基于鲸鱼优化调优稀疏自编码器与信任感知簇结构的车辆自组织网络恶意车辆检测及路由行为管理架构

《Scientific Reports》：TAS-VANET: a trust-aware clustering and misbehavior management architecture for vehicular networks with whale-optimized deep detection

　　车辆自组织网络（VANETs）的可靠运行要求不仅包括检测单个篡改消息，还必须识别随时间变化的行为不端车辆，将其排除在簇头等重要角色之外，并防止其降低路由性能。本文提出了TAS-VANET，一种信任感知的簇结构与行为管理架构，该架构将以下三个部分相结合：（i）用于稳定簇头选举的加权簇方案（WCS）；（ii）通过检测器判决结果更新的逐车信任模型；（iii）一种带有跳跃连接的紧凑监督式稀疏自编码器（SAE），其超参数通过鲸鱼优化算法（WOA）进行调优。检测组件在VeReMi Extension基准测试的公开整合数据集上进行了验证（88,029条记录，17种攻击变体），采用发送者不相交的10折交叉验证，平均F1值达到0.8831（留出测试集F1 = 0.9036）；WOA调优相较于默认配置的SAE贡献了+9.34个F1点（单侧Wilcoxon检验p = 9.77 × 10??，在相同折次上进行配对比较）。集成系统使用OMNeT++ / SUMO进行评估，对比了两种基于信任的簇协议（TACR和QMM-VANET）：在195辆车时，TAS-VANET的分组交付率（PDR）达到89.0%，比TACR高出2.0个百分点，比QMM-VANET高出14.0个百分点（相对提升18.7%）；在90 km/h速度下，对TACR的领先优势从2.0个百分点扩大到3.5个百分点；部署调优后的配置而非默认配置，在10%恶意车辆比例下将端到端时延降低了14.3%。我们额外报告了两项透明的负面发现：强表格集成方法在该基准测试上仍是有竞争力的逐消息检测器；恒定位置偏移攻击仅凭单消息运动学特征本质上无法被检测到（AUC ≈ 0.529），我们将其视为一个开放的研究问题。所有报告数值均可追溯至已发布的仿真与训练工件。