بررسی روش های جدید تشخیص نفوذ در شبکه های خودرویی (VANET)

با گسترش روزافزون فناوری های ارتباطی در صنعت حمل ونقل، شبکه های خودرویی (VANET) به عنوان یکی از زیرساخت های کلیدی شهرهای هوشمند شناخته می شوند. این شبکه ها با فراهم سازی ارتباط بین خودروها و زیرساخت های شهری نقش مهمی در ارتقاء ایمنی، مدیریت ترافیک و بهبود کیفیت زندگی ایفا می کنند. با این حال ویژگی هایی نظیر تحرک بالا، رسانه ی مشترک و فقدان زیرساخت های امنیتی متمرکز، VANETها را به هدفی جذاب برای مهاجمان سایبری تبدیل کرده اند. در سال های اخیر مطالعات متعددی به بررسی راهکارهای تشخیص نفوذ در این شبکه ها پرداخته اند. برخی از این پژوهش ها تلاش کرده اند با ترکیب یادگیری ماشین و پروتکل های رمزنگاری امنیت ارتباطات V۲X را ارتقاء دهند. با وجود تلاش های صورت گرفته این مقاله بیشتر بر جنبه های الگوریتمی تمرکز دارد و از لحاظ پوشش جامع تهدیدات و ارزیابی عملیاتی کاستی هایی دارد که در مطالعات جدیدتر با دیدگاه های دقیق تر مورد توجه قرار گرفته اند. با گسترش روزافزون شبکه های خودرویی (VANET)، امنیت این شبکه ها به یکی از چالش های مهم در حوزه حمل ونقل هوشمند تبدیل شده است. حملات سایبری می توانند منجر به ایجاد اختلال در تبادل داده های حیاتی بین خودروها و زیرساخت ها شوند. در سال های اخیر استفاده از روش های نوین مانند یادگیری ماشین، یادگیری فدرال، دیجیتال تویین و الگوریتم های هیبریدی به منظور تشخیص نفوذ در VANET مورد توجه محققان قرار گرفته است. این پژوهش به بررسی و مقایسه این روش ها پرداخته و مزایا، محدودیت ها و چالش های هر رویکرد را تحلیل می نماید.

کلیدواژه ها:

شبکه های خودرویی ، VANET ، تشخیص نفوذ ، یادگیری فدرال ، حمل ونقل هوشمند