车联网中基于联邦深度强化学习的任务卸载算法

随着车联网应用服务体系日益丰富,计算资源有限的车辆难以处理这些计算密集和时延敏感的车联网应用。计算卸载作为移动边缘计算中的一种关键技术可以解决这一难题。对于车联网中动态的多车辆多路侧单元的任务卸载环境,提出了一种基于联邦深度强化学习的任务卸载算法。该算法将每辆车都看作是智能体,采用联邦学习的框架训练各智能体,各智能体分布式决策卸载方案,以最小化系统的平均响应时间。设置评估实验,在多种动态变化的场景下对提出的算法的性能进行对比分析。实验结果显示,提出的算法求解出的系统平均响应时间短于基于规则的算法和多智能体深度强化学习算法,接近于理想方案,且求解时间远短于理想方案。实验结果表明,所提算法能够在可接受的算法执行时间内求解出接近于理想方案的系统平均响应时间。     

基于信任值的车联网分层共识优化协议

随着车联网、5G和人工智能技术的快速发展,智能交通成为交通技术发展趋势,车联网作为车-车、车-路信息交互平台,是智能交通信息共享和处理的基础。同时车联网安全备受关注,特别是数据安全问题,可能会造成用户隐私泄露。区块链技术的发展成为一种解决途径,但在效率、安全性等方面仍面临新挑战。随着车辆节点、信息增多,如何在车辆高速移动环境中高效完成信息共识也成为问题关键。针对上述问题,提出基于区块链及信任值的自下而上双层RSU(road side unit)链共识协议。对比几种典型的共识结构并依据实际车联网场景、符合速度、容错率以及减少通信量需求,选择自下而上双层共识结构。通过赋予每辆车信任值,并基于节点参与程度、工作完成情况及消息价值度提出组领导节点选举算法,以确保系统安全性。基于上述共识结构与算法工作,完整描述协议具体流程,分为区域划分、组领导节点选取、局部共识、领导主节点选取、全局共识、域内广播6个步骤。从安全性、通信复杂度、共识算法时延、容错率4个方面对实验进行分析。实验证明,与其他方案对比,本协议在可抵抗合谋攻击、女巫攻击等条件下,可以有效降低通信复杂度,缩短共识时延,并在安全前提下提高容...     

基于强化学习的车联网隐私保护和资源优化策略

车联网使人们的生活更加智能便捷,但是数据隐私问题和车辆有限的本地资源状况严重阻遏了其未来发展。为了解决上述问题,提出了基于联邦学习和强化学习的车联网隐私保护和资源优化策略。系统中的隐私保护模块通过全局模型下发和上传的方式代替传统的原始数据交互,解决了传统算法的数据和隐私泄露问题;资源优化模块通过建立强化学习决策模块对系统资源进行评估,选择具有最长远效益的决策,优化有限的系统资源。仿真结果表明：本文中提出的基于强化学习选择算法相较于联邦学习交互算法,系统总能耗降低77%以上;相较于传统算法,基于强化学习选择算法传输数据量降低了98.49%。     

车联网区块链吞吐量优化的深度强化学习方法研究

区块链应用于车联网（IoV）可以有效解决车联网数据安全和隐私等问题。但是,区块链吞吐量低的问题阻碍了其在车联网中的广泛应用。已有的区块链吞吐量优化研究大都存在决策行为空间爆炸的问题,可扩展性较差。针对上述问题,提出了一种基于深度强化学习（DRL）的区块链车联网吞吐量优化方法,通过选择区块生产者和共识算法,调整区块大小和区块间隔优化区块链的吞吐量,同时保证IoV区块链的去中心化、延迟和安全性。该方法通过引入BDQ框架将行为空间进行细粒度划分,解决了区块链使用传统深度强化学习方法对吞吐量进行优化时出现的行为空间爆炸问题。仿真结果表明,提出的方法可以有效地提高IoV区块链系统的吞吐量。     

基于区块链的车联网安全综述

随着车联网(Internet of vehicles, IoV或vehicle to everything, V2X)技术推动汽车行业和交通行业的智能化、网联化进程加快,车联网安全问题日益严峻.区块链(Blockchain, BC)作为分布式数据存储、点对点传输、共识机制、加密算法等技术的集成应用,为车联网安全提供新的解决思路.本文对基于区块链的车联网安全研究展开综述,首先汇总了现有的车联网安全威胁和防护手段;其次梳理了区块链和车联网结合的研究价值;然后分析了当前基于区块链的车联网安全关键技术;接着从通信安全、数据安全、应用安全3个角度重点阐述了现有基于区块链的车联网安全防护手段和方法,并总结了现有的基于区块链的新型车联网安全体系架构;最后展望了基于区块链的车联网安全的未来发展方向和研究重点.     

一种基于区块链的车联网安全认证协议

针对车联网环境下,车辆节点快速移动造成的中心服务器认证效率低、车辆隐私保护差等问题,提出了一种基于区块链的车联网安全认证协议。该协议利用Fabric联盟链存储车辆临时公钥与临时假名,通过调用智能合约,完成车辆身份认证,同时协商出会话密钥,保证通信过程中数据的完整性与机密性;利用假名机制有效避免了车辆在数据传输过程中身份隐私泄露的风险;使用RAFT共识算法高效达成数据共识。经安全性分析与实验结果表明,所提协议具有抵抗多种网络攻击的能力,且计算开销低、区块链存储性能好,能够满足车联网通信的实时要求。     

基于逻辑回归与区块链的车联网信任管理方案

车联网使车辆能够传播信息，以提高交通安全和效率。然而，在不可信环境下，如何有效地实施信任评估并即时更新多个路边单元（RSU）之间一致的信任值仍是具有挑战性的问题。因此，提出了一种基于逻辑回归与区块链的车联网信任管理方案。车辆可以通过通信对方的历史行为，为其计算直接信任值和推荐信任值，并利用逻辑回归算法计算综合信任值，然后上传到附近的RSU,RSU将这些数据打包成一个区块。提出了基于权益证明（PoS）和实用拜占庭容错（PBFT）的混合共识机制，权益越大的RSUs更容易被选为矿工，并与授权的RSUs一起工作验证区块的正确性，使得信任值变化较大的区块能够即时发布。安全性分析及性能仿真表明该方案在计算和存储车辆信任值方面是有效可行的。     

基于多智能体深度强化学习的车联网可信任务卸载策略

针对车联网中边缘节点的可信性无法保证的问题,提出了一种基于声誉的车联网可信任务卸载模型,用记录在区块链上的边缘节点声誉来评估其可信度,从而帮助终端设备选取可靠的边缘节点进行任务卸载。同时,将卸载策略建模为声誉约束下的时延和能耗最小化问题,采用多智能体深度确定性策略梯度算法来求解该NP-hard问题的近似最优解,边缘服务器依据任务卸载的完成情况获得奖励,然后据此更新记录在区块链上的声誉。仿真实验表明,与基准测试方案相比,该算法在时延和能耗方面降低了25.58%~27.44%。     

面向恶意节点攻击的车联网节点共识算法

针对车联网节点在共识过程中易受恶意节点攻击,造成区块链共识算法交易吞吐率低、交易时延长等问题,提出一种面向恶意节点攻击的车联网节点共识算法（NCCA）。NCCA将车联网网络划分若干个蜂窝单区域,通过节点的信用值分数确定可信任节点列表,并定期更新验证节点。采用票型权重不同的投票机制计算交易的投票票数,从而选择出需要进行共识的交易集。改进共识过程中区块验证的节点选择,选择高信用值验证节点完成共识。针对恶意节点攻击进行主动检测,提出一种多区域协同检测和单区域内局部检测的恶意节点二轮检测机制,对检测后的节点执行赋权和停权操作。实验结果表明,NCCA能高效检测出恶意节点,并降低性能较差节点和恶意节点对区块共识效率的影响,从而提高交易吞吐量并降低平均交易时延和平均节点通信开销,实现恶意节点攻击下的高效共识。     

基于区块链的车联网电子取证模型

针对车辆交通事故取证困难、责任归属难以判定等问题,提出一种车联网(IOV)通信架构下基于区块链的电子取证方案.该方案利用区块链去中心化存储机制实现电子证据的远程存储,并利用智能合约机制完成电子证据的快速检索和相关证据链的有效追溯;而为有效保护车辆身份的隐私,提出一种令牌机制来对数据进行访问控制;同时,为满足IOV的实时...     

基于Transformer模型的四旋翼无人机时空协同航迹预测方法设计

无人机在执行任务时面临的飞行环境复杂多变,为了减少事故的风险,并在飞行时对异常情况进行预测和响应,研究一种基于Transformer模型的四旋翼无人机时空协同航迹预测方法。采集四旋翼无人机原始航迹,实施异常点剔除和缺失点插值处理,以优化和清理原始航迹数据,便于后续的航迹预测。结合深度学习和表示学习方法完成数据降维,基于Transformer模型实现无人机时空协同航迹的精准预测。实验测试结果表明,设计方法的预测结果虽然相对于真实的坐标点稍有偏差,然而整体结果在可接受范围内,验证集所有数据的均方误差在数据条数为300时仅为0.32m,R方测试结果最接近1,具有良好的航迹预测能力。     

Accident responsibility identification model for Internet of Vehicles based on lightweight blockchain

The rapid development of autonomous vehicle technology has brought a new experience to people's daily travel. However, if a traffic accident involving autonomous vehicles occurs, it will face difficulties in vehicle accident forensic-preservation, leakage of vehicle owner's privacy, and identifying legal liabilities. This article proposes an accident responsibility identification model for the Internet of Vehicles based on lightweight blockchain to solve the above problems. This model uses Car Forensics Master to collect evidence from the accident vehicle, and at the same time collects evidence from maintenance service providers, automobile manufacturers, transportation management departments, insurance companies, and other vehicle accident related parties and stores them in the preservation chain. We also use VPKI to protect the autonomous vehicle identity privacy. In order to improve the efficiency of the model and set up authorized access to related entities, the identification of accident liability is jointly completed by the preservation chain and the accident identification chain. In addition, we prove that the protocol proposed in the model has ideal security properties. Finally, we implement the smart contracts in the model through the Solidity language, and evaluate its performance.     

基于区块链的车联网安全通信策略

为完善车联网信任评估机制并建立车辆间的信任关系,提出一种基于区块链技术的车联网安全通信策略.利用椭圆曲线加密算法进行车辆身份注册与验证,结合基于Beta分布的直接信任值与基于PageRank算法的推荐信任值求得车辆综合信任值.通过智能合约技术对车辆综合信任值及交互信息进行管控,实现车辆综合信任值的上链、更改与更新.仿真...     

基于公交轨迹和定位信息的地域群播算法研究

传统的地域群播算法大多数在WSN中使用,没有考虑到道路路网和车辆轨迹信息,没有很好地适用于车联网中的群播需求。基于目前的一些商业需求,引入了公交车的轨迹信息,提出了一种基于公交轨迹的地域群播算法。第一阶段先建立公交节点的轨迹树以及相遇模型,再根据相遇图计算公交节点对目标区域的消息转发能力,选择具有更高消息转发能力的节点转发消息到目的区域。第二阶段使用稳定性指数来估计两辆车的稳定性,在目的区域的每条街道上建立一个车辆集,通过建立和维护车辆集达到群播的目的。在联合仿真平台SUMO和OMNET++下仿真,其实验结果分析表明,随着车辆数目增加,该算法在维持高的数据包投递率情况下可以将整网的传输开销降低,达到预期的目标。     

Graph embedded low-light image enhancement transformer based on federated learning for Internet of Vehicle under tunnel environment

The Internet of Vehicles (IoV) autonomous driving technology based on deep learning has achieved great success. However, under the tunnel environment, the computer vision-based IoV may fail due to low illumination. In order to handle this issue, this paper deploys an image enhancement module at the terminal of the IoV to alleviate the low illumination influence. The enhanced images can be submitted through IoT to the cloud server for further processing. The core algorithm of image enhancement is implemented by a dynamic graph embedded transformer network based on federated learning which can fully utilize the data resources of multiple devices in IoV and improve the generalization. Extensive comparative experiments are conducted on the publicly available dataset and the self-built dataset which is collected under the tunnel environment. Compared with other deep models, all results confirm that the proposed graph embedded Transformer model can effectively enhance the detail information of the low-light image, which can greatly improve the following tasks in IoV.     

基于优化粒子群算法的无人机航路规划

针对粒子群优化(PSO)算法的无人机(UAV)航路规划问题,引入惯性权重和自然选择对粒子群算法进行优化,以提高基本粒子群算法收敛速度,防止陷入局部最优.算法分析惯性权重对粒子群算法的影响,进而调整惯性因子,提高算法的搜索能力;利用自然选择的便利性和规律性等特点,更新粒子群算法的粒子;同时通过对无人机的可行航向进行限定,缩小搜索范围.仿真实验表明:基于粒子群优化算法的无人机航路规划不仅缩短了最优航路,而且提高了搜索速度.     

四阶动力学建模和随机最优控制的UAV目标跟踪

现存大多数固定翼无人机（UAV）跟踪地面目标的方法需要一个或多个严格的假设,限制了实际应用,针对此问题,提出一种基于四阶动力学建模和随机最优控制的UAV跟踪方法。使用四阶动力学方程对UAV随机动态和目标进行初始化建模;通过一个适当的状态转换概率函数帮助UAV为每一个滚转动作画出蒙特卡罗样本;通过随机优化控制问题的解决确定最优控制反馈策略。仿真实验结果验证了该方法在实际应用中的有效性,与其他优秀方法相比,提出的方法的UAV仰角没有超出瞬时视场角（－152°~32°）的范围,目标没有逃离UAV的视线之外,而其他方法会使目标逃离UAV视线一次或两次。另外,能容忍的最高平稳风速最高达6 m/s,高于其他方法。     

改进PID的无人机飞行姿态角控制消颤算法

无人机在整个纵平面飞行过程中,由于飞行姿态角的大幅度变化以及气流的作用,导致机身颤抖,影响飞行稳定性.提出一种基于PID变结构控制的无人机飞行姿态角控制消颤算法,首先进行了无人机飞行姿态角控制系统的被控对象参量分析,构建无人机在姿态角变化剧烈、大迎角飞行时的三通道模型,采用变结构控制方法进行控制器设计.结合小扰动原理和Lyapunov稳定性原理进行扰动抑制和稳定性证明,采用梯度算法调整权值进行飞行姿态角控制的消颤处理,采用自适应算法在线调整权值实现PID变结构控制改进.仿真结果表明:采用该算法进行无人机飞行姿态角控制和消颤处理,大幅度提高无人机飞行定姿的精度,横滚角、俯仰角和航向角的控制精度有较大提高,稳定性和收敛性较好,确保了无人机飞行稳定性.