Cooperative vehicle platooning significantly improves highway safety and fuel efficiency. In this model, a set of vehicles move in line formation and coordinate functions such as acceleration, braking, and steering using a combination of physical sensing and vehicle-to-vehicle (V2V) messaging. The authenticity and integrity of the V2V messages are paramount to highway safety. For this reason, recent V2V and V2X standards support the integration of a PKI. However, a PKI cannot bind a vehicle's digital identity to the vehicle's physical state (location, heading, velocity, etc.). As a result, a vehicle with valid cryptographic credentials can impact the platoon by creating "ghost" vehicles and injecting false state information. In this paper, we seek to provide the missing link between the physical and the digital world in the context of verifying a vehicle's platoon membership. We focus on the property of following, where vehicles follow each other in a close and coordinated manner. We aim at developing a Proof-of-Following (PoF) protocol that enables a candidate vehicle to prove that it follows a verifier within the typical platooning distance. The main idea of the proposed PoF protocol is to draw security from the common, but constantly changing environment experienced by the closely traveling vehicles. We use the large-scale fading effect of ambient RF signals as a common source of randomness to construct a PoF primitive. The correlation of large-scale fading is an ideal candidate for the mobile outdoor environment because it exponentially decays with distance and time. We evaluate our PoF protocol on an experimental platoon of two vehicles in freeway, highway, and urban driving conditions. In such realistic conditions, we demonstrate that the PoF withstands both the pre-recording and following attacks with overwhelming probability.


翻译:合作性车辆排队大大改善了公路安全和燃料效率。在这个模型中,一组车辆在编队和协调诸如加速、制动、制动等功能,同时使用物理感测和车辆到车辆之间的错误状态信息,V2V信息的真实性和完整性对于公路安全至关重要。为此,最近的V2V和V2X标准支持了PKI的整合。然而,PKI无法将车辆的数字身份与车辆的物理状态(位置、航向、速度等)联系起来。因此,具有有效加密证书的车辆能够通过创建“Ghost”车辆和输入错误状态信息来影响排。在本文件中,我们力求在核查车辆排员身份时提供有形世界和数字世界之间缺失的链接。我们侧重于跟踪车辆的特性,以密切和协调的方式跟踪车辆的整合。我们的目标是制定一个符合现实性的(PoF)协议,让候选人车辆能够证明它在典型的行距内进行校正的行距距离内校准。我们所了解的行距的行距的行距的行距的行距状况,我们所了解的行距的行距的行距上的轨道上的轨道,这是一个大路路路路段。我们所建的轨道上的一个主要想法,我们所路路路路路路的轨道,我们所建的轨道,这是一个不断的轨道上的轨道的轨道,我们所建的轨道的轨道上的轨道,我们所建的轨道上的轨道,我们所路面的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道,我们。我们所建的轨路路路路面的轨道,这是的轨道上的轨道上的轨道上的轨道上的轨道,这是一个不断。我们所路面的轨道,一个不断。我们所路的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道,这是的轨道上的轨道上的轨道上的轨道上的轨道,我们所路的轨道上的轨道,这是上的一个,这是的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨路段,我们所的深度是密切,这是一个不断的深度,我们所,我们所。我们所。我们所。我们所路面的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的轨道上的

0
下载
关闭预览

相关内容

Integration:Integration, the VLSI Journal。 Explanation:集成,VLSI杂志。 Publisher:Elsevier。 SIT:http://dblp.uni-trier.de/db/journals/integration/
【硬核书】矩阵代数基础,248页pdf
专知会员服务
83+阅读 · 2021年12月9日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2022年1月22日
Joint Monocular 3D Vehicle Detection and Tracking
Arxiv
8+阅读 · 2018年12月2日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员