MétaCan
Menu
Retour à la cohorte
Enregistrement W4280594456 · doi:10.1002/spy2.238

Roadside unit‐based pseudonym authentication in vehicular ad hoc network

2022· article· en· W4280594456 sur OpenAlexafffund
Steffie Maria Stephen, Arunita Jaekel

Notice bibliographique

RevueSecurity and Privacy · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésVehicular ad hoc networkComputer scienceComputer networkPseudonymAuthentication (law)Wireless ad hoc networkRevocation listComputer securityOverhead (engineering)CertificateIntelligent transportation systemRevocationPublic key certificatePublic-key cryptographyWirelessEncryptionTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Information sharing among vehicles is an essential component of an Intelligent Transportation System (ITS), but must take into consideration the security and privacy requirements of the network participants. Vehicular Ad Hoc Network (VANET) is a pervasive network, where vehicles communicate wirelessly with nearby vehicles, infrastructure nodes, and other connected devices to improve road safety and provide other useful services. Security of VANET can be improved by ensuring that only authorized vehicles can participate in the network. This research proposes a new approach that uses roadside units (RSUs) to authenticate safety messages and notify vehicles about any unauthorized messages/senders. We present a three‐tier architecture with a distributed blockchain to securely maintain the identity of all vehicles in the network. The use of this RSU‐based approach helps to reduce the computational overhead on the On‐board unit (OBU) of individual vehicles and does not require the transmission of lengthy certificates and certificate revocation lists with each message. Simulation results indicate that the proposed approach achieves improved performance compared to existing techniques in terms of both authentication delay and channel load.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSecurity and PrivacyMême sujetVehicular Ad Hoc Networks (VANETs)Travaux en français237 207