文献

J-GLOBAL ID：202002264327545246   整理番号：20A0855824

VANETのための強化学習ベースのPHY認証【JST・京大機械翻訳】

Reinforcement Learning Based PHY Authentication for VANETs

著者 (6件)： Lu Xiaozhen (Department of Information and Communication Engineering, Xiamen University, Xiamen, China) ,  Xiao Liang (Department of Information and Communication Engineering, Xiamen University, Xiamen, China) ,  Xu Tangwei (Department of Information and Communication Engineering, Xiamen University, Xiamen, China) ,  Zhao Yifeng (Department of Information and Communication Engineering, Xiamen University, Xiamen, China) ,  Tang Yuliang (Department of Information and Communication Engineering, Xiamen University, Xiamen, China) ,  Zhuang Weihua (Department of Electrical and Computer Engineering, University of Waterloo, Waterloo, ON, Canada)
資料名： IEEE Transactions on Vehicular Technology  (IEEE Transactions on Vehicular Technology)
巻： 69  号： 3  ページ： 3068-3079  発行年： 2020年 
JST資料番号： C0244A  ISSN： 0018-9545  CODEN： ITVTAB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 車両アドホックネットワーク(VANET)におけるモバイルエッジコンピューティングは,車両移動度とネットワークスケールにより,ローグエッジ攻撃に悩まされる。本論文では,目標がVANETを攻撃するためにスプリングシグナルを送ることを目標とする,ローグエッジ攻撃者に抵抗するための物理的認証方式を提示した。この認証方式は,移動装置の共有環境無線信号のチャネル状態と,同じ移動トレースの間の搭載ユニットのようなそのサービスエッジを利用して,認証モードとパラメータを選択するために強化学習を適用する。学習時間を節約するために移動学習を適用し,さらに認証性能を向上させるために深い学習を適用することによって,この方式はVANETにおけるモバイル装置を可能にして,VANETチャネルモデル,パケット生成モデル,およびスポフィングモデルを意識することなく,それらの認証モードとパラメータを最適化する。モバイル機器ユーティリティのような収束限界を提供し,物理的認証方式の計算複雑性を評価し,シミュレーションにより解析結果を検証した。シミュレーションと実験結果は,この方式が,ローグエッジ攻撃に対するエネルギー消費の低減により認証精度を改善することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *強化学習 ,  移動度 ,  *学習 ,  計算量 ,  エネルギー消費 ,  携帯電話 ,  ネットワーク ,  パケット ,  チャネル ,  最適化 ,  *認証
準シソーラス用語： モバイルデバイス ,  ワイヤレス ,  攻撃者 ,  *VANET , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  データ保護  (JD01020V)

タイトルに関連する用語 (3件)： VANET ,  強化学習 ,  認証