Blockchain-based message communication system for vehicular ad hoc networks
Notice bibliographique
Résumé
Vehicular ad hoc networks (VANETs) are ephemeral networks that enables vehicles to share information about the travel route such as traffic congestion or accidents with other vehicles to help them make real time decisions. A VANET, however, is neither secure nor fault tolerant and its security is usually handled by central certificate authorities plagued with inefficiency. Hence, vehicles in these networks are prone to malicious attacks and messages may not be trustworthy. A blockchain network on the other hand ensures that data is secure and fault tolerant using its distributed and decentralized system. This thesis addresses the following question: How can we determine the trustworthiness of a message sent by a vehicle in the VANET? The answer lies in the blockchain and the methodology is described below. The large network is first partitioned into zones, each zone consisting of road side units (RSUs). Each RSU uses the calculated trust/credibility values of the received messages to form a block in the blockchain. In this thesis, we propose a trust inference model that combines the recommendation from other trusted vehicles as well as dynamic metrics like proximity to event location and the model aggregates them through a probabilistic Bayesian approach. We further study the feasibility of our model by practically implementing the RSUs as nodes on a Hyperledger blockchain framework. We conduct various experiments on blockchain and VANET parameters using the data from Winnipeg Public Works Department. We conclude that the model can tolerate a faulty RSU and that it is not detrimental to the network since the data in the blockchain is distributed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».