Гибридная модель эффективного представления данных в беспроводных транспортных сетях с динамической топологией VANET

Abstract

В настоящий момент системы информирования о дорожном движении требуют агрегирования больших данных для предоставления рекомендаций транспортным средствам в действующих условиях, что приводит к повышению комфорта пользователей. Основным инструментом повышения уровня безопасности стало своевременное информирование участников движения о текущей ситуации на дороге, погодных условиях и т. п. В этом случае если объект сети будет подвержен атаке и данные при передаче будут заменены, то по всей зоне видимости сегмента VANET возможно раскрытие конфиденциальной информации, создание аварийных ситуаций и т. д. В этой связи наиболее остро встает вопрос обеспечения безопасности, в том числе при передаче трафика, и проведения дополнительного анализа больших данных об аномалиях и проводимых несанкционированных действиях. Цель исследования. Разработать гибридную модель эффективного размещения исходных и промежуточных данных в беспроводных транспортных сетях с динамической топологией VANET, являющуюся по сути структурным представлением программно-конфигурируемой сети и инструментов проведения граничных вычислений, с возможностью оптимально относительно времени анализировать данные узлов сети и выявлять аномалии. Методы. Рассмотренный подход Edge computing состоит в расположении вычислительных мощностей в географически распределенных вычислительных устройствах ближе к конечным пользователям. Программно-конфигурируемые сети SDN передают часть функций управления и физической передачи с маршрутизаторов и коммутаторов, уменьшая нагрузку. В рамках данного исследования разработан алгоритм RD – протокол передачи и обработки промежуточных данных. Для проведения кластеризации ТС на сегменте сети использован метод обучения без учителя DBSCAN. Предварительный анализ аномального трафика проведен на основе моделей нейронных сетей RNN с кратковременной памятью. Результаты. Разработанная гибридная модель эффективного размещения исходных и промежуточных данных позволяет быстрее реагировать на несанкционированные действия. Заключение. Результаты, полученные в ходе проведенного исследования, подтверждают необходимость внедрения и масштабирования гибридной модели с граничными вычислениями на практике. At the moment, traffic information systems require the aggregation of big data to provide recommendations to vehicles in the current conditions, which leads to an increase in user comfort. The main tool for improving the level of safety was timely informing traffic participants about the current situation on the road, weather conditions, etc. In this case, if the network object is subjected to an attack and the data is replaced during transmission, then the disclosure of confidential information, the creation of emergency situations, etc. is possible throughout the visibility zone of the VANET segment. In this regard, the most urgent issue is ensuring security, including when transmitting traffic, and conducting an additional analysis of big data about anomalies and ongoing unauthorized actions. Aim. To develop a hybrid model for the efficient placement of source and intermediate data in wireless transport networks with a dynamic VANET topology, which represents a structural representation of a software-configurable network and edge computing tools, with the ability to optimally analyze data from network nodes and identify anomalies. Methods. The considered Edge computing approach consists in locating computing capacities in geogra-phically distributed computing devices closer to end users. Software-configurable SDN networks transfer part of the control and physical transmission functions from routing and switches, reducing the load. Within the framework of this study, an RD algorithm has been developed – a protocol for transmitting and processing intermediate data. To carry out clustering of vehicles on a network segment, the DBSCAN unsupervised learning method was used. Preliminary analysis of abnormal traffic was carried out on the basis of RNN neural network models with shortterm memory. Results. The developed hybrid model of effi-cient placement of initial and intermediate data makes it possible to react faster to unauthorized actions. Conclusion. The results obtained in the course of the study confirm the need to implement and scale a hybrid model with boundary calculations in practice.