Modèle décentralisé de Réputation basé sur le théorème de Bayes dans les réseaux véhiculaires - Université de technologie de Troyes Accéder directement au contenu
Communication Dans Un Congrès Année : 2021

Modèle décentralisé de Réputation basé sur le théorème de Bayes dans les réseaux véhiculaires

Résumé

Le réseau ad hoc VANET est une technologie sans fil dédiée aux communications véhiculaires. Ces réseaux VANETs ne sont pas faibles et la sécurité doitêtre prise en compte comme l'un des problèmes les plus critiques. Pour renforcer la sécurité, nous proposons une méthode pourévaluer la confiance des communications véhiculaires et mesurer la fiabilité des véhicules. Nous présentons un modèle décentralisé de réputation dans lequel les noeuds représentent des véhicules. L'activité de chaque véhicule est observable par les noeuds adjacents. Notre modèle permet aux noeuds de détecter les véhicules malveillants et d'éviter d'interagir avec eux. Nous proposons d'utiliser un filtre Bayésien pour mesurer avec précision les scores de confiance des véhicules. Nousétudionségalement le concept de classification afin de distinguer le comportement des véhicules. Ensuite, nous analysons la précision de notre filtre bayésien en calculant les différents facteurs. Les simulations approfondies ont montré que le filtre proposé peut attribuer un score de confiance précis aux noeuds dans diverses configurations de réseau.
Fichier principal
Vignette du fichier
NAJAFI-Maryam_Modèle décentralisé de Réputation basé sur le théorème de Bayes dans les réseaux véhiculaires.pdf (200.77 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03339077 , version 1 (09-09-2021)

Identifiants

  • HAL Id : hal-03339077 , version 1

Citer

Maryam Najafi, Lyes Khoukhi, Marc Lemercier. Modèle décentralisé de Réputation basé sur le théorème de Bayes dans les réseaux véhiculaires. Journée thématique du GT SSLR 2021 sur la sécurité des réseaux, May 2021, En ligne, France. ⟨hal-03339077⟩
60 Consultations
26 Téléchargements

Partager

Gmail Facebook X LinkedIn More