检测仿真

动态传感网络是一种点对点结构的网络,有着多跳、无中心、自组织网络等特点,主节点会根据需要发生变动,导致网络拓扑结构也随之改变.传统的受恶意攻击主节点检测方法是根据固定拓扑结构设定的属性指标进行检测,针对拓扑结构经常变动的动态传感网络中受恶意攻击主节点检测准确性不高.提出利用加权平均算法的动态传感网络恶意行为检测方法,对节点的变化恶意信息进行加权,将节点特殊标记信息所携带的数据进行加权,使得各个节点的加权因子比较合理,对整个节点网络的加权平均控制在一定范围内,对恶意行为进行检测.通过对改进算法进行仿真验证,结果表明,提出的方法在入侵检测和屏蔽恶意代码攻击方面有着良好的效果.     

车载网中一种利用静态节点辅助的路由方法

车载自组织网络(Vehicular Ad Hoc Network,VANET)越来越引起人们的广泛关注,虽然该网络与传统的自组织网络有类似的地方,比如网络中的节点可以自组织和自管理。但是它有自己重要特征:网络中的节点具有很快的移动速度,由于这种高速的移动,造成车载网络拓扑结构频繁的变化,导致网络中多跳路由的频繁断开,进而对路由的可靠性和数据传输的质量带来很大的挑战。路由选择是实现VANET的关键。我们提出一种利用静态节点辅助的路由方法(Static-Node Assisted Routing,SNAR)来提高数据包的传输效率。模拟实验显示,SNAR在端到端延时等方面要优于其它的多跳路由方法。     

基于混沌映射的车载网动态加密方案设计

安全性是决定车载自组网能否应用到军品运输车队中的一项关键因素,加密技术是满足车载自组网保密性、完整性和不可否认性等安全需求的重要技术手段。基于传统Hash函数的加密技术已被证实可通过“模差分”方法进行攻击,提出了一种基于改进复合混沌映射的车载自组网动态加密方案,并搭建了具备多跳传输能力和网络拓扑展示功能的车载自组网实验系统。将复合混沌映射加密方案应用于该车载自组网实验系统的图像加密传输,实验结果表明经加密后的图像具有较好的伪随机特性和初始值敏感性,因此该方案具有良好的加密效果和较高的安全性。     

自组网中基于自适应波束天线的拓扑控制算法

定向天线自组网拓扑的构建问题比全向天线网络复杂.基于自适应波束定向天线模型提出一种分布式拓扑控制算法,通过调整节点发射功率,改变天线波束的朝向、宽度和增益来构建拓扑.网络中每个节点收集其邻居节点信息,采用功率控制调度策略选择最优相邻节点,并选取覆盖所有最优相邻节点的最小发射功率为此节点的发射功率.算法在保证网络连通性与无向性的同时,降低了节点的发射功率,减小了节点的平均度数,从而降低节点能耗,减少了节点间干扰,提高了网络吞吐量.仿真结果表明,算法显著提高了网络性能.     

车载网中一种基于链路稳定度的路由方法

车载自组织网络VANET(vehicular ad hoc network)由于车辆高速移动性、分布不均匀、运动行为受交通环境限制等因素的影响,使得VANET具有网络拓扑结构变化频繁、传输信号受干扰大、网络易于断裂等固有特性。路由选择是VANET的重要组成部分。如何选择下一跳节点是实现路由方法的关键,链路稳定度是衡量VANET性能的重要因素。本文通过计算预期路径的链路稳定度来选择下一跳节点,提出一种基于链路稳定度的路由方法。实验结果表明与传统的AODV相比,本文提出的方法在端到端延时,数据包的传递率等方面有较大的提高。     

基于网络状态信息的车载网功率控制方法

针对车载自组网中,节点密度较高时,容易出现网络拥堵的情况,提出了一种动态调整消息发射功率的方法.通过信道忙闲比例(CBR)评估节点的网络状况,并在出现网络拥堵时泛洪广播拥堵信息,通知其他节点作出相应的功率调整.综合考虑功率覆盖范围和覆盖节点数两方面因素,设计了功率调整曲线.实验结果表明:方法能根据网络状况自适应地调整发射功率,降低了发生信道过载的可能性,并提高了信标消息传递的成功率.     

Second order centrality: Distributed assessment of nodes criticity in complex networks

A complex network can be modeled as a graph representing the “who knows who” relationship. In the context of graph theory for social networks, the notion of centrality is used to assess the relative importance of nodes in a given network topology. For example, in a network composed of large dense clusters connected through only a few links, the nodes involved in those links are particularly critical as far as the network survivability is concerned. This may also impact any application running on top of it. Such information can be exploited for various topological maintenance issues to prevent congestion and disruption. This can also be used offline to identify the most important actors in large social interaction graphs. Several forms of centrality have been proposed so far. Yet, they suffer from imperfections: initially designed for small social graphs, they are either of limited use (degree centrality), either incompatible in a distributed setting (e.g. random walk betweenness centrality).In this paper we introduce a novel form of centrality: the second order centrality which can be computed in a distributed manner. This provides locally each node with a value reflecting its relative criticity and relies on a random walk visiting the network in an unbiased fashion. To this end, each node records the time elapsed between visits of that random walk (called return time in the sequel) and computes the standard deviation (or second order moment) of such return times. The key point is that central nodes see regularly the random walk compared to other topology nodes. Both through theoretical analysis and simulation, we show that the standard deviation can be used to accurately identify critical nodes as well as to globally characterize graphs topology in a distributed way. We finally compare our proposal to well-known centralities to assess its competitivity.     

一种基于网络拓扑重合度的关键节点识别方法

关键节点识别是分析和掌握复杂网络结构和功能的重要手段,对于研究网络鲁棒性、维持网络稳定性具有重大现实意义.为了探索节点与邻居之间的关联性,提出了一种有关度中心性和公共邻居数量的关键节点识别方法,仅用局部信息就表征出了节点重要性,展现了网络拓扑重合度对关键节点识别的影响,网络拓扑重合度是指节点在通信过程中与其他节点可共用的部分.通过静态和动态攻击的方式对六个真实网络和三个人工网络进行节点移除攻击,以最大连通子图比例和网络效率作为节点识别准确性评价标准.实验表明蓄意攻击比随机攻击更有针对性,此外证明了所提方法与度中心性DC、K-shell分解法、映射熵ME方法、集体影响CI方法以及潜在增益EPG方法相比更能准确评估出节点的重要性.     

车载自组织网络中的被动地理路由算法

针对车载自组织网络中无可靠的基础设施可用、网络的拓扑结构变化快、障碍物多等特点,提出一种车载自组织网络的被动地理路由算法,采用基于城市交通图和节点位置信息的无线路由算法,使用基于路段与速度的位置预判方法,去除广播机制,降低路由开销。模拟实验结果证明,该算法能以较低的路由负荷提供较高的包递送率。