CN110177356A - 一种基于信任模型的车载命名数据网络转发方法 - Google Patents

一种基于信任模型的车载命名数据网络转发方法 Download PDF

Info

Publication number
CN110177356A
CN110177356A CN201910468941.0A CN201910468941A CN110177356A CN 110177356 A CN110177356 A CN 110177356A CN 201910468941 A CN201910468941 A CN 201910468941A CN 110177356 A CN110177356 A CN 110177356A
Authority
CN
China
Prior art keywords
node
trust
vehicle
packet
message
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910468941.0A
Other languages
English (en)
Other versions
CN110177356B (zh
Inventor
樊娜
张天洋
李媚
段宗涛
王青龙
朱依水
王路阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN201910468941.0A priority Critical patent/CN110177356B/zh
Publication of CN110177356A publication Critical patent/CN110177356A/zh
Application granted granted Critical
Publication of CN110177356B publication Critical patent/CN110177356B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00Routing or path finding of packets in data switching networks
    • H04L45/12Shortest path evaluation
    • H04L45/126Shortest path evaluation minimising geographical or physical path length
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00Routing or path finding of packets in data switching networks
    • H04L45/302Route determination based on requested QoS
    • H04L45/306Route determination based on the nature of the carried application
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/60Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/63Routing a service request depending on the request content or context
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W12/00Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/009Security arrangements; Authentication; Protecting privacy or anonymity specially adapted for networks, e.g. wireless sensor networks, ad-hoc networks, RFID networks or cloud networks
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W12/00Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/12Detection or prevention of fraud
    • H04W12/121Wireless intrusion detection systems [WIDS]; Wireless intrusion prevention systems [WIPS]
    • H04W12/122Counter-measures against attacks; Protection against rogue devices
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W12/00Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/60Context-dependent security
    • H04W12/66Trust-dependent, e.g. using trust scores or trust relationships
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30Services specially adapted for particular environments, situations or purposes
    • H04W4/40Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于信任模型的车载命名数据网络转发方法,为了获得可靠的数据并使应用程序在VNDN中高效工作,通过识别恶意和自私的车辆节点,并在源请求节点NR接收数据包后,通过使用K‑means聚类算法对接收的Data包分簇,源请求节点节点NR选择距离最大簇的簇心最近的数据包内容,作为Interest包对应的结果,确保车辆获得的数据可信。本方法从节点信任和数据信任两方面综合考虑,提升了数据包传输的安全性和可靠性,同时有效地检测和处理VANETs中不同类型的恶意行为,降低了传输延迟,提高了消息的转发效率,优化了VANETs网络整体性能。

Description

一种基于信任模型的车载命名数据网络转发方法
技术领域
本发明涉及车载命名数据网络领域,具体为一种基于信任模型的车载命名数据网络转发方法。
背景技术
车载自组织网络(VANETs)通常用于减少交通事故,提高交通效率和安全性。VANETs中所有应用都基于节点之间的数据交换,因此不仅需要确保数据传输的可靠性,数据本身的真实性和可靠性也是先决条件。在命名数据网络(NDN)中,请求节点基于拉的方式发出兴趣包(Interest包),并通过节点之间的通信来获得回传的数据包(Data包),极大地提升了通信效率。但现有的VNDN转发方法中并未引入安全机制来确保传输的可靠性,导致Data包的回传存在一定风险。
发明内容
本发明的目的在于提供一种基于信任模型的车载命名数据网络转发方法,以克服现有技术的不足。
为达到上述目的,本发明采用如下技术方案:
一种基于信任模型的车载命名数据网络转发方法,包括以下步骤:
步骤1)、利用节点B发送Interest包,节点Ak接收节点B发送的Interest包,节点B为车联网中任一车辆节点,节点B的邻居节点的集合为A={A1,A2,...,Ak,...,Ap},Ak为节点B任意一个邻居节点,p为节点B邻居节点的总数目,NR为源请求节点,源请求节点为第一个发送Interest包节点;
步骤2)、节点Ak判断上一跳节点B是否可信,如果节点Ak判断上一跳节点B可信,则进入下一步,否则,节点Ak丢弃接收到节点B发送的Interest包;
步骤3)、节点Ak接收到节点B发送的Interest包并判断节点Ak的CS中是否缓存了相应的Data包,若节点Ak的CS中并未缓存相应的Data包,则进入下一步,若节点Ak的CS中缓存了相应的Data包,节点Ak则回传Data包,并跳转至步骤5);
步骤4)、节点Ak对接收到的Interest包的类型进行判断,针对不同类别消息选择不同转发策略;安全类消息考虑多种影响因素计算听等时间确定转发节点;非安全类消息则考虑速度,距离因素来计算听等时间,听等时间到期后,节点Ak转发Interest包,跳至步骤1);
步骤5)、源请求节点NR使用K-means聚类算法将节点Ak回传的Data包的内容构成的数据集进行聚类,完成车载命名数据网络转发。
进一步的,节点Ak对节点B前一时间窗口的恶意倾向进行判断,恶意倾向计算公式如下:
其中n为节点B成功回传节点Ak所请求消息行为的数量,即合法行为的数量;m为节点B未成功回传节点Ak所请求消息行为的数量,即恶意行为的数量;L表示合法行为,Li为第i个合法行为;Ma表示恶意行为,Maj为第j个恶意行为,为前一时间窗口节点Ak对节点B的恶意行为在它们所有通信行为中所占比例,使用平均权重值作为节点B是否有恶意倾向的阈值,平均权重值取值为0.6,如果节点B的大于阈值,则说明节点B有恶意倾向,否则没有恶意倾向。
进一步的,节点Ak对节点B的直接信任值进行计算,计算公式如下:
为节点Ak计算的节点B的当前直接信任;是节点Ak前一时间窗口计算的节点B直接信任 是节点Ak对节点B增加了激励机制后计算的最终直接信任;当两节点没有交互记录时,节点之间的直接信任为0.5。
进一步的,步骤2)中,通过与节点B有通信的节点计算节点B的推荐信任,节点Ak对比自己的邻居列表中有C={C1,C2,...,Cl,...,Cd}与节点B有通信,节点Ak计算节点B和列表中每个邻居的推荐信任的相似性S(B,Cl)
节点Cl是列表C中的任一节点;RTPB为B的推荐信任表,为节点Cl的推荐信任表;
节点Ak利用上述相似性来计算节点B的间接信任值计算公式如下:
通过直接信任和间接信任计算对节点B的综合信任值计算公式如下:
λ为信任权重系数,当综合信任大于阈值时,则上一跳节点B可信;否则上一跳节点B不可信,节点Ak丢弃接收到节点B发送的Interest包。
进一步的,若Interest包为安全类消息,则考虑当前节点与上一跳节点的距离、节点之间的速度差异、节点的活跃度和节点信任值四个因素来计算听等时间,针对不同的影响因素分配不同的权重系数,计算公式如下:
Dmax为车辆之间的通信范围,Dst为当前节点和上一跳之间距离,为当前车辆的速度,VB为上一跳节点的速度;timemax为最大听等时间。timerand是随机时间,防止发生冲突。α,β,γ,ε分别为调整系数,α+β+γ+ε=1。
进一步的,若Interest包为非安全类消息,则只用考虑速度和位置因素来计算听等时间,听等时间计算公式如下:
μ,ν为调整系数,μ+ν=1。
进一步的,源请求节点NR从数据集中随机选择K个对象,分别作为K个类别的初始聚类中心;源请求节点NR计算剩余每个对象与各个聚类中心的欧氏距离,并将其划分到距离最近的子类中,然后重新计算每个子类中所有对象的平均值,将其作为新的聚类中心,重复上述过程,直到聚类中心不再变化。
进一步的,源请求节点NR选择距离最大簇的簇心最近的数据包内容,作为Interest包对应的结果。
与现有技术相比,本发明具有以下有益的技术效果:
本发明一种基于信任模型的车载命名数据网络转发方法,为了获得可靠的数据并使应用程序在VNDN中高效工作,通过识别恶意和自私的车辆节点,并在源请求节点NR接收数据包后,通过使用K-means聚类算法对接收的Data包分簇,源请求节点节点NR选择距离最大簇的簇心最近的数据包内容,作为Interest包对应的结果,确保车辆获得的数据可信。本方法从节点信任和数据信任两方面综合考虑,提升了数据包传输的安全性和可靠性,同时有效地检测和处理VANETs中不同类型的恶意行为,降低了传输延迟,提高了消息的转发效率,优化了VANETs网络整体性能。
进一步的,通过与节点B有通信的节点计算节点B的推荐信任,利用推荐信用获取节点B的综合信任值能够有效避免直接信任的主观性和片面性以增强其客观性,提高判断准确率。
附图说明
图1为本发明方法流程图。
图2为推荐信任值计算示意图。
具体实施方式
下面结合附图对本发明做进一步详细描述:
在命名数据网络中,包含三种类型的数据包:Interest包、Data包和Beacon包;本发明中添加了一种数据包RTP包,该数据包用来发送与自身车辆节点存在交互行为的车辆的信任度;在车联网中,定义B为车联网中任一车辆节点,节点B的邻居节点的集合为A={A1,A2,...,Ak,...,Ap},Ak为节点B任意一个邻居节点,p为节点B邻居节点的总数目,NR为源请求节点。在VANETs网络中消息类型包括安全消息、娱乐消息、公共服务消息以及辅助驾驶消息,本申请对消息类型进行识别区分。
如图1所示,一种基于信任模型的车载命名数据网络转发方法,包括以下步骤:
步骤1,首先将网络中的消息分为安全类消息S和非安全类消息E,并分别为消息安全类消息S和非安全类消息E分配权重W(X);安全类消息即安全驾驶相关的消息,包括拥堵、道路维护、道路封闭和严重事故,非安全类消息包括停车场和加油站位置等;
步骤2,定义B为车联网中任一车辆节点,节点B的邻居节点的集合为A={A1,A2,...,Ak,...,Ap},Ak为节点B任意一个邻居节点,p为节点B邻居节点的总数目,NR为源请求节点,节点B发送Interest包,节点Ak接收Interest包;
步骤3,节点Ak判断上一跳节点B是否可信;
3.1节点Ak对节点B前一时间窗口的恶意倾向进行判断,恶意倾向计算公式如下:
其中n为节点B成功回传节点Ak所请求消息行为的数量,即合法行为的数量;m为节点B未成功回传节点Ak所请求消息行为的数量,即恶意行为的数量;L表示合法行为,Li为第i个合法行为;Ma表示恶意行为,Maj为第j个恶意行为。
为前一时间窗口节点Ak对节点B的恶意行为在节点Ak和节点B所有通信行为中所占比例;转发成功率越高,可信度越高。但是对于仅转发非安全消息的狡猾节点而言,很难得到客观、正确的信任值;为了解决这个问题有必要设计恰当的方法对狡猾的节点进行识别,由于节点的恶意倾向与未被转发的数据的平均权重密切相关,节点Ak可以通过上述方法来评估节点B的恶意倾向。
假设VANETs的安全类消息和非安全类消息的比例为2:8;结合两种消息的权重,VANETs中消息的平均权重可计算为(1×0.2+0.5×0.8)=0.6,使用平均权重值作为节点B是否有恶意倾向的阈值,如果节点B的大于阈值,则说明节点B有恶意倾向,否则没有恶意倾向。
3.2节点Ak对节点B的直接信任值进行计算,计算公式如下:
为节点Ak计算的节点B的当前直接信任;是节点Ak前一时间窗口计算的节点B直接信任;是节点Ak对节点B增加了激励机制后计算的最终直接信任;当两节点没有交互记录时,节点之间的直接信任为0.5;如公式(3)第二项,当大于设定阈值时,若惩罚加倍,降低信任值差值的两倍,如公式(3)第一项,若增加的信任值差值减半;当小于设定阈值时,等于
3.3推荐信任用于避免直接信任的主观性和片面性以增强其客观性,由于它主要受第三方的影响,因此有必要使用多个邻居推荐来计算。
节点B的推荐信任需要通过与节点B有通信的节点计算,如图2所示,节点Ak发现自己的邻居列表中有C={C1,C2,...,Cl,...,Cd}与节点B有通信,节点Ak计算节点B和列表中每个邻居的推荐信任的相似性S(B,Cl)
节点Cl是列表C中的任一节点。RTPB为B的推荐信任表,为节点Cl的推荐信任表。
3.4节点Ak利用上述相似性来计算节点B的间接信任值计算公式如下:
3.5节点Ak通过直接信任和间接信任计算对节点B的综合信任值计算公式如下:
λ为信任权重系数,当综合信任大于阈值时,则上一跳节点可信,执行步骤4;否则,不可信,丢弃Interest包。
步骤4,节点Ak根据接收到节点B发送的Interest包,判断节点Ak的CS(ContentStore)中是否缓存了相应的Data包;
4.1若节点Ak的CS中并未缓存相应的Data包,则执行步骤5;
4.2若节点Ak的CS中缓存了相应的Data包,节点Ak则回传Data包,跳转至步骤6;
步骤5,节点Ak对Interest包的类型进行判断,考虑多种影响因素计算听等时间,确定转发节点;
5.1若Interest包为安全类消息,则考虑当前节点与上一跳节点的距离、节点之间的速度差异、节点的活跃度和节点信任值四个因素来计算听等时间。针对不同的影响因素分配不同的权重系数,计算公式如下:
Dmax为车辆之间的通信范围,Dst为当前节点和上一跳之间距离,为当前车辆的速度,VB为上一跳节点的速度。timemax为最大听等时间。timerand是随机时间,防止发生冲突。α,β,γ,ε分别为调整系数,α+β+γ+ε=1。
5.2若Interest包为非安全类消息,则只用考虑速度和位置因素来计算听等时间,听等时间计算公式如下:
μ,ν为调整系数,μ+ν=1。
5.3听等时间到期后,继续转发Interest包,跳至步骤2;
步骤6,源请求节点NR使用K-means聚类算法将回传Data包的内容构成的数据集进行聚类;
6.1源请求节点NR从数据集中随机选择K个对象,分别作为K个类别的初始聚类中心;
6.2源请求节点NR计算剩余每个对象与各个聚类中心的欧氏距离,并将其划分到距离最近的子类中。然后重新计算每个子类中所有对象的平均值,将其作为新的聚类中心。重复上述过程,直到聚类中心不再变化;
6.3源请求节点NR选择距离最大簇的簇心最近的Data包内容,作为Interest包对应的结果。
本方法从节点信任(定义为VANETs中车辆节点的可信度)和数据信任(定义为Data包是否可信)两方面综合考虑,提升了数据包传输的安全性和可靠性,同时有效地检测和处理VANETs中不同类型的恶意行为,降低了传输延迟,提高了消息的转发效率,优化了VANETs网络整体性能。

Claims (9)

1.一种基于信任模型的车载命名数据网络转发方法,其特征在于,包括以下步骤:
步骤1)、利用节点B发送Interest包,节点Ak接收节点B发送的Interest包,节点B为车联网中任一车辆节点,节点B的邻居节点的集合为A={A1,A2,...,Ak,...,Ap},Ak为节点B任意一个邻居节点,p为节点B邻居节点的总数目,NR为源请求节点,源请求节点为第一个发送Interest包节点;
步骤2)、节点Ak判断上一跳节点B是否可信,如果节点Ak判断上一跳节点B可信,则进入下一步,否则,节点Ak丢弃接收到节点B发送的Interest包;
步骤3)、节点Ak接收到节点B发送的Interest包并判断节点Ak的CS中是否缓存了相应的Data包,若节点Ak的CS中并未缓存相应的Data包,则进入下一步,若节点Ak的CS中缓存了相应的Data包,节点Ak则回传Data包,并跳转至步骤5);
步骤4)、节点Ak对接收到的Interest包的类型进行判断,针对不同类别消息选择不同转发策略;安全类消息考虑多种影响因素计算听等时间确定转发节点;非安全类消息则考虑速度,距离因素来计算听等时间,听等时间到期后,节点Ak转发Interest包,跳至步骤1);
步骤5)、源请求节点NR使用K-means聚类算法将节点Ak回传的Data包的内容构成的数据集进行聚类,完成车载命名数据网络转发。
2.根据权利要求1所述的一种基于信任模型的车载命名数据网络转发方法,其特征在于,步骤2)中节点Ak判断上一跳节点B是否可信,首先评估节点B的恶意倾向:节点Ak对节点B前一时间窗口的恶意倾向进行判断,得到前一时间窗口节点Ak对节点B的恶意行为在它们所有通信行为中所占比例
其中n为节点B成功回传节点Ak所请求消息行为的数量;m为节点B未成功回传节点Ak所请求消息行为的数量;W(X)为消息分配权重;L表示合法行为,Li为第i个合法行为;Ma表示恶意行为,Maj为第j个恶意行为,使用平均权重值作为节点B是否有恶意倾向的阈值,平均权重值取值为0.6,如果节点B的大于阈值,则说明节点B有恶意倾向,否则没有恶意倾向。
3.根据权利要求2所述的一种基于信任模型的车载命名数据网络转发方法,其特征在于,根据得到的计算节点Ak对节点B的直接信任值
为节点Ak计算的节点B的当前直接信任;是节点Ak前一时间窗口计算的节点B直接信任;是节点Ak对节点B增加了激励机制后计算的最终直接信任;当两节点没有交互记录时,两个节点之间的直接信任为0.5。
4.根据权利要求3所述的一种基于信任模型的车载命名数据网络转发方法,其特征在于,通过与节点B有通信的节点计算节点B的推荐信任,获取节点B的综合信任值节点Ak对比自己的邻居列表中有C={C1,C2,...,Cl,...,Cd}与节点B有通信,节点Ak计算节点B和列表中每个邻居的推荐信任的相似性
节点Cl是列表C中的任一节点;RTPB为B的推荐信任表,为节点Cl的推荐信任表;
节点Ak利用上述相似性来计算节点B的间接信任值计算公式如下:
通过直接信任和间接信任计算对节点B的综合信任值计算公式如下:
λ为信任权重系数,当综合信任大于阈值时,则上一跳节点B可信;否则上一跳节点B不可信,节点Ak丢弃接收到节点B发送的Interest包。
5.根据权利要求1所述的一种基于信任模型的车载命名数据网络转发方法,其特征在于,若Interest包为安全类消息,则考虑当前节点与上一跳节点的距离、节点之间的速度差异、节点的活跃度和节点信任值四个因素来计算听等时间,针对不同的影响因素分配不同的权重系数,计算公式如下:
Dmax为车辆之间的通信范围,Dst为当前节点和上一跳之间距离,为当前车辆的速度,VB为上一跳节点的速度;timemax为最大听等时间,timerand是随机时间,防止发生冲突,α,β,γ,ε分别为调整系数,α+β+γ+ε=1。
6.根据权利要求1所述的一种基于信任模型的车载命名数据网络转发方法,其特征在于,若Interest包为非安全类消息,则只用考虑速度和位置因素来计算听等时间,听等时间计算公式如下:
μ,ν为调整系数,μ+ν=1。
7.根据权利要求1所述的一种基于信任模型的车载命名数据网络转发方法,其特征在于,源请求节点NR从数据集中随机选择K个对象,分别作为K个类别的初始聚类中心;源请求节点NR计算剩余每个对象与各个聚类中心的欧氏距离,并将其划分到距离最近的子类中,然后重新计算每个子类中所有对象的平均值,将其作为新的聚类中心,重复上述过程,直到聚类中心不再变化。
8.根据权利要求7所述的一种基于信任模型的车载命名数据网络转发方法,其特征在于,源请求节点NR选择距离最大簇的簇心最近的数据包内容,作为Interest包对应的结果。
9.根据权利要求1所述的一种基于信任模型的车载命名数据网络转发方法,其特征在于,消息分配权重W(X)
其中,S为安全类消息,E为非安全类消息。
CN201910468941.0A 2019-05-31 2019-05-31 一种基于信任模型的车载命名数据网络转发方法 Active CN110177356B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910468941.0A CN110177356B (zh) 2019-05-31 2019-05-31 一种基于信任模型的车载命名数据网络转发方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910468941.0A CN110177356B (zh) 2019-05-31 2019-05-31 一种基于信任模型的车载命名数据网络转发方法

Publications (2)

Publication Number Publication Date
CN110177356A true CN110177356A (zh) 2019-08-27
CN110177356B CN110177356B (zh) 2021-11-05

Family

ID=67696125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910468941.0A Active CN110177356B (zh) 2019-05-31 2019-05-31 一种基于信任模型的车载命名数据网络转发方法

Country Status (1)

Country Link
CN (1) CN110177356B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112751824A (zh) * 2020-11-30 2021-05-04 长安大学 一种基于区块链的车载命名数据网络信任机制
CN113420323A (zh) * 2021-06-04 2021-09-21 国网河北省电力有限公司信息通信分公司 数据共享方法及终端设备
CN113727282A (zh) * 2021-08-18 2021-11-30 暨南大学 车联网中隐私保护的基于相似度的信任评估方法
CN114007217A (zh) * 2020-07-27 2022-02-01 中移(苏州)软件技术有限公司 一种数据处理方法及车联系统、存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100332475A1 (en) * 2009-06-25 2010-12-30 University Of Tennessee Research Foundation Method and apparatus for predicting object properties and events using similarity-based information retrieval and modeling
CN104767678A (zh) * 2014-01-02 2015-07-08 中国科学院声学研究所 在内容中心网络中基于命名中内容属性实现的路由方法
CN105243080A (zh) * 2015-08-31 2016-01-13 湖北工业大学 基于esb架构的资源感知自适应适配系统
US20160028762A1 (en) * 2014-07-23 2016-01-28 Cisco Technology, Inc. Distributed supervised architecture for traffic segregation under attack
US20160028754A1 (en) * 2014-07-23 2016-01-28 Cisco Technology, Inc. Applying a mitigation specific attack detector using machine learning
CN105554704A (zh) * 2015-12-21 2016-05-04 西安电子科技大学 推荐系统中基于假轨迹的位置隐私保护方法
CN106412912A (zh) * 2016-06-22 2017-02-15 长安大学 一种面向车联网的节点信任评估方法
CN109286631A (zh) * 2018-10-18 2019-01-29 长安大学 车载社交网络中融合社交属性的车辆节点信任评估方法
CN109417684A (zh) * 2016-05-26 2019-03-01 泰奥·坎特 无线传感器网络中的分布式数据收集,其中第一节点可将其自身作为收集器或传感器数据向其他节点发布

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100332475A1 (en) * 2009-06-25 2010-12-30 University Of Tennessee Research Foundation Method and apparatus for predicting object properties and events using similarity-based information retrieval and modeling
CN104767678A (zh) * 2014-01-02 2015-07-08 中国科学院声学研究所 在内容中心网络中基于命名中内容属性实现的路由方法
US20160028762A1 (en) * 2014-07-23 2016-01-28 Cisco Technology, Inc. Distributed supervised architecture for traffic segregation under attack
US20160028754A1 (en) * 2014-07-23 2016-01-28 Cisco Technology, Inc. Applying a mitigation specific attack detector using machine learning
CN105243080A (zh) * 2015-08-31 2016-01-13 湖北工业大学 基于esb架构的资源感知自适应适配系统
CN105554704A (zh) * 2015-12-21 2016-05-04 西安电子科技大学 推荐系统中基于假轨迹的位置隐私保护方法
CN109417684A (zh) * 2016-05-26 2019-03-01 泰奥·坎特 无线传感器网络中的分布式数据收集,其中第一节点可将其自身作为收集器或传感器数据向其他节点发布
CN106412912A (zh) * 2016-06-22 2017-02-15 长安大学 一种面向车联网的节点信任评估方法
CN109286631A (zh) * 2018-10-18 2019-01-29 长安大学 车载社交网络中融合社交属性的车辆节点信任评估方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
FENG TIAN: "Mining Suspicious Tax Evasion Groups in Big Data", 《 IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING》 *
IBRAHIM ABUALHAOL: "Mining Port Congestion Indicators from Big AIS Data", 《 2018 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN)》 *
刘文懋: "物联网感知环境安全机制的关键技术研究", 《知网》 *
夏辉等: "车载自组网中基于信任管理的安全组播协议设计", 《计算机学报》 *
邢艳艳等: "P2P环境下信任社区的形成模型研究", 《现代图书情报技术》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114007217A (zh) * 2020-07-27 2022-02-01 中移(苏州)软件技术有限公司 一种数据处理方法及车联系统、存储介质
CN114007217B (zh) * 2020-07-27 2024-05-24 中移(苏州)软件技术有限公司 一种数据处理方法及车联系统、存储介质
CN112751824A (zh) * 2020-11-30 2021-05-04 长安大学 一种基于区块链的车载命名数据网络信任机制
CN113420323A (zh) * 2021-06-04 2021-09-21 国网河北省电力有限公司信息通信分公司 数据共享方法及终端设备
CN113420323B (zh) * 2021-06-04 2022-06-03 国网河北省电力有限公司信息通信分公司 数据共享方法及终端设备
CN113727282A (zh) * 2021-08-18 2021-11-30 暨南大学 车联网中隐私保护的基于相似度的信任评估方法
CN113727282B (zh) * 2021-08-18 2023-05-26 暨南大学 车联网中隐私保护的基于相似度的信任评估方法

Also Published As

Publication number Publication date
CN110177356B (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
CN110177356A (zh) 一种基于信任模型的车载命名数据网络转发方法
Xia et al. An attack-resistant trust inference model for securing routing in vehicular ad hoc networks
Nadeem et al. Trafficview: A scalable traffic monitoring system
CN1679266A (zh) 具有入侵检测特性的移动自组织网络以及相关的方法
CN112188495B (zh) 超密集网络下基于联邦学习的缓存污染攻击检测方法
CN109361725A (zh) 基于多目标遗传算法的车联网云系统资源分配方法
CN107094321B (zh) 一种基于多智能体q学习的车载通信mac层信道接入方法
CN107274713A (zh) 一种基于簇的停车诱导方法
CN108834098B (zh) 一种基于命名数据网络的车联网数据转发方法
CN108684065B (zh) 一种车联网中基于蚁群优化的中继选择方法
Zhang et al. An adaptive control structure based fast broadcast protocol for vehicular ad hoc networks
Li et al. A reliable and efficient forwarding strategy in vehicular named data networking
CN108768852B (zh) 一种车联网中基于多副本拥塞避免的机会路由方法
Chen et al. A geographic routing protocol based on trunk line in VANETs
CN108882257B (zh) 车载自组织网络中基于相遇概率的自适应机会转发方法
CN110933643A (zh) 一种城市道路车联网络资源的共享方法
CN108401274B (zh) 机会网络的数据传输方法
CN114025331A (zh) 基于异构网络的交通系统及异构网络环境下网络选择方法
CN101057456A (zh) 确定需求的方法、设备和软件
CN109889994A (zh) 一种车联网ieee 802.11广播性能分析方法及应用
Wagh et al. Data fusion with flexible message composition in Driver-in-the-Loop vehicular CPS
CN117098181A (zh) 一种基于跨层感知的车联网联合拥塞控制方法
CN105141544A (zh) 一种车联网中的数据分发方法
Allani et al. Towards better data management/gathering in connected environments
CN113810851A (zh) 一种车联网的车辆轨迹隐私保护方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant