针对车联网场景下多入多出-正交时频空(Multiple-Input Multiple-Output-Orthogonal Time Frequency Space,MIMO-OTFS)系统的信道状态信息(Channel State Information,CSI)反馈问题,提出了一种面向时延-多普勒(Delay-Dopler,DD)域CSI反...针对车联网场景下多入多出-正交时频空(Multiple-Input Multiple-Output-Orthogonal Time Frequency Space,MIMO-OTFS)系统的信道状态信息(Channel State Information,CSI)反馈问题,提出了一种面向时延-多普勒(Delay-Dopler,DD)域CSI反馈的时间差分架构Transformer网络(Time-differencing Architecture Delay-Doppler Transformer Network,TA-DD-TransNet),引入分时反馈机制,将残差信息建模与压缩反馈相结合。网络结构融合Transformer的全局建模能力与卷积神经网络的局部特征提取优势,在保持CSI重构精度的同时显著降低了反馈比特数与计算复杂度。在不同车速、信噪比及非完美信道估计条件下的仿真实验结果表明,所提方法在归一化均方误差(Normalized Mean Squared Error,NMSE)和余弦相似度指标上均优于CsiNet、CsiNet+和BCsiNet。在60 km/h、30 dB信噪比、1/4压缩率下,TA-DD-TransNet的NMSE约-27 dB,余弦相似度达0.96。复杂度分析显示,TA-DD-TransNet在1/4压缩率下的编码器和解码器浮点运算次数分别为1.809×10^(7)和2.281×10^(7),参数量均为8.4×10~6左右,显著低于CsiNet+。所提方法能满足车联网中对高可靠低时延通信的实际需求。展开更多
随着低空经济与智能交通系统的快速发展,以无人机(Unmanned Aerial Vehicle,UAV)为核心的低空通信网络(Low-altitude Communication Networks,LACN)已成为车联网(Internet of Vehicles,IoV)智能化演进的关键支撑技术。通过融合5G-A通感...随着低空经济与智能交通系统的快速发展,以无人机(Unmanned Aerial Vehicle,UAV)为核心的低空通信网络(Low-altitude Communication Networks,LACN)已成为车联网(Internet of Vehicles,IoV)智能化演进的关键支撑技术。通过融合5G-A通感一体化、星地一体化网络及移动边缘计算等前沿技术,低空通信网络为车联网提供了高可靠、低时延、广覆盖的通信与计算能力,有效解决了传统地面网络在复杂交通场景下面临的通信盲区、服务质量瓶颈和算力不足等问题。综述了低空通信网络在车联网中的应用,沿着技术纵向演进与应用横向拓展两条主线,从移动边缘计算、协同定位与感知以及信息娱乐服务3个核心维度深入剖析了现有研究的技术脉络、核心挑战与发展趋势。通过梳理分析发现,当前研究呈现出两大趋势:一是从传统模型驱动优化向数据驱动的智能决策模式转变,深度强化学习等人工智能技术被广泛应用;二是从单点技术优化向“空-地-云”一体化协同架构演进,数字孪生、多无人机协作等成为研究热点。进一步指出,发展无需外部设施支持的自主协同网络、实现空地资源的智能一体化调度,是未来实现全域无缝高精度服务的关键突破口。展开更多
针对车联网数据共享场景存在的单点故障、合谋攻击、低吞吐量及高计算成本等问题,提出了一种基于双区块链的隐私保护车联网数据共享方案(A Privacy-preserving and Blockchain-based Data Sharing Scheme for IoV,PBDSS),其核心创新体...针对车联网数据共享场景存在的单点故障、合谋攻击、低吞吐量及高计算成本等问题,提出了一种基于双区块链的隐私保护车联网数据共享方案(A Privacy-preserving and Blockchain-based Data Sharing Scheme for IoV,PBDSS),其核心创新体现在三方面:首先,利用区块链存储数据和管理密钥,防止车联网数据被篡改,并有效抵抗合谋攻击;其次,通过将复杂的解密计算外包给边缘节点,同时实现数据在线/离线加密,降低了用户端计算代价;最后,设计数据分级共享机制,实现了安全性和效率之间的平衡。安全性分析与实验结果表明,相较于现有典型车联网数据共享方案,PBDSS在安全性与性能方面均具有显著优势。展开更多
Open networks and heterogeneous services in the Internet of Vehicles(IoV)can lead to security and privacy challenges.One key requirement for such systems is the preservation of user privacy,ensuring a seamless experie...Open networks and heterogeneous services in the Internet of Vehicles(IoV)can lead to security and privacy challenges.One key requirement for such systems is the preservation of user privacy,ensuring a seamless experience in driving,navigation,and communication.These privacy needs are influenced by various factors,such as data collected at different intervals,trip durations,and user interactions.To address this,the paper proposes a Support Vector Machine(SVM)model designed to process large amounts of aggregated data and recommend privacy preserving measures.The model analyzes data based on user demands and interactions with service providers or neighboring infrastructure.It aims to minimize privacy risks while ensuring service continuity and sustainability.The SVMmodel helps validate the system’s reliability by creating a hyperplane that distinguishes between maximum and minimum privacy recommendations.The results demonstrate the effectiveness of the proposed SVM model in enhancing both privacy and service performance.展开更多
With the rapid development and widespread adoption of Internet of Things(IoT)technology,the innovative concept of the Internet of Vehicles(IoV)has emerged,ushering in a new era of intelligent transportation.Since vehi...With the rapid development and widespread adoption of Internet of Things(IoT)technology,the innovative concept of the Internet of Vehicles(IoV)has emerged,ushering in a new era of intelligent transportation.Since vehicles are mobile entities,they move across different domains and need to communicate with the Roadside Unit(RSU)in various regions.However,open environments are highly susceptible to becoming targets for attackers,posing significant risks of malicious attacks.Therefore,it is crucial to design a secure authentication protocol to ensure the security of communication between vehicles and RSUs,particularly in scenarios where vehicles cross domains.In this paper,we propose a provably secure cross-domain authentication and key agreement protocol for IoV.Our protocol comprises two authentication phases:intra-domain authentication and cross-domain authentication.To ensure the security of our protocol,we conducted rigorous analyses based on the ROR(Real-or-Random)model and Scyther.Finally,we show in-depth comparisons of our protocol with existing ones from both security and performance perspectives,fully demonstrating its security and efficiency.展开更多
针对车联网中高通信需求和高移动性造成的车对车链路(Vehicle to Vehicle,V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆网络(Long Short-Term Memory,LSTM)的组合模型...针对车联网中高通信需求和高移动性造成的车对车链路(Vehicle to Vehicle,V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆网络(Long Short-Term Memory,LSTM)的组合模型的车联网信道分配算法。算法以降低V2V链路信道碰撞率和空闲率为目标,将信道分配问题建模为分布式深度强化学习问题,使每条V2V链路作为单个智能体,并通过最大化每回合平均奖励的方式进行集中训练、分布式执行。在训练过程中借助GRU训练周期短和LSTM拟合精度高的组合优势去拟合深度双重Q学习中Q函数,使V2V链路能快速地学习优化信道分配策略,合理地复用车对基础设施(Vehicle to Infrastructure,V2I)链路的信道资源,实现网络效用最大化。仿真结果表明,与单纯使用GRU或者LSTM网络模型的分配算法相比,该算法在收敛速度方面加快了5个训练回合,V2V链路间的信道碰撞率和空闲率降低了约27%,平均成功率提升了约10%。展开更多
车联网(IoV:Internet of Vehicle)是在物联网(IoT:Internet of Things)基础上的一个典型应用,是移动互联网纵深发展的着力点,承载着"人、车、路、数据"的全信息系统,是未来通信、环保、节能、安全等发展的融合性技术。本文在...车联网(IoV:Internet of Vehicle)是在物联网(IoT:Internet of Things)基础上的一个典型应用,是移动互联网纵深发展的着力点,承载着"人、车、路、数据"的全信息系统,是未来通信、环保、节能、安全等发展的融合性技术。本文在分析当前车联网现状的基础上,提出多媒体平台在车联网建设中的重要意义,设计了多媒体平台的典型应用,同时针对当前政策车联网的应用问题和技术层面存在的瓶颈,提出了解决方案。展开更多
车联网中,如何有效选择缓存位置和缓存内容对于提高整体网络性能至关重要。针对上述问题,引入了内容中心网络技术,提出了一种新的优化缓存策略——缓存位置和缓存内容的选择取决于车辆节点值和内容流行度(Vehicle Node Value and Conten...车联网中,如何有效选择缓存位置和缓存内容对于提高整体网络性能至关重要。针对上述问题,引入了内容中心网络技术,提出了一种新的优化缓存策略——缓存位置和缓存内容的选择取决于车辆节点值和内容流行度(Vehicle Node Value and Content Popularity,VNVCP)。首先,定义了连通性、中间中心性和特征向量中心性3个车辆节点属性用来评估车辆节点的值,具有不同值的车辆节点缓存具有不同流行度的内容,内容的重要性由其受欢迎程度决定。其次,该策略利用不同类型内容受欢迎程度的差异确保缓存内容分布均匀,同时评估来自多个属性的车辆节点的值以提高车辆节点利用率。仿真结果表明,VNVCP在缓存命中率、平均跳数和传输延迟方面明显优于传统的LCE(Leave Copy Every where)、Prob(0.5)和MPC(Most Popular Content)。展开更多
车联网(IoV,Internet of vehicle)技术是智能交通中的热点研究课题,智能数据传输新方法的研究是IoV的重要技术之一。针对IoV的智能数据传输问题,考虑了车辆密度、车辆速度、数据传输速率和数据传输时延等重要参数,构建了IoV网络模型和...车联网(IoV,Internet of vehicle)技术是智能交通中的热点研究课题,智能数据传输新方法的研究是IoV的重要技术之一。针对IoV的智能数据传输问题,考虑了车辆密度、车辆速度、数据传输速率和数据传输时延等重要参数,构建了IoV网络模型和时延函数,提出了基于马尔可夫决策理论的数据传输最优路由方法。通过同类方法的对比分析,验证了本路由策略具有数据传输速率更高和数据传输时延更短的性能,对基于IoV的智能交通中的动态远程监控等多种应用具有重要的理论意义和实用价值。展开更多
为了满足车联网中不同应用的服务质量(Quality of Service,QoS)要求,提出了一种基于网络切片技术的车联网频谱资源分配方案。该方案考虑数据接入控制,通过联合优化频谱资源块(Resource Block,RB)分配和车辆信号发射功率控制,在安全服务...为了满足车联网中不同应用的服务质量(Quality of Service,QoS)要求,提出了一种基于网络切片技术的车联网频谱资源分配方案。该方案考虑数据接入控制,通过联合优化频谱资源块(Resource Block,RB)分配和车辆信号发射功率控制,在安全服务切片低时延高可靠性的约束下,最大化信息娱乐服务切片的平均和吞吐量。将车联网资源管理建模为一个混合整数随机优化问题,利用李雅普诺夫(Lyapunov)优化理论将该优化问题分解为接入控制和RB分配与功率控制两个子问题,并分别对其进行求解,得到每个时隙的接入控制和资源分配方案。仿真结果表明,所提出的资源分配方案能够有效提高信息娱乐服务切片的平均和吞吐量,并且可以通过调整引入的控制参数值来实现吞吐量和时延的动态平衡。同时,与已有方案相比,该方案具有更好的时延性能。展开更多
文摘针对车联网场景下多入多出-正交时频空(Multiple-Input Multiple-Output-Orthogonal Time Frequency Space,MIMO-OTFS)系统的信道状态信息(Channel State Information,CSI)反馈问题,提出了一种面向时延-多普勒(Delay-Dopler,DD)域CSI反馈的时间差分架构Transformer网络(Time-differencing Architecture Delay-Doppler Transformer Network,TA-DD-TransNet),引入分时反馈机制,将残差信息建模与压缩反馈相结合。网络结构融合Transformer的全局建模能力与卷积神经网络的局部特征提取优势,在保持CSI重构精度的同时显著降低了反馈比特数与计算复杂度。在不同车速、信噪比及非完美信道估计条件下的仿真实验结果表明,所提方法在归一化均方误差(Normalized Mean Squared Error,NMSE)和余弦相似度指标上均优于CsiNet、CsiNet+和BCsiNet。在60 km/h、30 dB信噪比、1/4压缩率下,TA-DD-TransNet的NMSE约-27 dB,余弦相似度达0.96。复杂度分析显示,TA-DD-TransNet在1/4压缩率下的编码器和解码器浮点运算次数分别为1.809×10^(7)和2.281×10^(7),参数量均为8.4×10~6左右,显著低于CsiNet+。所提方法能满足车联网中对高可靠低时延通信的实际需求。
文摘随着低空经济与智能交通系统的快速发展,以无人机(Unmanned Aerial Vehicle,UAV)为核心的低空通信网络(Low-altitude Communication Networks,LACN)已成为车联网(Internet of Vehicles,IoV)智能化演进的关键支撑技术。通过融合5G-A通感一体化、星地一体化网络及移动边缘计算等前沿技术,低空通信网络为车联网提供了高可靠、低时延、广覆盖的通信与计算能力,有效解决了传统地面网络在复杂交通场景下面临的通信盲区、服务质量瓶颈和算力不足等问题。综述了低空通信网络在车联网中的应用,沿着技术纵向演进与应用横向拓展两条主线,从移动边缘计算、协同定位与感知以及信息娱乐服务3个核心维度深入剖析了现有研究的技术脉络、核心挑战与发展趋势。通过梳理分析发现,当前研究呈现出两大趋势:一是从传统模型驱动优化向数据驱动的智能决策模式转变,深度强化学习等人工智能技术被广泛应用;二是从单点技术优化向“空-地-云”一体化协同架构演进,数字孪生、多无人机协作等成为研究热点。进一步指出,发展无需外部设施支持的自主协同网络、实现空地资源的智能一体化调度,是未来实现全域无缝高精度服务的关键突破口。
文摘针对车联网数据共享场景存在的单点故障、合谋攻击、低吞吐量及高计算成本等问题,提出了一种基于双区块链的隐私保护车联网数据共享方案(A Privacy-preserving and Blockchain-based Data Sharing Scheme for IoV,PBDSS),其核心创新体现在三方面:首先,利用区块链存储数据和管理密钥,防止车联网数据被篡改,并有效抵抗合谋攻击;其次,通过将复杂的解密计算外包给边缘节点,同时实现数据在线/离线加密,降低了用户端计算代价;最后,设计数据分级共享机制,实现了安全性和效率之间的平衡。安全性分析与实验结果表明,相较于现有典型车联网数据共享方案,PBDSS在安全性与性能方面均具有显著优势。
基金supported by the Deanship of Graduate Studies and Scientific Research at University of Bisha for funding this research through the promising program under grant number(UB-Promising-33-1445).
文摘Open networks and heterogeneous services in the Internet of Vehicles(IoV)can lead to security and privacy challenges.One key requirement for such systems is the preservation of user privacy,ensuring a seamless experience in driving,navigation,and communication.These privacy needs are influenced by various factors,such as data collected at different intervals,trip durations,and user interactions.To address this,the paper proposes a Support Vector Machine(SVM)model designed to process large amounts of aggregated data and recommend privacy preserving measures.The model analyzes data based on user demands and interactions with service providers or neighboring infrastructure.It aims to minimize privacy risks while ensuring service continuity and sustainability.The SVMmodel helps validate the system’s reliability by creating a hyperplane that distinguishes between maximum and minimum privacy recommendations.The results demonstrate the effectiveness of the proposed SVM model in enhancing both privacy and service performance.
基金supported by the Startup Foundation for Introducing Talent of Nanjing University of Information Science and Technology and Natural Science Foundation of Shandong Province,China(Grant no.ZR202111230202).
文摘With the rapid development and widespread adoption of Internet of Things(IoT)technology,the innovative concept of the Internet of Vehicles(IoV)has emerged,ushering in a new era of intelligent transportation.Since vehicles are mobile entities,they move across different domains and need to communicate with the Roadside Unit(RSU)in various regions.However,open environments are highly susceptible to becoming targets for attackers,posing significant risks of malicious attacks.Therefore,it is crucial to design a secure authentication protocol to ensure the security of communication between vehicles and RSUs,particularly in scenarios where vehicles cross domains.In this paper,we propose a provably secure cross-domain authentication and key agreement protocol for IoV.Our protocol comprises two authentication phases:intra-domain authentication and cross-domain authentication.To ensure the security of our protocol,we conducted rigorous analyses based on the ROR(Real-or-Random)model and Scyther.Finally,we show in-depth comparisons of our protocol with existing ones from both security and performance perspectives,fully demonstrating its security and efficiency.
文摘针对车联网中高通信需求和高移动性造成的车对车链路(Vehicle to Vehicle,V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆网络(Long Short-Term Memory,LSTM)的组合模型的车联网信道分配算法。算法以降低V2V链路信道碰撞率和空闲率为目标,将信道分配问题建模为分布式深度强化学习问题,使每条V2V链路作为单个智能体,并通过最大化每回合平均奖励的方式进行集中训练、分布式执行。在训练过程中借助GRU训练周期短和LSTM拟合精度高的组合优势去拟合深度双重Q学习中Q函数,使V2V链路能快速地学习优化信道分配策略,合理地复用车对基础设施(Vehicle to Infrastructure,V2I)链路的信道资源,实现网络效用最大化。仿真结果表明,与单纯使用GRU或者LSTM网络模型的分配算法相比,该算法在收敛速度方面加快了5个训练回合,V2V链路间的信道碰撞率和空闲率降低了约27%,平均成功率提升了约10%。
文摘车联网(IoV:Internet of Vehicle)是在物联网(IoT:Internet of Things)基础上的一个典型应用,是移动互联网纵深发展的着力点,承载着"人、车、路、数据"的全信息系统,是未来通信、环保、节能、安全等发展的融合性技术。本文在分析当前车联网现状的基础上,提出多媒体平台在车联网建设中的重要意义,设计了多媒体平台的典型应用,同时针对当前政策车联网的应用问题和技术层面存在的瓶颈,提出了解决方案。
文摘车联网中,如何有效选择缓存位置和缓存内容对于提高整体网络性能至关重要。针对上述问题,引入了内容中心网络技术,提出了一种新的优化缓存策略——缓存位置和缓存内容的选择取决于车辆节点值和内容流行度(Vehicle Node Value and Content Popularity,VNVCP)。首先,定义了连通性、中间中心性和特征向量中心性3个车辆节点属性用来评估车辆节点的值,具有不同值的车辆节点缓存具有不同流行度的内容,内容的重要性由其受欢迎程度决定。其次,该策略利用不同类型内容受欢迎程度的差异确保缓存内容分布均匀,同时评估来自多个属性的车辆节点的值以提高车辆节点利用率。仿真结果表明,VNVCP在缓存命中率、平均跳数和传输延迟方面明显优于传统的LCE(Leave Copy Every where)、Prob(0.5)和MPC(Most Popular Content)。
文摘车联网(IoV,Internet of vehicle)技术是智能交通中的热点研究课题,智能数据传输新方法的研究是IoV的重要技术之一。针对IoV的智能数据传输问题,考虑了车辆密度、车辆速度、数据传输速率和数据传输时延等重要参数,构建了IoV网络模型和时延函数,提出了基于马尔可夫决策理论的数据传输最优路由方法。通过同类方法的对比分析,验证了本路由策略具有数据传输速率更高和数据传输时延更短的性能,对基于IoV的智能交通中的动态远程监控等多种应用具有重要的理论意义和实用价值。
文摘为了满足车联网中不同应用的服务质量(Quality of Service,QoS)要求,提出了一种基于网络切片技术的车联网频谱资源分配方案。该方案考虑数据接入控制,通过联合优化频谱资源块(Resource Block,RB)分配和车辆信号发射功率控制,在安全服务切片低时延高可靠性的约束下,最大化信息娱乐服务切片的平均和吞吐量。将车联网资源管理建模为一个混合整数随机优化问题,利用李雅普诺夫(Lyapunov)优化理论将该优化问题分解为接入控制和RB分配与功率控制两个子问题,并分别对其进行求解,得到每个时隙的接入控制和资源分配方案。仿真结果表明,所提出的资源分配方案能够有效提高信息娱乐服务切片的平均和吞吐量,并且可以通过调整引入的控制参数值来实现吞吐量和时延的动态平衡。同时,与已有方案相比,该方案具有更好的时延性能。
