VANET具有特殊移动自组织网络的特征，网络规模大，能量供应充足[5]。但网络中车辆快速移动，使得VANET网络拓扑变化频繁、间歇式连通[6]，网络的动态拓扑结构对其连通性有非常重要的影响，网络受到攻击时表现为复杂的脆弱性，这种动态特征与脆弱性特征对信息传播速度和准确性造成了不良影响，限制了VANET在现阶段的应用，成为VANET所面临亟需解决的问题。
目前，国内外****对无线自组织(Ad Hoc)网络的脆弱性研究较多。新加坡Tyagi等[7]针对识别危险源问题，提出了一种以资产和攻击者为中心相结合的混合威胁识别方法，分析了Ad Hoc网络不同层次的网络脆弱性，并给出了解决方案。文献[8-9]利用复杂网络和智能驾驶员模型构建了VANET仿真环境，对VANET抗毁性进行了研究，得出了VANET既有鲁棒性又有脆弱性的结论。文献[10]就Ad Hoc网络脆弱性提出了网络安全目标，探讨了主动和被动攻击模式，对Ad Hoc网络的安全机制问题进行了重点研究。文献[11]建立了一个集群无线传感器网络的级联模型，讨论了模型参数对网络抗毁性的影响，并对无标度网络和随机网络拓扑结构的抗毁性进行了评估。Khan等[12]利用广义速度因子(Generalized Speed Factor，GSF)分析了3种不同移动环境下车辆的连通性，结果表明，连通概率与车辆平均速度成正比，稀疏VANET连通性较弱。当前对VANET网络拓扑性质的研究主要基于复杂网络理论，分析其最短路径长度、聚集系数和度分布等[13-14]性能参数。据研究所知，对VANET网络拓扑结构脆弱性的研究甚少。脆弱性是VANET网络拓扑结构的重要特性，表达了网络受到不同类型攻击时其服务水平下降的程度。
本文采用复杂网络理论研究VANET的脆弱性问题。首先，构建VANET网络拓扑模型，基于节点度和节点介数评估节点重要性，用最大连通度、连通分支平均规模、全局网络效率作为脆弱性评估指标；然后，研究节点密度、信号辐射半径等参数对网络脆弱性的影响，这些规律对VANET网络协议开发、拓扑控制和网络管理有着重要的意义。
1 VANET网络拓扑模型及脆弱性测度 1.1 VANET网络拓扑模型 在VANET动态复杂网络中，将车辆节点、路边单元(Road Side Unit，RSU)抽象为网络中的节点，节点之间无线通信映射为节点之间的连边，根据图论建立VANET网络拓扑模型，用V={v1, v2, …, vN}表示网络中节点的集合，节点数目N=||V||，E={e1, e2, …, eN}表示网络中边的集合，G=(V, E)表示VANET的网络拓扑图。设含有节点vi连通分支的子图为Zi=G(Vi, Ei)，最大连通分支定义为图G中节点数目最多的连通分支，最大连通分支的节点数用
1.2 脆弱性测度 依据文献[8, 15]给出了定义1~定义7。
1.2.1 连通分支测度 定义1??最大连通度S。网络总节点数中最大连通分支节点数的占比称为最大连通度，即
 | (1) |
式中：0≤S≤1，当且仅当网络全连通时，S=1，网络受到攻击后，S逐渐减少，直至S=0，这时节点均为孤立节点，网络完全崩溃。
定义2?? 连通分支平均规模s。指当网络受到攻击去掉最大连通分支后剩余连通分支的平均节点数，即
 | (2) |
定义3 ?? 临界点移除比例fc。指网络处于临界崩溃状态时网络中被攻击的节点数与总节点数的比值，即网络处于崩溃边缘的阈值。当网络处于某种模式的攻击状态下，设节点移除比例为f。当f≤fc时，网络中存在至少一个完整的连通分支；当f>fc时，网络被分割成很多非连通分支。
1.2.2 全局网络效率测度 定义4?? 网络平均路径长度L。设dij为连接任意节点对(vi, vj)之间的最短路径的边数，网络平均路径长度定义为任意2个节点之间距离的平均值，即
 | (3) |
定义5 ?? 全局网络效率E。设dij的倒数为节点对之间的连通效率，全局网络效率为所有节点对连通效率的平均值，即
 | (4) |
全局网络效率越大，说明网络连通性越好。
网络平均路径长度能够表征网络的连通性，平均路径长度越小，网络连通性越好。但VANET中车辆节点高速移动，网络拓扑结构变化频繁，存在间歇连通的可能性，即瞬时dij=∞的情况。当在某种攻击模式下，网络被破坏到一定程度时，会产生很多孤立的节点，也存在dij=∞的情况，此时网络非全连通，平均路径长度发散，用全局网络效率表达非全连通状态下的连通性更适合。
2 仿真实验 2.1 网络攻击策略 脆弱性主流方法是对网络进行不同方式的攻击，用相应的度量指标对网络的脆弱性进行分析。网络攻击策略即为用何种方法去除网络中的节点或边，目前研究中主要有蓄意攻击和随机攻击2种方式[16-18]。蓄意攻击是有目的的攻击形式，选择性攻击目标，其攻击过程描述为：选取网络中最关键的节点或边作为攻击目标，目标被破坏后，网络的连通性将发生改变，此时重新测算网络中最关键的节点或边后再次攻击，循环攻击后，网络变成非全连通状态，直至攻击完所有的节点或边。随机攻击指任意选取网络中的节点或边进行攻击，没有特定目标，随后再随机选取网络中的剩余节点或边，直至攻击完所有的节点或边。在现有研究中有许多挖掘节点或边重要性的方法，本文用复杂网络理论中节点度和介数对节点的重要性进行评估。
定义6 ?? 节点度ki。网络中与节点vi相邻边的数量ki称为节点vi的度。网络中有N个节点，则网络中节点度的平均值为
 | (5) |
定义7?? 节点介数Bi。网络中所有最短路径中经过节点vi的数量比例，即
 | (6) |
式中：Njk(i)表示节点对(vj, vk)之间的最短路径经过节点vi的条数；Njk表示节点对(vj, vk)之间的最短路径数量。
从节点度和节点介数的定义来看，某个节点的度越大，说明该节点越重要。节点介数描述了节点在网络中的影响力和作用，某个节点介数越大，说明该节点在网络中交换的数据量越大，节点越重要，视为网络中的关键节点。
2.2 参数设置 目前，获得真实网络轨迹比较困难，存在数据不完整、精度不够等问题，公开的网络轨迹非常少，因此，本文利用VanetMobiSim软件[19]仿真VANET场景并对其脆弱性进行分析。移动模型采用智能驾驶员模型，可进行车道变换(Intelligent Driver Model with Lane Changes，IDM-LC)，模型仿真参数如表 1所示。
表 1 模型仿真参数 Table 1 Simulation parameters of model
| 参数 | 数值 |
| 信号辐射半径r/m | 100, 200, 300 |
| 仿真区域面积/(m×m) | 2 000×2 000 |
| 节点数目N | 100, 200, 300 |
| 车道数 | 双向四车道 |
| 仿真时间/s | 300 |
| 节点速度/(m·s-1) | 5~20 |
表选项
VANET模型中，移动的节点即为运动的车辆，仿真实验中，车辆长度为5 m，礼貌参数为0.5，加速度为0.6 m/s2，减速度为0.9 m/s2，还可以获得任何时刻车辆的速度、加速度、位置等信息。
2.3 VANET脆弱性分析 根据网络攻击策略和节点重要性的评价方法，分为基于节点度的蓄意攻击、基于节点介数的蓄意攻击和随机攻击。在VANET网络中，为便于分析，用符号RK、RB、RA分别表示基于节点度的蓄意攻击、基于节点介数的蓄意攻击、基于节点介数的随机攻击。
图 1为不同信号辐射半径，节点数目为200，网络受到RK、RB、RA攻击时最大连通度的变化情况。由图 1可知，当节点信号辐射半径为100 m、f=0时，S=0.375 0，初始网络连通性不佳。网络受到攻击后，当最大连通度数值小于0.1时，网络基本瘫痪。
 |
| 图 1 RA、RK、RB攻击模式下VANET最大连通度 Fig. 1 The largest connected degree of VANET in RA, RK and RB attack modes |
| 图选项 |
在RK攻击下，当S=0.061 2时，fc=0.296 6；在RB攻击下，当S=0.091 2时，fc=0.214 7；在RA攻击下，当S=0.087 3时，fc=0.656 7，RK与RB的交点为f=0.273 5。表明网络受攻击初期，蓄意攻击模式下S下降较快，RB攻击模式下VANET最脆弱；随着f的增加，S下降幅度变得平缓，VANET网络表现出一定的抗毁性。
当节点信号辐射半径为300 m，f=0时，S=0.936 0，初始网络连通性非常好。在RK攻击下，当S=0.074 9时，fc=0.536 8；在RB攻击下，当S=0.090 8时，fc=0.387 3；在RA攻击下，当S=0.073 3时，fc=0.798 6。随着节点辐射信号半径的增加，网络连通性越好，fc越大，VANET脆弱性越弱。在蓄意攻击下，S值初期下降幅度较大，说明此时关键节点被移除后网络被分割成多个小的连通分支，随后下降幅度变缓，二者之间呈现出断崖式下降，表现为较强的脆弱性。另外，当信号辐射半径相同时，RK、RB攻击下的临界点移除比例fc均小于RA攻击的fc值，因此，VANET在蓄意攻击模式下具有较强的脆弱性。在已知网络拓扑结构的前提下，保护介数大的节点更重要。
图 2为网络中节点数为200、信号辐射半径不同时，VANET在RK、RB、RA三种攻击模式下网络连通分支平均规模的变化趋势。仿真结果表明，当信号辐射半径为100 m时，初始网络连通性不佳，RK、RB、RA三种攻击模式下网络连通分支平均规模s与移除节点比例f成反比；当信号辐射半径为200 m时，网络初始连通性得到改善，从变化趋势上可知，随着节点移除比例的增加，VANET连通度变得越来越松散，3种模式的s随f均为先变大后变小，RA攻击模式下s波动最小；当信号辐射半径为300 m时，RA攻击模式下，s随f变化缓慢，但在RK、RB攻击模式下，RB攻击模式下的s波动大于RK模式，说明基于节点介数的攻击效能要强于基于节点度的攻击效能，s分别在fc=0.423 6和fc=0.176 3处开始迅速变小之后再缓慢变小，此时大量节点连接失效，VANET被分割成许多较小的互不连通的分支，网络趋于崩溃。
 |
| 图 2 RA、RK、RB攻击模式下VANET连通分支平均规模 Fig. 2 Average size of connected components of VANET in RA, RK and RB attack modes |
| 图选项 |
图 3为节点信号辐射半径不同、车辆节点数为200时，网络在RK、RB、RA攻击模式下VANET的全局网络效率。仿真结果表明，信号辐射半径越大，全局网络效率越高；3种不同攻击策略下，RA攻击模式的全局网络效率最高。对于RK、RB攻击策略，从图 1~图 3比较脆弱性测度的值可知，RB模式的攻击效能最强，RK次之。在相同的节点信号辐射半径下，RA攻击模式下的全局网络效率均高于RK、RB。
 |
| 图 3 RA、RK、RB攻击模式下信号辐射半径对VANET全局网络效率的影响 Fig. 3 Influence of signal radiation radius on global network efficiency of VANET in RA, RK and RB attack modes |
| 图选项 |
图 4~图 6为节点信号辐射半径为300 m时，RA、RK、RB攻击模式下车辆节点密度对网络脆弱性的影响。研究结果表明，在信号辐射半径一定时，节点密度越小，网络连通性越差，VANET越脆弱；随着节点密度的增加，网络连通性变好，VANET脆弱性得到改善；当VANET全连通时，节点密度对网络脆弱性影响较小。因此，在进行VANET拓扑控制时，依据地形、实际道路、RSU配置等不同场景，对节点密度、节点信号辐射半径进行优化配置，可使得网络具有较好的连通性。
 |
| 图 4 RA、RK、RB攻击模式下节点密度对VANET最大连通度的影响 Fig. 4 Influence of node density on the largest connected degree of VANET in RA, RK and RB attack modes |
| 图选项 |
 |
| 图 5 RA、RK、RB攻击模式下节点密度对VANET连通分支平均规模的影响 Fig. 5 Influence of node density on average size of connected components of VANET in RA, RK and RB attack modes |
| 图选项 |
 |
| 图 6 RA、RK、RB攻击模式下节点密度对VANET全局网络效率的影响 Fig. 6 Influence of node density on global network efficiency of VANET in RA, RK and RB attack modes |
| 图选项 |
3 结论 基于复杂网络理论研究了VANET脆弱性特征，对分析网络整体性能具有非常重要的意义，结论如下：
1) 比较最大连通度、连通分支平均规模、全局网络效率等脆弱性测度值，基于节点介数的蓄意攻击效能最强，对网络破坏性最大。
2) 节点密度、信号辐射半径越小，VANET连通性越差，网络越脆弱；当VANET全连通时，节点密度对网络脆弱性影响较小。
通过对VANET脆弱性的研究发现，网络中的关键节点对网络脆弱性影响非常大，加强对关键节点的保护、优化节点密度和信号辐射半径等参数对实现VANET拓扑控制、降低网络的脆弱性、提高网络生存性具有重要意义。
参考文献
| [1] | RASHEED A, GILLANI S, AJMAL S, et al. Vehicular Ad Hoc network (VANET): A survey, challenges, and applications[M]//LAOUITI A, QAYYUM A, SAAD M N M. Vehicular Ad-Hoc Networks for Smart Cities. Berlin: Springer, 2017: 39-51. |
| [2] | ZHANG H, LI J. Modeling and dynamical topology properties of VANET based on complex networks theory[J]. AIP Advances, 2015, 5(1): 017150. DOI:10.1063/1.4907245 |
| [3] | 张宏, 李杰. 车载自组织网络拓扑特性及控制[J]. 交通运输系统工程与信息, 2015, 15(2): 81-87. ZHANG H, LI J. Topological characteristics and control approach for VANET[J]. Transportation Systems Engineering and Information, 2015, 15(2): 81-87. DOI:10.3969/j.issn.1009-6744.2015.02.013 (in Chinese) |
| [4] | ZHANG H, YAO Y G. An integrative vulnerability evaluation model to urban road complex network[J]. Wireless Personal Communications, 2019, 107(1): 193-204. DOI:10.1007/s11277-019-06248-7 |
| [5] | ELSADING M A, FADLALLA Y A. VANETs security issues and challenges: A survey[J]. Indian Journal of Science and Technology, 2016, 9(28): 1-8. |
| [6] | 张宏, 吕悦晶. 车载自组织网络信息流量特性分析[J]. 工程数学学报, 2017, 34(5): 449-457. ZHANG H, LV Y J. Information flow characteristics analysis of vehicular ad-hoc network[J]. Chinese Journal of Engineering Mathematics, 2017, 34(5): 449-457. DOI:10.3969/j.issn.1005-3085.2017.05.001 (in Chinese) |
| [7] | TYAGI R, SHARMA N K, MALHOTRA K, et al. Comprehensive methodology for threat identification and vulnerability assessment in Ad Hoc networks[M]//BOKHARI M U, AGRAWAL N, SAINI D. Cyber security. Berlin: Springer, 2018: 335-347. |
| [8] | 冯慧芳, 李彩虹. 基于复杂网络的车载自组织网络抗毁性分析[J]. 计算机应用, 2016, 36(7): 1789-1792. FENG H F, LI C H. Invulnerability analysis of vehicular Ad Hoc network based on complex network[J]. Journal of Computer Applications, 2016, 36(7): 1789-1792. (in Chinese) |
| [9] | FENG H F, LI C H, XU Y J. Invulnerability analysis of vehicular ad hoc networks based on temporal networks[C]//2016 2nd IEEE International Conference on Computer and Communications (ICCC). Piscataway: IEEE Press, 2016: 16867374. |
| [10] | SARIKA S, PRANVIN A, VIJAYAKUMAR A, et al. Security issues in mobile ad hoc networks[J]. Procedia Computer Science, 2016, 16(1): 217-222. |
| [11] | FU X W, YANG Y S, POSTOLACHE O. Invulnerability of clustering wireless sensor networks against cascading failures[J]. IEEE Systems Journal, 2019, 13(2): 1431-1442. DOI:10.1109/JSYST.2018.2849779 |
| [12] | KHAN Z, FAN P, FANG S. On the connectivity of vehicular ad hoc network under various mobility scenarios[J]. IEEE Access, 2017, 5: 22559-22565. DOI:10.1109/ACCESS.2017.2761551 |
| [13] | NAGHSHIN V. Modeling and analysis of wireless communications networks: Multi-tier cellular and ad hoc networks[D]. Canberra: University of New South Wales, 2017. |
| [14] | COOPER C, FRANKLIN D, ROS M, et al. A comparative survey of VANET clustering techniques[J]. IEEE Communications Surveys and Tutorials, 2016, 19(1): 657-681. |
| [15] | ALBERT R, JEONG H, BARABASI A L. Error and attack tolerance of complex networks[J]. Nature, 2000, 406(6794): 378-382. DOI:10.1038/35019019 |
| [16] | 冯慧芳, 李彩虹, 王瑞. 河谷型城市公交网络脆弱性研究: 以兰州市为例[J]. 交通运输系统工程与信息, 2016, 16(1): 217-222. FENG H F, LI C H, WANG R. Vulnerability study for public transport network of valley city: Case of Lanzhou[J]. Transportation Systems Engineering and Information, 2016, 16(1): 217-222. DOI:10.3969/j.issn.1009-6744.2016.01.034 (in Chinese) |
| [17] | 朱云峰, 王艳军, 朱陈平. 不同攻击模式下中国航路网络抗毁性研究[J]. 南京工程学院学报(自然科学版), 2018, 16(2): 51-56. ZHU Y F, WANG Y J, ZHU C P. Research on the invulnerability of China's air route network under different attack strategies[J]. Journal of Nanjing Institute of Technology (Natural Science Edition), 2018, 16(2): 51-56. (in Chinese) |
| [18] | 中华人民共和国住房和城乡建设部. 城市综合交通体系规划标准: GB/T 51328-2018[S]. 北京: 中国建筑工业出版社, 2018. Ministry of Housing and Urban-Rural Development of the People's Republic of China. Standard for urban comprehensive transport system planning: GB/T 51328-2018[S]. Beijing: China Architecture & Building Press, 2018(in Chinese). |
| [19] | HARRI J, FIORE M, FETHI F, et al. VanetMobiSim project[EB/OL]. (2016-09-21)[2019-03-01]. http://vanet.eurecom.fr. |
