A Secure and Efficient Wireless Charging Scheme for Electric Vehicles in Vehicular Energy Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
To address the limited driving range of electric vehicles (EVs) and promote EVs’ penetration, vehicular energy networks (VENs) have emerged and opened possibility to charge EVs in motion via dynamic wireless power transfer (DWPT) technology. However, security and efficiency concerns arise due to the untrusted operating environment and EVs’ selfish charging/discharging behaviors. Existing trust models rely on the personal recommendations from neighboring EVs to identify malicious entities in VENs, which may cause potential privacy breaches and data misuse for recommenders. Besides, it is challenging to optimally schedule EVs’ energy behaviors by considering complex interactions among three energy entities (i.e., energy nodes, charging EVs, and discharging EVs). To this end, by leveraging blockchain technology and game theory, this paper proposes a secure and efficient wireless charging scheme to address these issues in VENs. Firstly, a blockchain-based fine-grained access control mechanism with traceability and auditability is presented to enable EV users to fully control and audit their personal rating data usage during trust management by logging data activities and issuing access tokens into decentralized ledgers. In this manner, the privacy of recommenders can be preserved by fully controlling the access and usage of personal rating data. Furthermore, by introducing cooperative wireless energy transfer mode, a hierarchical game-based energy scheduling algorithm is developed to optimize the strategies of three energy parties tier by tier, while considering their cooperation and competition. Finally, extensive simulations are conducted, which demonstrate that the proposed scheme can effectively improve users’ utility and security of energy transmission for EVs, compared with existing representative approaches.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle