مدل کارآمد برای بهبود مستمر در سطح پیشرفته و چگونگی محاسبات لبهی چنددسترسی ایمن بر پایهی غالب GRU و بلاک چین در شبکههای خودرویی

شبکههای ادهاک خودرویی (VANET) نقش حیاتی در بهبود کیفیت خدمات و ایمنی حملونقل هوشمند دارند، اما در عین حال، با چالشهای امنیتی جدی مواجه هستند. امنیت در این شبکه ها از مسائلی است که به پژوهش و راهکارهای نوآورانه نیاز دارد. عناصر مخرب می توانند از طریق روش هایی مانند مسدودسازی، نظارت و دستکاری، امنیت و اعتماد را در شبکه های VANET تهدید کنند. فناوری بالکچین با ساختار غیرمتمرکز خود، شرایطی را برای ذخیره سازی و انتقال ایمن داده های مرتبط با برنامه های VANET بدون نیاز به مرکز مدیریت فراهم می آورد. با این وجود، پیاده سازی یک سیستم اجماع کارآمد و سازگار در بالکچین مرتبط با VANET همچنان یک چالش برای تحقیقات به شمار می رود. در این راستا، این مطالعه یک مدل یادگیری عمیق مبتنی بر بالکچین را برای افزایش امنیت شبکه های VANET ارائه می دهد. مدل پیشنهادی شامل یک ساختار سه لایه است که شامل الیه ادراک، الیه محاسبات لبه ای، و الیه خدمات می باشد. الیه ادراک به مدیریت عملیات بالکچین با هدف حفظ حریم خصوصی اطلاعات می پردازد. الیه محاسبات لبه ای و خدمات ابری برای پردازش سریع و ایمن داده ها مورد استفاده قرار می گیرند. در نهایت، الیه خدمات با استفاده از تکنولوژی بلاک چین و ذخیره سازی ابری، کیفیت خدمات و امنیت را ارتقا می دهد. هدف اصلی مدل، ارزیابی و تامین قابلیت اطمینان گره های خودرویی در شبکه ی بالکچین است. فرآیند احراز هویت گره ها از طریق یک واحد تطبیقی گیت اهمیت یافته انجام می شود که پارامترهای آن با استفاده از یک الگوریتم بهینه سازی پیشرفته تنظیم می گردند. شبیه سازی ها نشان دهنده قابلیت های بهبود یافته مدل پیشنهادی در مقایسه با سایر روش ها در امنیت اطلاعات و عملکرد شبکه های VANET هستند.

کلیدواژه ها:

شبکهی ادهاک خودرویی ، امنیت داده ، ذخیرهسازی ابری ، شبیهسازی ، خدمات ابری ، محاسبات لبه ای