车载通信安全：多通道与多因素认证

V2I通信中提出基于车灯闪烁的多通道多因素认证方案，结合NLOS加密凭证与LOS视觉通道，通过基础设施发送挑战并接收车辆编码的响应数据，利用深度学习解码验证身份。实验显示在多种环境条件下准确率达95%-96.6%，双通道设计最优，能同时解码闪烁序列和提取空间特征以增强安全认证。

　　

摘要：

对于智能交通系统（ITS）而言，安全可靠的通信至关重要，其中车对基础设施（V2I）通信在提供提升移动性和保障安全的关键服务方面发挥着重要作用。当前的V2I认证依赖于基于凭证的方法，这些方法通过无线非视距（NLOS）通道进行，因此容易受到远程身份伪造和近距离攻击的威胁。为了降低这些风险，我们提出了一种统一的多通道多因素认证（MFA）方案，该方案将NLOS加密凭证与视距（LOS）视觉通道相结合。我们的方法采用了挑战-响应的安全范式：基础设施发出“挑战”，车辆的前灯通过闪烁包含编码安全数据的结构化序列来响应。基础设施端的深度学习模型随后解码这些嵌入的信息以验证车辆身份。实际实验评估显示，在不同的光照、天气、速度和距离条件下，测试准确率分别达到了95%和96.6%。此外，我们对三种最先进的深度学习模型进行了广泛实验，并对解码闪烁序列的过程进行了详细的消融研究。我们的结果表明，最佳架构采用了双通道设计，能够同时解码闪烁序列并提取车辆的空间和位置特征，从而实现强大的认证功能。

引言

未来的交通系统不仅应该是环保的或自主的，还应该是互联的、智能的，并且越来越容易受到网络威胁[1]、[2]。随着车辆不断与其周围环境交换关键信息，建立安全可靠的通信对于保障移动性和安全性变得至关重要。例如，车对车（V2V）通信允许附近车辆共享数据以协调行驶并避免碰撞[3]，而车对基础设施（V2I）通信则使车辆能够与道路基础设施交互，请求和接收交通信号信息[4]。针对V2I应用，我们考虑了一种场景：车辆必须进行身份验证才能进入受限车道或道路区域（如高载客量车道、机场区域或军事区域），或者更一般地，才能接收某些服务。这种用例通常涉及与道路基础设施的安全交换，以验证车辆的身份和授权状态，从而允许其进入受控区域或使用特定服务。车辆认证过程（即验证车辆身份）对于确保安全和保障至关重要[5]、[6]。