Un sistema basado en blockchain, IoT y aprendizaje federado mejora la seguridad de las redes de vehículos eléctricos
Un estudio publicado en Scientific Reports presenta BFGRL, un marco diseñado para mejorar la seguridad, la privacidad y la escalabilidad de las redes inteligentes de vehículos eléctricos conectados mediante Internet de las Cosas (IoT). La propuesta combina varias tecnologías: PUF-ECC para proporcionar mecanismos ligeros y resistentes a manipulaciones para autenticar los vehículos, redes de atención de grafos (GAT) para modelar las interacciones entre los distintos dispositivos, aprendizaje federado para realizar evaluaciones distribuidas de confianza preservando la privacidad y el algoritmo Proximal Policy Optimization (PPO) para optimizar la validación de vehículos y el consenso de la blockchain.
El sistema se estructura en tres áreas principales: autenticación descentralizada de identidades, intercambio seguro de datos con mecanismos de confianza y privacidad, y procesamiento eficiente de transacciones mediante una optimización del consenso de blockchain. Los investigadores evaluaron la propuesta utilizando el conjunto de datos de seguridad vehicular VeReMi y diferentes escenarios simulados de una red de vehículos eléctricos basada en blockchain. También compararon sus resultados con varios métodos existentes relacionados con autenticación mediante blockchain, aprendizaje federado y gestión de confianza.
Según los experimentos realizados, BFGRL alcanzó una precisión de autenticación del 99,2 %, una tasa de detección de ataques del 98,7 %, una puntuación de integridad de los datos del 99,5 %, una preservación de la privacidad del 98,4 % y una escalabilidad del 97,2 %. El sistema registró además un rendimiento de hasta 5.200 transacciones por segundo y una sobrecarga computacional media de 41 milisegundos para las operaciones de autenticación y consenso. Los autores señalan que estos resultados sugieren que el enfoque podría ser útil en aplicaciones de transporte inteligente en tiempo real. No obstante, los experimentos se realizaron en un entorno de simulación controlado, por lo que el artículo destaca la necesidad de realizar pruebas adicionales con datos reales de comunicaciones vehiculares y ensayos sobre el terreno antes de determinar su comportamiento en redes de vehículos eléctricos desplegadas en condiciones reales.