基于雾计算辅助入侵检测系统的车载自组网可靠评分路由协议研究

针对车载自组网(VANETs)中攻击车辆参与路由导致的安全隐患，研究人员提出了一种基于雾计算的入侵检测系统(IDS)评分路由协议RSR-IDS。该研究通过最小-最大归一化和皮尔逊相关系数预处理数据，采用决策树、随机森林和额外树算法训练分类器，结合投票技术降低误检率，最终选择总不可信评分(US)和跳数(Hc)最低的路径进行通信。实验表明RSR-IDS在准确率、F1值和数据包投递率(PDR)上分别提升14.1%、11.4%和5.4%，为智能交通系统提供了可靠的安全解决方案。

　　

在智能交通系统快速发展的今天，车载自组网(VANETs)的安全问题日益凸显。每年因车辆事故导致的死亡人数高达4000万，其中93%发生在智能交通系统不完善的低收入国家。更令人担忧的是，黑客已能远程控制车辆关键功能——如2015年黑客远程入侵了140万辆吉普切诺基，特斯拉车辆也曾被攻击者劫持转向和制动系统。这些触目惊心的数字和案例暴露出当前VANETs面临的核心挑战：如何在动态复杂的网络环境中建立可靠连接，同时防御各类网络攻击？

针对这一重大安全问题，伊朗伊斯兰阿扎德大学科学技术研究分校计算机工程系的Samira Tahajomi Banafshehvarah等研究人员在《Scientific Reports》发表了一项创新研究。他们开发了一种基于雾计算辅助入侵检测系统(IDS)的可靠评分路由协议RSR-IDS，通过将IDS部署在雾服务器层，有效解决了传统车载单元(OBU)检测系统在存储容量、传输范围和计算能力等方面的局限。

研究人员采用了多项关键技术方法：首先使用最小-最大归一化(MinMaxScaler)和皮尔逊相关系数(PCC)技术预处理数据；然后采用决策树、随机森林和额外树三种机器学习算法训练分类器，通过投票技术降低误检率；最后基于AODV协议改进路由机制，综合考虑不可信评分(US)和跳数(H_c)选择最优路径。实验采用OMNeT++6.0.1模拟器和UNSW-NB15数据集，在德黑兰Ostad Moein城区场景下进行验证。

研究结果部分展示了多项重要发现：

在系统模型部分，研究建立了四层网络架构（感知层、通信层、处理层和决策层），通过雾服务器实现实时位置检测。数据预处理阶段，MinMaxScaler技术将特征值归一化到固定范围，PCC技术则用于衡量特征间相关性，相关系数接近±1表示强相关。

在提出的模型部分，RSR-IDS通过五个步骤实现数据评分机制：数据预处理、分类器训练、数据状态检查、车辆数据状态检查和评分输出。关键创新是将IDS部署在雾服务器，解决了传统OBU检测系统的数据多样性问题。路由协议采用改进的AODV机制，通过比较单跳车辆的US值选择广播RREQ消息的车辆。

性能评估显示，RSR-IDS在检测准确率上达到99.52%，比基于SVM的协作IDS(CIDS)提升14.1%；F1-score达到99.37%，提升11.4%。在路由性能方面，RSR-IDS在60辆车的高密度场景下实现93.94%的数据包投递率(PDR)，比基于方向的缓存代理定位路由(D-CALAR)提升5.4%；端到端延迟降低至425ms，比距离方向感知的CALAR-DD协议降低11%。

讨论部分指出，RSR-IDS的创新价值主要体现在三个方面：首先，采用投票技术的树基分类器有效降低了过拟合问题；其次，雾服务器部署解决了车载检测系统的数据多样性挑战；最后，轻量级的评分机制避免了复杂计算，适合动态城市环境。研究也承认当前系统仅能区分正常/异常数据，未来可通过多分类器识别攻击类型并赋予不同权重。

这项研究为智能交通系统安全提供了重要解决方案，特别是在高密度城市环境中展现出显著优势。通过将入侵检测与路由选择有机结合，RSR-IDS不仅提高了攻击检测准确率，还优化了网络传输效率。未来研究方向包括开发适用于高速公路的轻量级版本，以及整合无人机(UAV)辅助网络以进一步提升可扩展性。该成果对推动车联网安全技术发展具有重要理论和实践价值，为构建更安全的智能交通生态系统提供了新思路。