چارچوب امنیتی نوین برای اینترنت اشیای خودرویی (IoV) مبتنی بر یادگیری فدرال و بلاک چین سبک وزن

با گسترش فناوری های هوشمند در حوزه حمل و نقل و ظهور شبکه های متصل میان وسایل نقلیه، اینترنت اشیای خودرویی به عنوان یکی از ارکان اصلی زیرساخت های شهر هوشمند مطرح شده است. با این حال تهدیدات امنیتی نظیر حملات مرد میانی، جعل هویت، حملات انکار سرویس و نقض حریم خصوصی چالش های جدی در مسیر توسعه این فناوری ایجاد کرده اند. این مقاله با مروری نظام مند بر ۲۸ مطالعه علمی منتشر شده بین سال های ۲۰۲۲ تا ۲۰۲۵ به تحلیل راهکارهای نوین امنیتی شامل استفاده از بلاک چین سبک وزن، یادگیری فدرال، رمزنگاری، سبک احراز هویت چند عاملی و سامانه های تشخیص نفوذ مبتنی بر یادگیری عمیق پرداخته است. علاوه بر این محدودیت های عملیاتی مانند توان پردازشی محدود و مصرف انرژی در لایه های مختلف شبکه بررسی شده اند. در پایان یک معماری امنیتی ترکیبی مبتنی بر یادگیری فدرال و بلاک چین برای بهبود حریم خصوصی، کاهش سربار ارتباطی و افزایش تاب آوری در برابر تهدیدات ارائه شده است. نتایج این مطالعه می تواند مسیر توسعه چارچوب های امن و مقیاس پذیر را در بستر IoV هموار سازد.

کلیدواژه ها:

اینترنت اشیای خودرویی ، امنیت سایبری ، بلاک چین سبک وزن ، یادگیری فدرال ، احراز هویت چندعاملی ، تشخیص نفوذ هوشمند