Location claim verification for alert message propagation in vehicular networks

We have witnessed a tremendous progress in vehicle networking over the last few years, with a particular emphasis on safe mobility and intelligent navigation. One of the most crucial application domains is certainly represented by collision avoidance techniques aimed at mitigating chain accidents. State-of-the-art solutions leverage on the fast propagation of Alert messages enabled by position based forwarding among vehicles. Unfortunately, due to the highly dynamic nature of vehicular ad-hoc networks (VANETs), needed information such as the position and the transmission range of vehicles is not only challenging to be collected precisely, but it is also easily affected by adversarial attacks. In this work, we discuss two possible attacks that malicious nodes could easily perform to jeopardize the performance of position based forwarding protocols, hence hindering road safety. We also propose and analyze a possible countermeasure: a validation system, based on machine learning (ML) techniques, able to detect malicious nodes, discard their false information, and protect against these attacks.

Negli ultimi anni abbiamo assistito a enormi progressi nelle reti veicolari, con un'enfasi particolare sulla mobilità sicura e sulla navigazione intelligente. Uno dei domini applicativi più cruciali è sicuramente rappresentato dalle tecniche di prevenzione delle collisioni volte a mitigare gli incidenti a catena. Le soluzioni all'avanguardia sfruttano la rapida propagazione dei messaggi di allerta consentita dall'inoltro basato sulla posizione tra i veicoli. Sfortunatamente, a causa della natura altamente dinamica delle reti ad-hoc veicolari (VANET), le informazioni necessarie come la posizione e il raggio di trasmissione dei veicoli non solo sono difficili da raccogliere con precisione, ma sono anche facilmente influenzate da attacchi. In questo lavoro, si discutono due possibili attacchi che nodi malevoli potrebbero facilmente applicare per compromettere le prestazioni dei protocolli di inoltro basati sulla posizione, ostacolando quindi la sicurezza stradale. In aggiunta si propone anche una possibile contromisura: un sistema di validazione basato su tecniche di Machine Learning (ML), in grado di rilevare nodi dannosi, scartare le loro false informazioni e quindi proteggersi da questi attacchi.