Identification de l'environnement basée sur l'estimation de canal et génération de clés de sécurité pour les communications véhiculaires

Abstract

Les véhicules connectés autonomes devraient être largement déployés dans le cadrede la prochaine génération de systèmes de transport et de la future route intelligente.Comme l'environnement véhiculaire est très mobile, les messages transmis sont affectés par l'effet de canal sans fil. L'estimation de canal devient ainsi l'une des tâchesles plus difficiles des communications véhiculaires (V2X). Dans ce contexte, nousproposons un nouvel algorithme d'estimation de canal MSCR (Multiple SequentialConstraint Removal) dédiée aux communications V2X basées sur les systèmes OFDM.De plus, l'identification de l'environnement dans lequel le véhicule circule est assez importantepour permettre au véhicule de prendre les bonnes décisions de conduite autonome.Ainsi, en exploitant les caractéristiques estimées du canal sans fil, nous proposonsune nouvelle approche d'identification de l'environnement véhiculaire basée surle Deep Learning, où les CSI estimées sont utilisées comme caractéristiques d'entréepour le modèle proposé. En outre, comme l'environnement véhiculaire est un accès ouvert,les messages échangés via la communication V2X sont vulnérables aux attaques.Par consequent, nous proposons un nouvel algorithme de generation de clé à base dela couche physique afin de sécuriser les communications véhiculaires, où les valeursCSI sont utilisées comme source aléatoire. Notre algorithme de génération de clés a étéimplémenté sur des cartes SDR USRP et a été testé sur un environnement véhiculaireréel. Les résultats de l'évaluation des performances de toutes les méthodes proposées(algorithme d'estimation de canal MSCR, approche d'identification d'environnementet algorithme de génération de clés), montrent qu'elles répondent parfaitement auxexigences requises dans un environnement véhiculaire.