车联网环境下恶意软件的分数阶传播模型及控制研究

作     者：谭志浩 

作者单位：广州大学 

学位级别：硕士

导师姓名：刘贵云

授予年度：2024年

学科分类：0839[工学-网络空间安全] 08[工学] 0838[工学-公安技术] 

主      题：车联网 恶意软件 分数阶 传播模型 最优控制 机器学习 

摘      要：车联网作为智能交通系统中的重要组成部分,在改善驾驶体验和提高交通效率方面有着显著优势。随着车联网的快速发展,车辆之间以及车辆与基础设施之间的信息交互日益频繁且错综复杂。在这个快速变革的背景下,安全需求愈发成为车联网发展中不可或缺的重要因素。由于车联网具有节点移动速度快、无线信道开放和网络拓扑结构复杂等特性,使其容易遭受恶意攻击,从而威胁到车辆和基础设施的安全。恶意软件作为车联网安全的重要威胁之一,目前对车联网恶意软件的抑制传播研究还相对较少。因此,本文在深入分析和总结国内外恶意软件相关研究成果的基础上,研究了恶意软件在V2V环境和车路协同系统下的传播模型和相应的控制策略。 首先,针对恶意软件在V2V环境下的传播模型研究,本文在建模上采用车速服从高斯分布的车辆移动模型,并考虑通信衰落来计算车辆节点之间的通信连通率,以此获得恶意软件在车联网中传播的概率,再应用流行病模型和分数阶微积分理论建立恶意软件的分数阶传播模型。根据下一代矩阵法求解得到恶意软件的传播阈值,应用稳定性理论证明了模型平衡点的局部渐近稳定性和全局渐近稳定性。在恶意软件的控制策略研究上,结合车联网中常用的恶意软件控制措施,应用最优控制理论得到相应的控制策略。研究结果表明,车速与传播阈值呈正相关;交通流量和通信半径与传播阈值呈负相关;同时,得到的控制策略在恶意软件传播的控制效果和控制代价上可以实现综合最优化。最后,针对最优控制出现的反复迭代求解问题,引入基于机器学习的恶意软件控制策略。结果表明通过数据集的训练,模型能很好的跟踪最优控制的曲线。 此外,针对恶意软件在车路协同系统中的传播问题,本文分情况讨论车辆与路边设备之间的通信连通率。同时,考虑恶意软件在不同类型设备中传播存在传播时滞,从而建立了恶意软件在车路协同系统中的分数阶时滞传播模型。求解了恶意软件的传播阈值,并根据稳定性理论证明了模型平衡点的局部渐近稳定性。设置不同仿真条件对传播模型进行分析和讨论,通过仿真定性分析了时滞对恶意软件传播以及模型平衡点稳定性的影响,之后提出车路协同系统下抑制恶意软件传播的控制策略。研究结果表明,不同的分数阶阶次不会影响模型的稳定性;同时,通过多种控制策略的对比发现本文提出的控制策略是综合最优的。最后,依然采用基于机器学习的恶意软件控制策略进行了对照实验,验证了该控制策略的有效性。