基于卷积神经网络的车载数字孪生持续认证方案

作     者：赖成喆 张鑫伟 李冠颉 郑东 LAI Chengzhe;ZHANG Xinwei;LI Guanjie;ZHENG Dong

作者机构：西安邮电大学网络空间安全学院陕西西安710121 西安电子科技大学网络与信息安全学院陕西西安710126 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2023年第44卷第11期

页      面：151-160页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

基　　金：国家自然科学基金资助项目(No.61872293,No.62072371) 陕西省重点研发计划基金资助项目(No.2021ZDLGY06-02) 陕西高校青年创新团队基金资助项目 

主　　题：无人驾驶 车载数字孪生 卷积神经网络 持续认证 分类器 

摘      要：为了解决无人驾驶通信过程中存在的车辆身份合法性问题,提出了一种基于卷积神经网络(CNN)的车载数字孪生持续认证方案进行车辆身份合法性验证。具体来说,数字孪生获取车辆传感器收集的数据,用于训练部署在数字孪生上的CNN,然后执行主成分分析为分类器选择合适的典型特征。利用CNN提取的特征,在注册阶段训练一类支持向量机(OC-SVM)分类器,在认证阶段进行数据分类,进而将当前车辆验证为合法或者恶意车辆。仿真结果表明,所提方案在性能和准确率方面优势突出并优于现有方案。