Dissertação

{en_GB=An edge-based smart network monitoring system for the Internet of Vehicles} {} EVALUATED

{pt=A Internet de veículos será o futuro do transporte, vai estar presente em tudo à nossa volta e terá um impacto tremendo nas nossas vidas. No entanto, existem vários aspetos que têm que ser tidos em conta no estudo destas redes, tais como: disseminação de dados e ciber ameaças e vulnerabilidades. Para que esta tecnologia funcione da melhor maneira possível, é necessário que haja um bom mecanismo para disseminação de dados. Com este objetivo, um algoritmo de encaminhamento baseado em clusters foi desenvolvido, chamado R-privo. Este algoritmo recorre a aprendizagem automática para fazer o clustering com base em relações entre nós. O R-privo em comparação com algoritmos tradicionais, obtém uma elevada taxa de entrega com um overhead baixo. Para além disto, as IoV requerem uma grande cooperação entre nós. Neste sentido, um nó com um comportamento incorreto poderá ter um impacto em toda a rede. Com base nisto, uma abordagem em deep learning foi desenvolvida para detetar e identificar qualquer anomalia. Neste projeto foram desenvolvidos dois algoritmos baseados em relações entre nós. O sistema de monitorização é capaz de identificar o ataque sybil, o id spoofing com uma taxa de sucesso de 68\% e 95\% respetivamente. Para além disso, o algoritmo foi desenvolvido para também ser capaz de detetar desvio ao normal comportamento na rede., en=The Internet of Vehicles (IoV) is the future of transportation. It will be present everywhere and will have a huge impact on our lives. Notwithstanding, there are plenty of aspects to take into consideration while studying these networks, such as: data dissemination, cybersecurity threats and vulnerabilities. For the network to work efficiently, data has to be able to spread through the network efficiently, therefore, to tackle the data dissemination problem, a cluster-based routing algorithm was developed, R-privo. Which, uses a machine learning clustering algorithm as well as a routing algorithm based on social relationships between nodes. The R-privo, as shown by its performance in simulations, obtains high delivery rates with low overhead. Besides, due to the amount of data needed for the IoV, it also requires a good cooperation between nodes. In this sense, a misbehaving node might have a huge impact on network performance. In light of the above, a deep learning based monitoring system that is capable of detecting anomalies in the network and identify known misbehaviours was implemented. The monitoring algorithm is capable of identifying the sybil attack and the id spoofing attack with a high success rate, 68\% and 95\% for the sybil respectively. Besides, the algorithm was also built capable of detecting other misbehaviours without labelling them. }
{pt=Internet de Veículos, Aprendizagem Automática, Cluster, Aprendizagem Profunda, Monitorização de redes, en=Internet of Vehicles, Machine Learning, Clustering, Deep Learning, Network Monitoring}

Janeiro 27, 2021, 10:30

Orientação

ORIENTADOR

Naercio David Pedro Magaia

Faculdade de Ciências - Universidade de Lisboa

Professor Auxiliar Convidado

ORIENTADOR

Paulo Rogério Barreiros D'Almeida Pereira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar