IntentProv-IoV:一种基于因果关系的可信来源机制,用于在可解释的车辆安全系统中保护交通意图的完整性
《Symmetry》:IntentProv-IoV: Causally Grounded Provenance for Traffic-Intent Preservation in Explainable Vehicular Security
【字体:
大
中
小
】
时间:2026年08月27日
来源:Symmetry 2.2
编辑推荐:
摘要
车联网(IoV)的安全机制通常会对孤立的消息进行分类或为节点分配信任等级,但这些决策并未说明恶意但经过认证的事件是否改变了交通流的预期发展。本文提出了IntentProv-IoV,这是一个基于因果关系的起源框架,用
摘要
车联网(IoV)的安全机制通常会对孤立的消息进行分类或为节点分配信任等级,但这些决策并未说明恶意但经过认证的事件是否改变了交通流的预期发展。本文提出了IntentProv-IoV,这是一个基于因果关系的起源框架,用于保障车对车(V2X)环境中的交通意图。交通意图被建模为在非对抗性条件下预期的短期集体状态,偏差则通过预测交通状态与实际观测交通状态之间的差异来衡量。该框架构建了时间起源图,将车辆、路边单元(RSUs)、协作感知输出、预测节点和交通控制决策连接起来。为了消除边缘贡献的不确定性,节点贡献被形式化为结构因果模型中的干预效应,并通过蒙特卡洛反事实边缘权重衰减方法进行估计;对于实时边缘部署情况,则采用线性敏感性作为备选方案。一个校准后的综合评分整合了异常证据、交通意图偏差、信任风险和起源贡献。评估设计将IntentProv-IoV与检测方法、信任机制、区块链信任机制、图异常检测、格兰杰因果模型、结构因果模型以及反事实图神经网络(GNN)基线进行了比较,并考虑了预测器的敏感性、适应性对手、预测噪声、数据包丢失、仅基于轨迹的真实数据验证以及边缘开销等因素。仿真结果表明,IntentProv-IoV在归因精度、减少交通意图偏差以及适应边缘环境延迟方面表现更优。通过将V2X安全从消息级检测提升为能够基于因果关系解释交通意图的保障方案,IntentProv-IoV为协作式车辆系统提供了更加可问责的安全目标。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号