مبتدی (مناسب برای درک مفهوم کلی مطلب) 

1) ویژگی‌هایVANET مربوط به توپولوژی شبکه و حالت ارتباطات:
• شبکه بی‌کران و مقیاس‌پذیر: VANET را می‌توان در یک یا چند شهر و حتی برای کشورها پیاده‌سازی کرد. بنابراین نیاز به همکاری و مدیریت برای برآوردن نیازمندی‌های امنیتی دارد.
• ارتباطات بی‌سیم: اتصال گره‌ها و تبادل اطلاعات بین آن‌ها، از طریق کانال‌های بی‌سیم انجام می‌شود. بنابراین نیاز به ارتباطات امن دارد.
• تحرک بالا و تغییر سریع توپولوژی شبکه: گره‌ها در حال حرکت با سرعت بالا / تصادفی هستند که پیش‌بینی موقعیت و توپولوژی شبکه را مشکل می‌کند. بنابراین افزایش حریم خصوصی موجب عدم قطع ارتباط، نوسانات و دستکاری می‌شود. که فاقد حیاتی نسبتا طولانی (به‌عنوان مثال، رمز عبور) است که برای ارتباطات امن وسایل نقلیه غیرعملی است. تحت این محدودیت‌ها، تاخیر انتشار هشدار باید مهم شمرده شود. عملکرد خوب تاخیر با استفاده از رمزنگاری سریع الگوریتم یا با تصدیق موجودیت و تحویل پیام در زمان مورد نیاز است. برای این کار، اولویت‌بندی پکیج داده و روش ازدحام از اهمیت بالاتری برخوردار است؛ داده‌های مربوط به ایمنی ترافیک و بهره‌وری باید سریع ‌تر از موارد دیگر باشد.
• علاوه بر قابلیت اعتماد، حمل و نقل بین لایه‌های شبکه برای پشتیبانی از زمان واقعی و برنامه‌های کاربردی چندرسانه‌ای پیشنهاد شده است.
2) ویژگی‌هاVANET مربوط به وسایل نقلیه و رانندگان:
• قدرت پردازش بالا و انرژی کافی: گره‌های VANET هیچ مسئله‌ای با منابع انرژی و محاسبات ندارند. آنها انرژی خود را در قالب باتری و قدرت پردازش بالا برای اجرای محاسبات پیچیده رمزنگاری دارند.
• حفاظت بهتر فیزیکی: گره‌های VANET از نظر فیزیکی بهتر محافظت می‌شوند. که این مسئله مقایسه به لحاظ فیزیکی را دچار مشکل می‌کند. بنابراین تاثیر حملات زیرساخت را کاهش می‌دهد.
• زمان شناخته شده و موقعیت: بسیاری از وسایل نقلیه مجهز به GPS هستند چرا که بسیاری از برنامه‌های کاربردی بر موقعیت جغرافیایی و یا منطقه تکیه دارند. GPS برای محلی‌سازی و محافظت امن از محل گره در برابر حملات استفاده می‌شود.
• اکثریت شرکت‌کنندگان صادق هستند: فرض می‌شود اکثر رانندگان برای یافتن تهدید خوب و مفید عمل می‌کنند.
• زیرساخت‌های اجرایی قانون: از طریق مأموران اجرای قانون، آنها می‌توانند تهدید وارد بر سیستم را شناسایی و مورد حمله قرار دهند.
• ثبت مرکزی با تعمیر و نگهداری دوره‌ای و بازرسی: وسایل نقلیه با قدرت مرکزی ثبت می‌شوند و شناسه منحصر به فرد (پلاک) دارند. تعمیر و نگهداری دوره‌ای وسایل نقلیه برای به روز رسانی سیستم عامل و نرم‌افزار است. در PKC (رمزنگاری کلید عمومی)، تعمیر و نگهداری برای به روز رسانی گواهینامه‌ها، کلیدها و به‌دست آوردن CRL جدید (لیست ابطال گواهی) است.
به‌طورخلاصه، شبکه وسایل نقلیه، تعامل بین رفتار رانندگان و همکاری توسط آنان در شبکه است. کاوش در یک راه‌حل امنیتی باید تمام موارد مرتبط را بیابد. پس از ارائه ویژگی‌های VANET، جزئیات چالش‌های امنیتی و محدودیت‌های VANET در بخش بعدی بررسی خواهد شد.

2.2 چالش‌های امنیتی و محدودیت‌های VANET
در VANET، امنیت باید تضمین کننده‌ی پیام‌های اضافه شده و یا اصلاح شده توسط مهاجمان باشد. همچنین، قابلیت اعتماد رانندگان برای اطلاع محیط ترافیک در درون محدودیت زمانی ضروری است. چالش‌های امنیتی منحصر به فرد به‌دلیل ویژگی‌های متمایز VANET افزایش می‌یابد. بدرفتاری این چالش‌های امنیتی منجر به بسیاری از محدودیت‌ها می‌شود. برخی از این چالش‌های امنیتی در زیر بیان شده است:
• اندازه شبکه، ارتباط جغرافیایی، تحرک بالا و توپولوژی پویا، مدت اتصال کوتاه، قطع فرکانس‌های کم‌حجم [1،2]: اندازه شبکه می‌تواند از لحاظ جغرافیایی بیکران و بسیار مقیاس‌پذیر و بنا به نفوذ استانداردهای لازم برای آن در حال رشد باشد.
• تایید اطلاعات با قابلیت اعتماد: اعتماد به‌عنوان طبیعت VANET برای ایجاد انگیزه و جمع‌آوری اطلاعات از سایر وسایل نقلیه و RSUs لازم است [7]. از این رو این تبادل اطلاعات تکراری است و باید قابل اعتماد و یکپارچگی آن مورد تأیید باشد. قابلیت اعتماد اطلاعات بیشتر از تایید توسط گره‌های انتقال مفید است [2].
• توزیع کلید: مکانیزم‌های امنیتی بر روی کلید، به توزیع مهم آنها بستگی دارد.
• الگوریتم حمل‌ونقل: چالش مربوط به تعداد بسته‌های منتقل شده و یافتن بهترین مسیر است. که ارتباط تک پخشی، پخش فراگیر، V2V، V2I یا ترکیبی است.
در حالی که برای محدودیت VANET و یا نیازمندی‌ها [1]، می‌توانیم موارد زیر را بیان کنیم:
• کنترل برخورد و ازدحام: توجه به اندازه شبکه محصور شده ضروری است.
• تحمل کم به هنگام وقوع خطا: برخی از پروتکل‌ها براساس احتمالات است و هر گونه خطایی می‌تواند بر زندگی مردم تأثیر گذارد.
• تاثیر محیطی: موانع موجب انتشار امواج مغناطیسی[1] می‌شود.
• تجزیه و تحلیل خطر و مدیریت: گاهی اوقات می‌توانیم راه‌حل حملات را پیدا کنیم اما پیدا کردن مدل‌ها بنا به رفتار مهاجمان هنوز غیرمعلوم است.
• Anonymity، حفظ حریم خصوصی و مسئولیت: گره‌های مسئول دریافت داده‌ها نیاز به اعتماد به فرستنده دارند. حفظ حریم خصوصی، هویت خودرو ناشناس را تضمین می‌کند. گاهی اوقات گره‌های تصدیق شده می‌توانند مسائل مالی داشته باشند. بنابراین، یک راه‌حل تجاری برای حفظ حریم خصوصی و مسئولیت موردنیاز است.
اگر سرویس‌های امنیتی ارائه شده در بخش بعدی را بهتر مدیریت کنیم این چالش‌های امنیتی و محدودیت‌ها را می‌توان به حداقل رساند.

2.3 نیازمندی‌های امنیتی (خدمات)
سرویس‌های امنیتی موجب افزایش امنیت پردازش‌ها و تبادل اطلاعات در VANET می‌شود. نیازمندی‌های امنیتی عبارتند از:
• احراز هویت: تضمین می‌کند که این پیام توسط یک کاربر قانونی با استفاده از گواهی تولید می‌شود. یا گیرنده، فرستنده پیام را از طریق یک نام مستعار شناسایی می‌کند [8].
• دردسترس بودن: با مقاومت در برابر حملات داس (انکار سرویس)، از عملکرد طبیعی اطمینان حاصل می‌کنیم. زیرا تاخیر چند ثانیه‌ای باعث می‌شود پیام بی‌معنی گردد [4].
• محرمانه: شامل مجموعه‌ای از قوانین است که موجب محدودیت‌ دسترسی به منابع خاص می‌شود. این مسئله با استفاده از رمزگذاری و یا تبادل پیام ویژه بین OBUs و RSUs به‌عنوان نوعی تأیید اطلاعات انجام می‌گیرد [9].
• انکارناپذیری: فرستنده نمی‌تواند ارسال یک پیام را انکار کند. بنابراین می‌تواند پس از آسیب به دستگاه بازیابی(TPD) شود [4].
• صداقت: بدون تغییر برای داده. امضای دیجیتال برای پیام و تمامیت داده‌ها [3،10] استفاده می‌شود.
• حریم خصوصی و Anonymity: مخفی کردن هویت کاربر در برابر گره‌های غیرمجاز با استفاده از کلید موقت و ناشناس. بنابراین حریم خصوصی محل باید حفظ شود.
• بررسی داده: برای از بین بردن پیام‌های نادرست است. تایید انسجام داده‌ها با پیام‌های مشابه برای تشخیص صحت داده‌ها استفاده می‌شود، به خصوص در بین وسایل نقلیه همسایه.
• کنترل دسترسی: تمام گره‌ها با توجه به قوانین عمل می‌کنند [11].
• قابلیت ردیابی و انفصال: هویت واقعی خودرو باید از دیگران پنهان شود، بنابراین باید یک جزء با توانایی به‌دست آوردن هویت واقعی وسایل نقلیه برای لغو استفاده از آنها در آینده وجود داشته باشد.
• تشخیص خطا: برای تشخیص خرابکاری و انتقال نادرست.
• شناسایی مسئولیت: مسئولیت‌ شناسایی کاربر به هنگام ارتباطات. پیام‌ها می‌توانند برای شناسایی کاربران مورد استفاده قرار گیرند.
• انعطاف‌پذیری و بهره‌وری: انعطاف‌پذیری در امنیت معماری و طراحی سیستم قابل توجه است. هر چند که برای استفاده ایمن از ترافیک ضروری است و نیاز به زمان و پهنای باند کمتری دارد. این مسئله در راندمان کانال و در تاخیر کم ناشی از آن بسیار مهم است.
پس از تعریف و تجزیه و تحلیل نیازمندی‌های امنیتی، آنها را در جدول 1 براساس نیاز آنها در ارتباطات VANET، برای V2V، V2I یا هر دو نشان دادیم. برای حالت ارتباطات VANET، پیش‌نیازهای آن برای خدمات امنیتی را تعریف می‌کنیم.

3. مدل مهاجم
استقرار یک سیستم امنیتی برای VANET یک مسئله چالش‌برانگیز است. در واقع، طبیعت بسیار پویا با قطع مکرر ارتباط، ورود و خروج آنی وسایل نقلیه، استفاده از کانال‌های بی‌سیم برای پیام‌های اضطراری و ایمنی، VANET را در معرض تهدیدها و حملات مختلف قرار می‌دهد. در این بخش حملات را طبقه‌بندی می‌کنیم، مهاجمان و تجزیه و تحلیل حالت‌های ارتباطی VANET را تحت تاثیر قرار می‌دهد.

3.1 حملات
بسیاری از محققان در [2،3،5،7،9،10،23] حملات در VANETs را بررسی کردند. طبقه‌بندی این حملات مفید است زیرا ماهیت VANET آسیب‌پذیری‌ها و محدودیت‌هایی دارد که نیاز به راه‌حل دارد. با تقسیم، می‌توانیم بهتر کنترل کنیم.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

در 10، رویکردی بر پایه ی آستانه ی شماره دنباله مطرح می شود که کاهش حمله ی حفره ی خاکستری را در شبکه ی AODV پایه اجرا می کند. نویسندگان یک طرح SNBDS را پیشنهاد داده اند که جدول مسیر یابی را بوسیله ی اضافه کردن دو حوزه ی جدید تغییر می دهد. این دو حوزه ، وضعیت گره و زمان آخرین پاسخ هستند. وضعیت گره ها بدین معنی است که آیا گره مخرب است یا خیر و زمان آخرین پاسخ به معنی زمان اعلام وصول آخرین پاسخ (RREP) برای گره مقصد است. که این گره مقصد شماره دنباله اش را به روز رسانی کرده است. با توجه به رویکرد، نویسندگان سه نوع مختلف حفره ی خاکستری را از طریق استعمال اطلاعات غلط مسیر یابی راه اندازی کردند. این اطلاعات غلط ترافیک را به سمت حفره ی خاکستری جذب می کند و کنارگذاری انتخابی بسته در شبکه را اجرا می کند. بسته های پاسخ دریافت کردن یک گره (RREP) بسته ی پاسخ ارسال کردن گره (RREP) را به عنوان یک گره مخرب شناسایی می کند اگر اختلاف بین شماره دنباله های مقصد در بسته ی پاسخ و جدول مسیر یابی بزرگتر از مقدار آستانه ی محاسبه شده باشد. در ادامه یک بسته ی درخواست طعمه (RREQ) با آدرس مقصد و شماره دنباله ی مقصد غیر واقعی به گره مشکوک ارسال می شود. اگر گره مشکوک به درخواست طعمه (RREQ) پاسخ دهد، به عنوان یک گره مخرب اعلام می شود و گره ها در آینده همه ی بسته های پاسخ را حذف می کنند. محدودیت این طرح این است که نمی تواند حمله ی حفره ی خاکستری هوشمندی را کاهش دهد که در زمان روند شناسایی مسیر، حقیقتا در شبکه مشارکت می کند و در بسته ی پاسخ دریافت شده از گره مقصد یا دیگر گره های میانی ، اطلاعات صحیح ارسال می کند.
در 19، یک مکانیزم جمعی و توزیع شده ی جدید مطرح می شود که برای اداره کردن حمله ی حفره ی خاکستری شامل چهار ماژول امنیت می شود. مازول های امنیت عبارتند از : a) مجموعه داده ی همسایگی b) شناسایی ناهنجاری محلی c) شناسایی ناهنجاری جمعی و d) فعال کننده ی هشدار سراسری. در مازول های مجموعه داده ی همسایگی، هر گره در شبکه، اطلاعات ارسال داده در همسایگی اش را جمع می کند و آن را در یک جدول اطلاعات مسیر یابی داده (DRI) ذخیره می کند. ماژول شناسایی ناهنجاری محلی بوسیله ی یک گره تحریک می شود و این اتفاق زمانی رخ می دهد که این گره با کنترل کردن جدول DRI یک گره مشکوک، آن را شناسایی می کند. ماژول شتناسایی ناهنجاری جمعی برای افزایش قابلیت اطمینان شناسایی بوسیله ی کاهش احتمال شناسایی غلط فرایند شناسایی ناهنجاری محلی، فعال می شود. و در نهایت، ماژول فعال کننده ی هشدار سراسری با انتشار پیام هشدار درباره ی گره حفره ی خاکستری به همه ی گره ها در شبکه فراخوانی می شود. لازم به ذکر است که گره خاکستری بوسیله ی ماژول شناسایی ناهنجاری جمعی شناسایی شده است. گره مخرب شناخته شده از شبکه جدا می شود. این نویسنده حفره ی خاکستری ساده را از طریق استعمال پاسخ مسیر غلط راه اندازی کرده است اما گره حفره ی خاکستری هوشمند پاسخ مسیر غلط ارسال نمی کند و در زمان شناسایی مسیر به صورت عادی رفتار می کند و بسته های داده ی انتخابی را کنار می گذارد. در نتیجه، طرح ِDRI بنیانِ تحت حمله ی حفره ی خاکستری هوشمند شکست می خورد.
اکثر کارهای موجود با کاهش شماره دنباله بر مبنای حمله ی حفره ی خاکستری سر و کار دارند. لازم به ذکر است که در حمله ی حفره ی خاکستری گره پاسخ مسیر غلط می دهد تا ترافیک را جذب کند و بسته ی داده ی انتخابی را کنار بگذارد. همچنین در ادبیات علمی قابل دسترس، هیچگونه ارزیابی از حمله ی حفره ی خاکستری در دوره های زمانی مختلف و با توجه به پویایی گره وجود ندارد.
محدودیت های طرح های کنونی ما را تشویق کرد تا مکانیزم جدیدی پیشنهاد کنیم که بتواند حمله ی حفره ی خاکستری هوشمند در شبکه ی تک کاره را اداره کند. در این مقاله، توجهمان را روی نوع دوم حمله ی حفره ی خاکستری فوق الذکر متمرکز می کنیم. برای مثال، حمله ی حفره ی خاکستری که گره مخرب در ان در زمان شناسایی مسیر به طور عادی مشارکت می کند، کنار گذاری انتخابی بسته های داده را برای مدت زمانی اجرا می کند و سپس رفتار خود را به حالت عادی تغییر می دهد.

4. سیستم شناسایی نفوذ حفره ی خاکستری مطرح شده ی G-IDS
به منظور کاهش دادن اثر حمله ی حفره ی خاکستری هوشمند، مکانیزم جدیدی با نام MGAM (مکانیزم کاهش دهنده ی حمله ی حفره ی خاکستری) را مطرح کرده ایم، که عمدتا برای محاسبه ی تعداد بسته های کنار گذاشته شده بوسیله ی گره ای خاص به کار برده می شود . همه ی گره های G-IDS در حالت بی قاعده قرار دارند تا تراکنش های گره های همسایه را مورد استراق سمع قرار دهند. هنگامی که هرگونه ناهنجاری بوسیله ی گره های G-IDS شناسایی می شود، یک پیام هشدار بوسیله ی ان مخابره می شود. این پیام همه ی گره های در شبکه را برای مسدود کردن گره مخرب آگاه می کند. پیام هشدار شامل هویت گره حفره ی خاکستری، آدرس منبع و آدرس مقصد است. همه ی گره های عادی در هنگام دریافت کردن پیام هشدار مطرح شده از طرف گره های G-IDS، گره مخرب را در لیست سیاه خود قرار خواهند داد. طبق این پروتوکل مسیریابی AODV ، گره های معمولی اندکی تغییر می کند. نشان گذاری متعدد استفاده شده در رویکرد پیشنهادی در جدول 1 تشریح شده است و الگوریتم مکانیزم پیشنهادی در بخش 4.2 داده می شود. موارد پیش رو دو فرضیه ای هستند که در هنگام طراحی مکانیزم پیشنهادی ما لحاظ شده اند.

• هر گره G-IDS در محدوده ی تراکنش حداقل یک گره G-IDS خواهد بود تا هشدار را به یکدیگر ارسال کنند. برای مثال، همان طور که در شکل 2 نشان داده شده، یک گره G-IDS همواره همسایه ی چند گره G-IDS دیگر خواهد بود
• هر گره G-IDS در حالت استراق سمع قرار داده شده است تا همه ی تراکنش ها در محدوده اش را استراق سمع کند
در این مقاله، سه نوع مختلف گره در شبکه وجود دارد که به صورت مجزا کارهای مختلفی اجرا می کنند. این گره ها به شرح زیر هستند:
• گره حفره ی خاکستری هوشمند: به صورت انتخابی الگوریتم مسیریابی SGAODV (حفره ی خاکستری هوشمند AODV) را برای حمله ی حفره ی خاکستری در شبکه اجرا می کند.
• گره معمولی: این گره یک AODV اندکی اصلاح شده که MAODV (AODV تغییر داده شده) نامیده می شود را اجرا می کند تا مسیر یابی معمولی را انجام دهد و همچنین در زمانی که یک بسته ی هشدار منتشر شده بوسیله ی گره های G-IDS دریافت می کند، گره های مخرب را وارد لیست سیاه می کند.
• گره G-IDS: این گره MGAM را اجرا می کند (مکانیزم کاهش دهنده ی حمله ی حفره ی خاکستری) تا گره های حفره ی خاکستری را کاهش دهد و شناسایی کند و بسته های یک هشدار را در زمانی که هر گونه ناهنجاری شناسایی می کند، در شبکه مخابره کند.

4.1. تعریف روش پژوهشی پیشنهاد شده
براساس پروتوکل AODV، گره منبع، بسته ی درخواست (RREQ) را به منظور یافتن مسیری برای برقراری ارتباط با گره مقصد مخابره می کند. هنگام دریافت کردن بسته ی درخواست (RREQ)، گره مقصد یا هر گره میانی که دارای مسیری به سمت مقصد است می تواند بسته ی پاسخ (RREP) را به گره منبع ارسال کند. گره های مخرب که حمله ی حفره ی خاکستری را انجام می دهند، در زمان روند شناسایی مسیر به صورت طبیعی رفتار می کنند و بسته ی در خواست (RREQ) را در صورتی که مسیر به سمت مقصد نداشته باشند، مجددا در شبکه مخابره می کنند.وقتی مسیر که حاوی گره مخرب برای ارسال بسته های داده است، انتخاب می شود، همان طور که در شکل 3 نشان داده شده، این گره بسته های داده را به صورت انتخابی کنار می گذارد. به منظور کم کردن حمله ی حفره ی خاکستری، چهار گره ثابت شده ی G-IDS مورد استعمال قرار گرفته که بیشتر محدوده ی شبیه سازی را پوشش می دهند و گره های همسایگی را برای کنترل این موضوع که آیا تعداد بسته هایی که گره دریافت کرده به هاپ بعدی اش ارسال شده یا نه، نظارت می کنند. این گره G-IDS تعداد بسته های دریافت شده و ارسال شده بوسیله ی گره را محاسبه می کند. اگر اختلاف بین تعداد بسته های دریافت شده و بسته های ارسال شده بیشتر از مقدار آستانه ی کنار گذاری (TH) باشد، در ادامه، همان طور که در شکل 4 نشان داده شده، گره های G-IDS یک بسته ی هشدار را مخابره کرده و همه ی گره ها در شبکه را در مورد هویت گره های حفره ی خاکستری آگاه می کنند. دیگر گره ها هنگام دریافت کردن یک بسته ی هشدار، ورودی گره مخرب را در جدول لیست سیاهشان قرار می دهند و گره منبع ورودی مقصد را از جدول مسیریابی حذف می کند و روند شناسایی مسیر جدیدی را از طریق مخابره ی بسته ی درخواست جدیدی در شبکه آغار می کند. این فرایند در شکل 5 نشان داده شده است. هر گره در هنگام دریافت کردن بسته ی درخواست، کنترل می کند که آیا درخواست از سمت گره مخرب است یا نه. اگر از طرف گره مخرب باشد، در ادامه این بسته بوسیله ی گره کنار گذاشته می شود در غیر اینصورت، بسته ی درخواست مسیر را مخابره می کند تا مسیر به سمت گره مقصد را پیدا کند. همان طور که در شکل 6 نشان داده شده،گره منبع بعد از دریافت کردن پاسخ از گره مقصد، بسته های داده را از طریق مسیر امن ارسال می کند. پیاده سازی سیستم شناسایی نفوذ حفره ی خاکستری پیشنهاد شده (G-IDS) در NS-2 ، در شکل 7 نشان داده می شود.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

3. توصیف سیستم
این بخش لایه کنترل دسترسی MAC شبکه توزیع‌شده 802.11 را بررسی می‌کند و بنابراین یک سناریو تک گامه دارد که شامل N منبع و N مقصد است. تمام 2N تا نود با استفاده از مکانیزم EDCA ترکیب‌شده با لایه فیزیکی 802.11g عمل می‌کنند. هر منبع S با منابع دیگر برای به دست آوردن رسانه بی‌سیم به منظور انتقال بسته خود به مقصد مورد نظر D تلاش می‌کنند. به جز بسته‌های Ack، مقصد هیچ اطلاعات بازخوردی برای توزیع و تأخیر بسته‌ها ارسال نمی‌کند و تمام این اطلاعات توسط خود مبدأ تخمین زده می‌شوند. به طور کلی، S می‌تواند 4 AC داشته باشد که به صورت q=1 (VO)، q=2(VI)، q=3(BE)، q=4(BK) هستند. بنابراین نمایش یک مقدار پایین q دارای اولویت بالا است. فرض کنید که هر AC از هر منبعی، غیر تهی می‌ماند، اگر یک بسته با موفقیت انتقال یابد. بنابراین همان طور که در [8،10] نشان داده‌شده است، شرایط اشباع ترافیک به وجود می‌آید. برای BE و BK فرضیات به صورت گسترده‌ای قابل‌قبول هستند.

برای VO و VI، فرضیات میزان اشباع‌شدگی به وسیله سیاست انتقال توجیه شده و همواره به وسیله سرویس های جریان مشترک تطبیق می‌شود، مثل یوتیوب که جریان درخواستی بلافاصله فرستاده می‌شود. اگرچه ارسال نرخ جریان داده برای جریان ویدئو باید از نرخ playback برای جلوگیری از وقفه ایجادشده [17]، بیشتر باشد. این سیاست نشان می‌دهد که مقدار زیادی از بسته‌های ممکن در نظر گرفته‌شده، در صف انتقال مربوط به VO هستند و این یک سناریوی اشباع شده است.
بین بار ورودی که باید به سمت مقصد D ارسال گردد، S توالی ویدئو را انتقال می‌دهد. توالی به صورت v={v1:1,…,L} است. نمونه منبع-مقصد در شکل 1 نشان داده‌شده است که چهار عملیات در آن بررسی شده است: کدگذاری V، تخمین توزیع و زمان انقضا، تطبیق تلاش مجدد و دیکد کردن ویدئو دریافتی. اولین سه عملیات به وسیله منبع انجام می‌گیرند. اگرچه آخری به وسیله مقصد انجام می‌گیرد. سه زیر بخش زیر کدگذاری، تخمین و عملیات کدگشایی را توصیف می‌کنند و تلاش مجدد تطبیق حد در بخش 4 ارائه‌شده است.

3.1.کدگذاری
ویدئو V با استفاده از روش SVC استاندارد H.264 کدگذاری می‌شود [18]. بنابراین، V به گروه‌هایی از تصاویر با سایز α (GOPs) تقسیم می‌شوند و به منظور دست یافتن به مجموعه‌ای از واحدهای لایه‌ای شبکه کدگذاری می‌شود (NALUS). هر NALU که ایجاد می‌گردد، وابستگی آن در یک GOP بررسی می‌شود و مطابق با نوع فریم طبقه‌بندی می‌شود: Intra-code(I)، Predictively-code(P) و Bipredictively-code(B) و ویدئو به عنوان یک لایه پایه با قابلیت تقسیم به چند زیر لایه تولید می‌گردد [19]. مجموعه NALU ها که در سایز متفاوت هستند برای به دست آوردن مجموعه P از K بسته π1,…,πK با سایز برابر که بر روی شبکه منتقل می‌گردند، بسته‌بندی می‌گردند. بنابراین در پایان فرآیند بسته‌بندی، ورژن کدگذاری شده فریم V1 به تعداد مشخصی بسته 802.11 تقسیم می‌گردد. برای محاسبه اهداف، موردی که در آن هر v1єV، مجموعه p1єP ممکن است برای تعریف مورد استفاده قرار گیرد. به طور کلی هر p1، شامل k1 عنصر و همچنین تعداد K بسته است که برای کدگذاری توالی ویدئو V به صورت K=∑_(l=1)^L▒k_l نمایش داده می‌شود. با داشتن این توالی، مجموعه p1 شامل بسته‌هایی است که دارای ایندکس k بین Kl-1+1 و Kl هستند. به گونه‌ای که K_(l=∑_(l^’=1)^l▒k_l’ ). بنابراین P_1={π_k:k=K_(l-1)+1,…,K_l}.

3.2. تخمین
چون هر NALU ممکن است تأثیر متفاوتی بر روی کیفیت ویدئو داشته باشد، تطبیق حد برای هر بسته πk باید مطابق با زمان انقضای آن Tek انتخاب گردد. این مورد برای بررسی رابطه این دو مقدار کیفی در فریم ها مورد استفاده قرار می‌گیرد که محتوای دریافتی را به وسیله کاربر نهایی نمایش می‌دهد. به عنوان گام اولیه، NALU تولیدشده به وسیله کد گذار H.264/SVC برای دستیابی به توالی V_t={f_1:l=1,…,L} که ممکن است به عنوان توالی فیزیکی شبکه باشد، کدگذاری می‌شود. این توالی با ویدئو دریافتی در مقصد (شکل 1) به منظور ارزیابی کارایی فریم ورک پیشنهادی در روش دستیابی و نه برای فشرده‌سازی با اتلاف که اثرات خارجی دارد، مقایسه می‌شود.
بهتر است زمان انقضا را هم بررسی کنیم. بدین منظور، یک نفر ممکن است مشاهده کند که player همواره در مقصد قبل از دریافت ویدئو، منتظر دریافت تعداد خاصی از فریم های l’ می‌شود. از این جهت، l’ به عنوان ایندکس زمان انقضا شناخته می‌شود. بنابراین می‌توان گفت که زمان انقضا همان زمان نگهداری با موفقیت فریم fl’ است، که ممکن است فریم قبل از آن متعلق به یک زمان انقضای متناهی باشد.

از نقطه نظر عملی، دقیق‌ترین روش برای برآورد تأثیر از دست دادن یک بسته در GOP نیاز به حذف بسته و رمزگشایی آن با یک استراتژی عاری از خطا دارد [10]. از آنجایی که این روش از نظر محاسباتی خیلی گران است، یک روش جایگزین دیگر به دست آمده است [20،21]. به طور خاص، روش‌های تخمین اعوجاج موجود کدگذاری فیلم H.264 ممکن است در دو خانواده طبقه‌بندی شوند: روش‌های سبک‌وزن و روش‌های پیچیده [22]. روش‌های سبک‌وزن (از نظر پیچیدگی) دارای محاسبات ارزانی هستند، زیرا آن‌ها صرفاً فریم های کلیدی و غیر کلیدی را تشخیص می‌دهد [23]. با این وجود، آن‌ها تخمین درستی از تأثیر اعوجاج به وسیله از دست دادن فریم ها تهیه نکرده‌اند. بنابراین ساخت روش‌های پیچیده که تخمین درستی داشته باشند، ضروری است. بین این خانواده دوم از روش‌های برآورد اعوجاج [24-28] که به وسیله هزینه محاسباتی بالا ارائه می‌شوند، الگوریتم اعوجاج نمایی (EDA) که در [26،29،30] ارائه‌شده است، یکی از معدود الگوریتم‌هایی است که قادر به مدل‌سازی اعوجاج برای نگه‌داری فریم های از دست رفته fl با هزینه پایین است. به همین دلیل، EDA در این مقاله مورد استفاده قرار گرفته است.
EDA فرض می‌کند که تطبیق میزان خطای فریم کپی در دریافت‌کننده برابر است با میران از دست دادن فریم fl به وسیله دریافت فریم قبلی fl-1. بنابراین به هنگام بررسی فریم fl و دستیابی موفق به fl’ ، هر دو به GOP یکسانی تعلق دارند. تخمین EDA به وسیله Fl’ به علت گم شدن fl در MSD مشکل است. به گونه‌ای که MSD میانگین مربع بین fl و fl-1 است که میانگین خطا را در کُدگشا تخمین می زند و ξ پارامتر وابسته به ویدئو کدگذاری شده است برای تعیین تأثیر خطا استفاده می‌گردد. با استفاده از این روش، اعوجاج GOP با سایز α با احتمال از دست دادن فریم fl به صورت زیر ارزیابی می‌گردد: در این رابطه کران بالا، تابع ceiling را نشان می‌دهد. جزئیات EDA در [26،29،30] وجود دارد.
دو توالی تخمین Te1,…,TeL و D1,…,DL که به فریم ها تعلق دارند، باید به بسته‌ها نیز ارتباط پیدا کنند. بدین منظور، اگر فریم fl با l>l’ باشد، مقدار آن با زمان انقضای Te1 و به وسیله مجموعه p1 قابل محاسبه است. در حقیقت در این مورد انتقال بسته اول p1 باید از تمام زمان استفاده کند.

رابطه (4) برای k=Kl-1¬+1,…,Kl و l=1,…,L برقرار است. وقتی که ایندکس موجود در k با ایندکس l یکسان باشند، تمام بسته‌های πkєp1 به فریم fl تعلق دارند، دارای یک مقصد خواهند بود. به همین دلیل ایندکس k در سمت راست رابطه (4) ظاهر نشده است. نرمال سازی در رابطه (4) می‌تواند با مشاهده Dk توضیح داده شود. بنابراین تشخیص اعوجاج بین صفر و یک خواهد بود. همان طور که در بخش 4.2 توضیح داده خواهد شد. Dk ممکن است مقیاس‌پذیرتر از کاربردهای دیگر باشد. خلاصه اینکه، فرآیند تخمین در مبدأ برای مجموعه بسته‌های p، دو مجموعه تخمین T={Te1,…,Tek} و D={D1,…,Dk} که در لایه MAC مورد استفاده هستند را شامل می‌شود.

3.3. دیکد کردن
در مقصد، بسته‌های دریافتی برای دریافت NALU از بسته خارج‌شده و فیلتر می‌شود. اولاً، تمام NALU هایی که در اولویت پایین هستند حذف می‌شوند، سپس فریم های مرتبط با NALU که دریافت نشده‌اند، نیم توانند دیکد شوند [19] (شکل 1). مجموعه NALU های باقیمانده وارد مرحله دیکد کردن با H.264 می‌شود و نتایج بافریم های از دست رفته ترکیب می‌شود. بنابراین ویدئو vr دریافت می‌گردد. عملیات مقایسه صرفاً به منظور مدل‌سازی بوده و در شبکه واقعی انجام نمی‌گیرند. همان طور که در ابتدای بخش 3.2 گفته شد، این مقایسه‌ها برای ایزوله کردن تأثیر بسته‌های drop شده به علت از دست رفتن بسته‌ها در 802.11 است.

4. تلاش مجدد در تطبیق حد
یک نمونه قابل‌اعتماد برای شبکه‌های توزیع‌شده استفاده از روش مارکوف [31،32] است که غالباً برای بررسی کارایی شبکه‌های 802.11 استفاده می‌شود و شامل شرایط غیراستاندارد [33،34]، ارتباطات مستقیم [35]، AC چندگانه [36] و منابع ترافیک همگن [37] هستند. مطابق با این موارد، در این قسمت روشی برای تطبیق حد در هر بسته πkєP بر اساس نمونه مارکوف برای 802.11 ارائه‌شده است [36]. این نمونه که به وسیله انجام آزمایش‌ها بر روی یک testbed واقعی اعتبارسنجی شده است برای به دست آوردن مجموعه کاهش‌یافته برای تخمین رفتار شبکه با محاسبات کم انجام‌شده است. زیر بخش بعدی، نمونه مارکوف پیشنهادی را باهدف توصیف روش ارائه‌شده در [36] نشان می‌دهد. پس از آن، بخش 4.2 بحث اصلی تلاش مجدد در تطبیق حد را نشان می‌دهد.

4.1. نمونه نظری
مطابق با 802.11 و سناریو شبکه توصیف‌شده در بخش 3، در حضور فرصت انتقال برابر، qامین AC منبع می‌تواند به وسیله AIFS تعیین گردد. توابع پارامترها می‌تواند به وسیله فرآیند EDCA توضیح داده شوند.
وقتی که بسته‌ای به qامین AC تعلق دارد برای انتقال آماده است و منبع زمان ارسال AIFSq را مانیتور می‌کند و اگر در طول زمان ایده آل ارسال گردد، شناخته می‌شود. این tradeoff در یک شمارنده معکوس درج شده است و زمانی که چیزی ارسال گردد، کاهش می‌یابد. وقتی که شمارنده به مقدار صفر رسید، بسته منتقل می‌گردد. اگر انتقال با موفقیت انجام گیرد، منبع یک پیام ACK از مقصد دریافت می‌کند. در غیر این صورت، یک انتقال مجدد به وسیله بروز رسانی شمارنده تلاش مجدد زمان‌بندی می‌گردد. به طور خاص، در i امین تلاش برای ارسال مجدد، پنجره محتوا به صورت زیر بررسی می‌شود:

و فرآیند کاهش backoff تکرار می‌شود تا زمانی که یک عدد صحیح n در بازه [0,Wqi-1] پیدا شود. وقتی که شمارنده retry از مقدار حد mq تجاوز کرد، بسته دور ریخته می‌شود. با توجه به qامین AC و تشخیص مقادیر AIFS برای چهار AC، این مکانیزم می‌تواند نمونه زنجیره مارکوف را مدل‌سازی کند که در شکل 2 نشان داده‌شده است. pq شرایط احتمالی برخورد را نشان می‌دهد. این شکل فرآیند backoff را به وسیله یک فرآیند دو مرحله‌ای (I,n) برای تولید یک بسته تلاش می‌کند. مطابق با سناریو موجود در بخش 3، نمونه فرض می‌کند که شرایط ترافیک به صورتی است که یک بار بسته با موفقیت منتقل‌شده و بار دیگر دور ریخته می‌شود.

مدل نظارت همکاری بر اساس شافر- دمپستر جهت آشکارسازی وسایل نقلیه بدرفتار

A cooperative watchdog model based on Dempster–Shafer for detecting misbehaving vehicles

Abstract

In this paper, we address the problem of detecting misbehaving vehicles in Vehicular Ad Hoc Network (VANET) using Quality of Service Optimized Link State Routing (QoS-OLSR) protocol. According to this protocol, vehicles might misbehave either during the clusters’ formation by claiming bogus information or after clusters are formed. A vehicle is considered as selfish or misbehaving once it over-speeds the maximum speed limit or under-speeds the minimum speed limit where such a behavior will lead to a disconnected network. As a solution, we propose a two-phase model that is able to motivate nodes to behave cooperatively during clusters’ formation and detect misbehaving nodes after clusters are formed. Incentives are given in the form of reputation and linked to network’s services to motivate vehicles to behave cooperatively during the first phase. Misbehaving vehicles can still benefit from network’s services by behaving normally during the clusters’ formation and misbehave after clusters are formed. To detect misbehaving vehicles, cooperative watchdog model based on Dempster–Shafer is modeled where evidences are aggregated and cooperative decision is made. Simulation results show that the proposed detection model is able to increase the probability of detection, decrease the false negatives, and reduce the percentage of selfish nodes in the vehicular network, while maintaining the Quality of Service and stability.

1 Introduction

Vehicular Ad Hoc Network (VANET) [16,20,19,9] is a new kind of ad hoc networks that is characterized by its highly mobile topology. Like Mobile Ad hoc Network (MANET), VANET encounters the problem of selfish nodes that may hinder the implementation of any protocol dedicated to it. However, dealing with these nodes in VANET is more challenging due to the increased ambiguity in the detection caused by the high mobility of vehicles. The Quality of Service Optimized Link State Routing (QoS-OLSR) protocol [10] is a proactive routing protocol modeled to cope with mobile ad hoc networks. It is based on electing a set of optimal cluster-heads and dividing the network into clusters. These heads are then responsible for selecting a set of designated nodes charged of transmitting the network topology information and forwarding the traffic flows. Such nodes are called MultiPoint Relay (MPR) nodes. This protocol is an enhanced version of QOLSR [1] that prolongs the network lifetime by considering the energy of nodes while calculating the QoS function since the nodes, in MANET, have limited energy resources. However, the energy parameter has a minimal importance in VANET due the long battery lifetime of vehicles. In order to extend such a protocol to VANET, velocity and residual distance parameters must be added to the QoS function instead of the residual energy to improve the network stability.

According to this protocol, vehicles might misbehave either during the clusters’ formation by claiming bogus information or after clusters are formed. A vehicle is considered as selfish or misbehaving once it over-speeds the maximum road limit or underspeeds the minimum road limit. Such a behavior is considered as a passive malicious since vehicles do not aim to attack or impede the network functioning, but rather they tend to optimize their own gain neglecting the welfare of others [11]. They entail hence negative implications on the whole network such as the (1) increase in the percentage of MPRs, (2) decrease in the network stability, (3) increase in the clusters disconnections, and (3) increase in the average path length.

To address the above problems, we propose a two-phase model that (1) motivates vehicles to behave normally during clusters’ formation and (2) detects misbehaving vehicles after clusters’ formation. In phase one, incentives are given in the form of reputation where networks’ services are offered based on vehicle’s accumulative reputation. Misbehaving vehicles can still benefit from networks’ services by behaving normally during the clusters’ formation and misbehave after clusters are formed. Thus, the main challenge that we are addressing in this paper and as phase two of our model is the detection of misbehaving vehicles after clusters formation. This is done by the means of cooperative watchdog model based on Dempster–Shafer theory [4] where evidences are correlated cooperatively in order to improve the probability of detection and reduce the false alarms. Thus, we overcome the problem of ambiguity in the detection resulting from packets collision, high mobility of vehicles, and untrustworthy watchdogs. The cluster-members, including the cluster heads, are designated as watchdogs to monitor the behavior of their MPRs where the evidences of any suspicious MPR are shared among all. To overcome the problem of initial trust estimates that the Dempster–Shafer suffers from, we use the reputation calculated in phase one for this purpose. In summary, our contribution is a cooperative detection model based on Dempster–Shafer that is able to increase the probability of detection and reduce the false alarms.

The remainder of the paper is organized as follows. Section 2 reviews the related work. Section 3 formulates the problem. Section 4 motivates the work. Section 5 explains the proposed approach in details. Section 6 explains the model used for simulation and presents empirical results. Finally, Section 7 concludes the paper.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

هر وسیله‌ی نقلیه‌ای که ZRREQ را برای اولین بار دریافت می‌کند اگر وسیله نقلیه در داخل ZOF باشد پیام را می پذیرد، و خیلی از فرستنده دور نیست. دلیل فاصله از فرستنده برای ساخنت یک درخت چندپخشی قوی است. فاصله Cutoff مانند a.R که R حداکثر برد رادیو و0<α≤1 است. در این مقاله ما از α=2/3 استفاده کرده‌ایم.
اگر یک وسیله نقلیه ZRREQ را پذیرد، آن را به وسیله نقلیه یکی هاپ که ZRREQرا با یک پیام پاسخ منطقه مسیر (ZRREP) فرستاده، پاسخ می‌دهد که شامل VIN آن است. همچنین آن اطلاعات [SS,Z] را در یک جدول مسیریابی ذخیره می‌کند. در نهایت ZRREQ را از جمله VIN اصلی، ZOR و SS دوباره پخش می‌کند. وسایل نقلیه در ZOF اما نه در ZOR به ZRREQ پاسخ نمی‌دهند مگر اینکه آنها یک پاسخ دریافت کنند. شماره توالی SS در رابطه با VIN منبع خودرو (مبتکر) به‌عنوان یک شناسه منحصر به فرد در جداول مسیریابی تشکیل شده توسط کشف مسیر فرآیند استفاده می‌شود.
پس از جاری شدن سیل در سراسر ZRREQ در طول ZOF، برخلاف AODV، پیغام‌های ZRREP به منبع ارسال نشده است. در عوض آنها تنها به گره انتقال ZRREQ انتقال می‌یابند. همه‌ی گیرندگان یک پیام ZRREP ،VIN خودرو که ZRREP و متناظر با SS و منبع VIN ارسال می‌کند ذخیره می‌کنند. بسته‌ی داده‌ها از منبع یکسان VIN و SS به فرستنده ZRREP فرستاده خواهد شد. به‌این ترتیب تمام گره‌ها اطلاعات محلی مورد نیاز برای ساخت یک درخت چندپخشی ریشه‌دار در گره منبع را ذخیره می‌کنند. هنگامی که درخت تشکیل شد، به‌عنوان مثال، پس از ارسال ZRREP به والدین در درخت، داده‌ها می‌توانند در درخت منتشر شوند (در شکل 2نشان داده شده است).

2.2 انتقال داده
از آنجا که هر فروشگاه وسیله نقلیه هاپ (بازدیدکنندگان) این اطلاعات را در مورد منبع VIN و SS ذخیره می‌کنند، داده‌ها از طریق درخت به عنوان یک تابع از آن اعداد فرستاده می‌شود. منبع بسته‌های داده را بلافاصله پس از دریافت یک پیام ZRREP ارسال می‌کند. منبع (و تمام گر‌ه‌های حمل و نقل در درخت چندپخشی) پیام M را به تمام وسایل نقلیه که ZRREP را دریافت کرده‌اند unicasts می‌کند. پیام نیز برای یک زمان کوتاه در موردی که ZRREP را پس از پیام آن دریافت کند در بافر ذخیره می‌شود. بنابراین، هر پیام از طریق درخت چندپخشی با توجه به “جدول مسیر” ذخیره شده در طول فرآیند کشف مسیر پخش می‌شود. همه‌ی گیرنده‌ها نیز بسته را اگر آنها در ZOR باشند ارسال می‌کنند. از آنجا که داده‌ها با استفاده از unicast انتقال می‌یابند، از مزایای لایه MAC بهره می‌برند.

2.3 اتمام مهلت مسیر
هنگامی‌که وسیله نقلیه حرکت می‌کند، ZOR برای یک کاربرد خاص در زمان تغییر خواهد کرد. اما، اگر یک وسیله نقلیه چندین پیام به برنامه ZOR یکسان در زمان کوتاه بفرستد، نیاز به انجام کشف مسیر برای هر پیام وجود ندارد. برای مثال، برای وسایل نقلیه که در 90کیلومتردرساعت حرکت می‌کنند، ZOR ممکن است تنها 25 متردر ثانیه تغییر کند. اگر ZOR اولیه چند کیلومتر بزرگ باشد، همان ZOR می‌تواند استفاده شود. ما ZOR را زمانی نامعتبر درنظر می‌گیریم که وسیله نقلیه منبع بیش از 25 متر از موقعیت کشف مسیر اولیه حرکت کند.

3. محیط شبیه‌سازی
‌ ما ROVER را با استفاده از بسته شبیه‌سازی Jist/SWANS [19] [20] با ماژول STRAW [21] ارزیابی کردیم. Jist/SWANS یک شبیه‌ساز برای شبکه‌های ad-hoc تلفن همراه، مشابه NS-2، است که در جاوا پیاده‌سازی شده است. STRAW از نقشه‌های واقعی مجتمع جغرافیایی رمزگذاری توپولوژیکی و مرجع (TIGER) سیستم در دسترس از اداره آمار جغرافیا ایالات متحده استفاده می‌کند [22]. ما راه‌اندازی شبیه‌ساز در جهات مختلف و پیاده‌سازی ROVER به‌عنوان یک ماژول مسیریابی جدید را افزایش دادیم. در آن زمان که ما شبیه‌سازی را انجام دادیم، توسعه‌ی Jist/SWANS یک پروژه‌ی درحال انجام بود و ماژول STRAW برای سناریوی شهر با سرعت کم و یک شبکه جاده‌ها در حال توسعه بود. همچنین تعدادی از مشخصات پروتکل ناقص بود (به‌عنوان مثال، شماره توالی از دست رفته در 802.11). علاوه‌براین، از آنجا که پروتکل اصلی پشته از تک پخشی با آدرس ثابت استفاده می‌کرد، ما مجبور به تغییرات بسته‌های Jist/SWANS/ STRAW اصلی بودیم.

3.1 نرم‌افزار انتقال اطلاعات
‎برای ارزیابی عملکرد پروتکل مسیریابی پیشنهادی، از نرم‌افزار انتقال اطلاعات عمومی استفاده کردیم. در این نرم‌افزار یک وسیله نقلیه یک پیام به وسایل نقلیه پشتش می‌فرستد. وسیله نقلیه‌ای که پیام می‌فرستد، در بقیه این مقاله، به عنوان وسیله نقلیه منبع (SV) خوانده می‌شود. هنگامی که یک SV پیام ارسال می‌کند، نرم‌افزار ZOR مناسب را تعیین می‌کند. در این مقاله، ZOR یک مستطیل پشت SV، با طول L متر و عرض W متر است. W به‌اندازه کافی بزرگ است تا تمام خطوط جاده را در جهت SV پوشش دهد. پس از آن پیام باید تاحد ممکن سریع و قابل اعتماد به تمام وسایل نقلیه در ZOR تحویل داده شود.

3.2 مدل راه و ترافیک
STRAW از نقشه جاده‌های واقعی به طور پیش فرض استفاده می‌کند. از آنجا که هدف از این تحقیقات ارزیابی پروتکل مسیریابی مطرح شده است، ما می‌خواهیم که مدل جاده بسیار ساده برای جلوگیری از هر گونه اثرات ناشی از نقشه راه خاص استفاده کنیم. بنابراین، یک بزرگراه مستقیم در فرمت TIGER ساختیم و سپس این جاده را در شبیه‌سازی استفاده کردیم. بزرگراه به طول 10km با 3 خط در هر جهت است. حداکثر سرعت مجاز در بزرگراه 120 کیلومتر در ساعت است.
وسایل نقلیه با توجه به مدل تعقیب ماشین [23] حرکت می‌کند. ما رفتار تغییر خط را اجرا کردیم. STRAW اصلی این ویژگی را پیاده‌سازی نمی‌کرد و ما مواردی با یک خط پر از ترافیک در حالی که دیگری اینچنین نبود مشاهده کردیم. در راه‌اندازی وسایل نقلیه ممکن است خط را تغییر دهیم اگر خودرو در مقابل آنها خیلی آهسته حرکت کند.

3.3 مدل‌های ارتباطات
در لایه فیزیکی از مدل محو ریلی عرضه شده توسط STRAW استفاده کردیم. این مدل دارای یک انتقال تدریجی میزان پذیرش از 100٪ به 0٪ به عنوان افزایش فاصله بین فرستنده و گیرنده می‌باشد. نرخ لایه فیزیکی داده‌ها که ما در نظر گرفتیم 54Mbps بود، مطابق با نرخ داده‌های 802.11، (که به نوبه خود مشابه برد کوتاه استاندارد ارتباطات اختصاصی(DSRC) بود [24]).

در لایه MAC ما از طرح CSMA/CA در IEEE 802.11 استفاده کردیم (مشابه DSRC). در لایه شبکه و حمل و نقل از نسخه‌ی اصلاح شده‌ی IP و UDP استفاده کردیم. به‌طور خاص، از آنجایی که ما از پرداختن جغرافیایی، به‌جای آدرس IP عادی استفاده کردیم از شماره‌های VIN برای وسایل نقلیه و ZOR و ZOF (مشخص شده توسط مختصات گوشه) برای تعیین مقصد استفاده کردیم.

کنترل توان و خوشه بندی در شبکه های ادهاک

Power Control and Clustering in Ad Hoc Networks

چکیده
1- مقدمه
الف: مرور منابع
2- پروتوکل کنترل توان CLUSTERPOW
A معماری CLUSTERPOW
B ویژگی های CLUSTERPOW
C CLUSTERPOW پیاده سازی و معماری نرم افزار
D برخی از نظرات در سخت افزار
3- طرج جست و جوی تکراری
A گرین کارت مجازی از مسیریابی جداول
B مثال نمونه
C تونل بندی شده پروتکل CLUSTERPOW
D معماری و مسائل مربوط به پیاده سازی
4- مسیریابی MINPOW و کنترل توان PROTOCOL
A پیاده سازی MINPOW
B ویژگی های MINPOW
5- تجربی
6- نتیجه گیری
B QoS Issues: مشکل تاخیر
C بار کنترل توان

چکیده
 در این مقاله، ما مسئله کنترل توان را در زمانی که گره ها توزیع فضایی ناهمگنی دارند در نظر می گیریم. در این شرایط، هدف اصلی استفاده از کنترل توان به ازای هر بسته ، بسته به منبع و مقصد بسته می باشد. این منجر به ایجاد مسئله مشترک می شود که نه تنها شامل کنترل توان است بلکه شامل خوشه بندی می باشد. ما سه راه حل را برای کنترل توان و خوشه بندی مشترک ارایه می کنیم.
نخستین پرتوکل، CLUSTERPOW موجب افزایش ظرفیت شبکه با افزایش استفاده مجدد از فضا می شود. ما یک معماری ساده و مدولار را برای پیاده سازی CLUSTERPOW در لایه شبکه ارایه می کنیم.
دومین پروتوکل که CLUSTERPOW تونل بندی شده است، امکان بهینه سازی را با استفاده از کپسولاسیون می دهد ولی از شیوه کارامد اجرای آن آگاه نیست.
سومین مورد،MINPOW، است که ایده اصلی آن جدید نیست و یک راه حل مسیر یابی بهینه را با توجه به توان کل مصرف شده در ارتباطات ارایه می کند. هدف ما پیاده سازی MINPOW در لایه شبکه بدون هرگونه پشتیبانی لایه فیزیکی است.
ما اثبات کردیم که همه سه پروتوکل موجب اطمینان از این می شوند که بسته ها در نهایت به مقاصد مطلوب می رسند. ما یک چارچوب معماری نرم افزاری را برای پیاده سازی به عنوان پروتوکل لایه شبکه ارایه می کنیم. معماری یا ساختار فوق با پروتکل مسیر یابی کار می کند و می تواند برای پیاده سازی سایر طرح های کنترل توان استفاده شود. جزییات پیاده سازی در لینوکس ارایه شده است.
.
1. مقدمه
مسئله کنترل توان، انتخاب سطح توان در هر بسته در یک شبکه ادهاک بی سیم است. انتخاب به ازای هر بسته با چندین ملاحظه صورت می گیرد. انتخاب توان انتقالی و دامنه آن بر ظرفیت برد ترافیک شبکه اثر می گذارد و در(1) نشان داده شده است که پس از در نظر گرفتن بار بازپخش استفاده از هاپ های کوچک در برابر مداخله ناشی از هاپ های بزرگ، کاهش سطح توان انتقال بهینه است. انتخاب سطح توان بر عمر باطری اثر دارد. در(2)، نشان داده شده است که برای مدل های تضعیف افت مسیر انتشار، سطوح توان پایین با مسیر یابی بهینه توان مشترک است. این کار با نشان دادن این که مورد دوم منجر به گراف های صفحه ای از مسیر های بهینه توان می شود انجام می شود. به علاوه، کنترل توان بر مسیر یابی اثر دارد زیرا دامنه انتقال دهنده ها بستگی به سطوح انتقال توان دارد. عامل دیگر این است که کنترل توان بر تاخیر انتها به انتها اثر دارد. با سطوح توان پایین، یک بسته تعداد زیادی از هاپ ها را احتیار می کند که به طور خطی موجب افزایش تاخیر به دلیل تاخیر در هر هاپ می شود.
با توجه به پیچیدگی ملاحظات، سوال این است که 1- چگونه می توان مفهوم مسئله کنترل توان را تبیین کرد؟2- چگونه می توان بین اهداف متعدد ظرفیت، عمر باطری و تاخیر توازن برقرار کرد 3- چگونه می توان پرتوکل مدولار و ظریف را برای کار با معماری OSI توسعه داد؟

اولین راه حل در [2] ارائه شد. یک پروتکل لایه شبکه ای به نام COMPOW ایجاد شد که اطمینان می دهد که توان ارسالی که توسط تمام گره ها استفاده می شود به یک سطح توان مشترک تقسیم می شود: پایین ترین سطح توان که در آن شبکه متصل است. معماری نرم افزاری نیز با ویژگی های مورد نیاز مدولار و لایه بندی شده توسعه یافت.
پیاده سازی در هسته لینوکس نیز ارائه شد. هنگامی که گره ها به طور همگن در فضا پراکنده می شوند، همانطور که در شکل 1 (a)، انتخاب یک انتقال انتقال سطح مشترک دارای ویژگی های جذاب متعددی است که در بالا ذکر شده است. با این حال، زمانی که گره ها به صورت غیر همگن پراکنده می شوند همانطور که در شکل 1 (b)، پایین ترین سطح توان مشترک برای اتصال به شبکه، گروگان گیری گره های دور افتاده است که دور از دیگران است. به عنوان مثال، در شکل 2، تمام گره ها به غیر از گره F با یکدیگر قابل دسترسی هستند در 1 mW، یعنی آنها یک خوشه 1 مگا بایت دارند، اما F فقط با استفاده از توان توان 100 mW قابل دسترسی است. الگوریتم COMPOW، طراحی شده برای همگرایی به پایینترین سطح توان، به طوری که شبکه متصل است، به این ترتیب به 100 مگاوات می رسد، حتی اگر 1 مگاوات برای بیشتر ارتباطات کافی باشد.
چنین سناریوهای غیر همگانی برای خوشه بندی رسیده است. یکی از خواسته های گروه ها را به خوشه ها دسته بندی می کند، با خوشه های چندگانه در سطح توان، خوشه بندی را در سطح توان k + 1 تشکیل می دهد. چنین خوشه بندی گره ها نمی تواند به سادگی براساس مختصات جغرافیایی باشد، زیرا موانع و سایه ممکن است از دو گره تشکیل یک لینک بی سیم، حتی اگر آنها در نزدیکی نزدیک هستند.
کنترل توان باید در ارتباط با مسیریابی نیز انجام شود، زیرا لازم است ارتباطات را در ذهن نگه دارد، که تنها از طریق وجود مسیرها شناخته می شود. در مقابل، مسیریابی به کنترل توان بستگی دارد؛ زیرا سطح توان تعیین می کند که کدام لینک برای مسیریابی در دسترس است. همه این وابستگی ها باید به نحوی سازگار با معماری لایه ای و مدولار برای سیستم های شبکه حل شود.

Abstract

In this paper, we consider the problem of power control when nodes are non-homogeneously dispersed in space. In such situations, one seeks to employ per packet power control depending on the source and destination of the packet. This gives rise to a joint problem which involves not only power control but also clustering. We provide three solutions for joint clustering and power control.

The first protocol, CLUSTERPOW, aims to increase the network capacity by increasing spatial reuse. We provide a simple and modular architecture to implement CLUSTERPOW at the network layer.

The second, Tunnelled CLUSTERPOW, allows a finer optimization by using encapsulation, but we do not know of an efficient way to implement it.

The last, MINPOW, whose basic idea is not new, provides an optimal routing solution with respect to the total power consumed in communication. Our contribution includes a clean implementation of MINPOW at the network layer without any physical layer support.

We establish that all three protocols ensure that packets ultimately reach their intended destinations. We provide a software architectural framework for our implementation as a network layer protocol. The architecture works with any routing protocol, and can also be used to implement other power control schemes. Details of the implementation in Linux are provided..

1. Introduction

The power control problem is to choose the transmit power level for every packet in a wireless ad hoc network. The per-packet choice is to be guided by several considerations. The choice of transmit power, and thus the range, affects the traffic-carrying capacity of the network, and it was shown in [1] that after taking into consideration the additional relaying burden of using small hops versus the interference caused by long hops, it is optimal to reduce the transmit power level. The choice of power level also affects battery life. In [2], it was shown that for the commonly used propagation path loss attenuation models, low power levels are commensurate with power optimal routing. This was done by showing that the latter necessarily results in planar graphs of power optimal routes, with only nearby nodes exchanging packets. Moreover, power control affects routing since the ranges of the transmitters depend on the transmit power levels. A further factor to be considered is that power control affects packet end-to-end latency. With small power levels, a packet will take a large number of hops which may linearly increase latency due to the packetization delay at each hop.

Given this complexity of considerations, how does one i) conceptualize the power control problem, ii) determine how to trade off the multiple objectives of capacity, battery life and latency, and iii) develop a protocol which is modular and elegant enough to work with the OSI architecture?

A first cut solution was presented in [2]. A network layer protocol, called COMPOW, was developed which ensured that the transmit power used by all the nodes would converge to a common power level: the lowest power level at which the network is connected. A software architecture was also developed with the requisite properties of modularity and layering. An implementation in the Linux kernel was also provided.

When nodes are homogeneously dispersed in space, as in Fig. 1(a), the choice of a common transmit power level has several appealing properties as noted above. However, when nodes are non-homogeneously dispersed as in Fig. 1(b), then the lowest common power level for network connectivity is hostage to the outlying nodes which are far from others. For example, in Fig. 2, all nodes except node F are mutually reachable at 1 mW, i.e., they form a 1 mW cluster, but F is reachable only by using a power level of 100 mW. The COMPOW algorithm, designed to converge to the lowest power level such that the network is connected, will thus converge to 100 mW, even though 1 mW is enough for most communications.

Such non-homogeneous scenarios are ripe for clustering. One wishes to group nodes into clusters, with several clusters at power level k forming a cluster at power level k + 1. Such clustering of nodes cannot simply be based on geographical co-ordinates since obstacles and shadowing may prevent two nodes from forming a wireless link, even if they are in close proximity.

Power control should also be done in conjunction with routing, since it needs to keep connectivity in mind, which is known only through the existence of routes. Conversely, routing depends on power control since the power level dictates what links are available for routing. All these interdependences need to be resolved in a manner compatible with the layered and modular architecture for networking systems..

کنترل توان و خوشه بندی در شبکه های ادهاک

Power Control and Clustering in Ad Hoc Networks