مهدی قلی پور الهرد - دانشجوی کارشناسی ارشد مخابرات امن و رمزنگاری، پژوهشکده فضای مجازی ، دانشگاه شهید بهشتی ، تهران
سعید شکرالهی - استادیار گروه مخابرات امن و رمزنگاری ، پژوهشکده فضای مجازی، دانشگاه شهید بهشتی ، تهران ،
مهتاب دهقان - کارشناسی ارشد مخابرات امن و رمزنگاری، پژوهشکده فضای مجازی، دانشگاه شهید بهشتی ، تهران

شبکه های موردی بین خودرویی فناوری پیشرفته و نوظهوری هستند که امکان ارتباط خودروها با یکدیگر و با زیرساخت های شبکه را فراهم می کنند. ساختار باز و پویای این شبکه ها زمینه را برای حملات متنوع به شبکه و کاربران فراهم کرده و امنیت این شبکه ها را با چالش روبرو کرده است. جعل موقعیت یکی از این حملات است که تا کنون راهکارهای مبتنی بر یادگیری ماشین و راه کارهای مبتنی بر رسی های معقول بودن در تشخیص آن ها ارائه شده است. با این وجود این نوع راه کارها به تنهایی برای تشخیص دقیق این حملات کافی نبوده اند. در این مقاله، روشی پیشنهاد شده است که از هر دو نوع راه کار برای تشخیص حملات جعل موقعیت استفاده می کند. در این روش، ابتدا یک بررسی در لایه فیزیکی از رابطه بین RSSI و فاصله انجام می شود و سپس خروجی آن به همراه ویژگی های دیگر وارد سیستم تشخیص بدرفتاری مبتنی بر یادگیری ماشین می شود. برای شبیه سازی و ارزیابی روش پیشنهادی از مجموعه داده Modified VeReMi استفاده شده است. نتایج شبیه سازی نشان می دهد که روش پیشنهادی عملکرد مطلوبی را به ویژه در بخش بازیابی از خود نشان می دهد

تشخیص بدرفتاری، یادگیری ماشین، شبکه های موردی بین خودرویی، حمله جعل موقعیت، بررسی لایه فیزیکی