CN110177370B - 一种面向车联网的共谋恶意车辆节点检测方法 - Google Patents
一种面向车联网的共谋恶意车辆节点检测方法 Download PDFInfo
- Publication number
- CN110177370B CN110177370B CN201910469496.XA CN201910469496A CN110177370B CN 110177370 B CN110177370 B CN 110177370B CN 201910469496 A CN201910469496 A CN 201910469496A CN 110177370 B CN110177370 B CN 110177370B
- Authority
- CN
- China
- Prior art keywords
- collusion
- node
- msg
- trust
- malicious
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
- H04W12/121—Wireless intrusion detection systems [WIDS]; Wireless intrusion prevention systems [WIPS]
- H04W12/122—Counter-measures against attacks; Protection against rogue devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/60—Context-dependent security
- H04W12/66—Trust-dependent, e.g. using trust scores or trust relationships
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services 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 Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种面向车联网的共谋恶意车辆节点检测方法,本发明考虑车联网中道路安全事件消息时效性、消息可信度与车辆节点可信度的动态交互影响等因素,判断车辆节点接收的安全事件消息真假,然后依据发送真假消息个数、邻居评价因素计算发送消息的车辆节点信任值,判定单个恶意车辆节点及共谋嫌疑车辆节点名单,最后路侧单元RSU累计多个车辆节点发送的共谋嫌疑车辆节点名单,确定共谋恶意车辆节点;该方法不仅有效过滤了车联网中虚假安全事件消息,提高了共谋恶意车辆节点检测准确率,而且提高了车联网的安全性能及运行效率,为城市智能交通的安全应用提供有效技术支撑。
Description
技术领域
本发明涉及车联网安全技术领域,具体为一种面向车联网的共谋恶意车辆节点检测方法。
背景技术
车联网中的恶意车辆节点检测技术是车联网安全的一个重要方面。车联网中恶意车辆节点发送虚假安全消息,篡改安全消息等行为会扰乱交通,降低车联网的安全性能,恶意车辆节点共谋会严重降低车联网的网络性能,甚至会导致车联网网络瘫痪,因此检测恶意车辆节点及其共谋意义重大。车联网中车辆节点交互的消息可信度与车辆节点可信度联系紧密,互相影响,有机结合两者才可有效检测共谋恶意车辆节点。目前,现存恶意车辆节点检测方法中很少考虑恶意车辆节点共谋的情况,并且未充分考虑车辆节点交互消息的时效性、消息可信度与车辆节点可信度的动态交互影响等因素,车联网中恶意车辆节点的共谋现象,即两个或多个车辆节点一起协作对交通安全信息进行伪造,篡改等行为,共谋恶意车辆节点检测方面存在比单个恶意车辆节点检测更难,准确率低等问题。
发明内容
本发明的目的在于提供一种面向车联网的共谋恶意车辆节点检测方法,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:
一种面向车联网的共谋恶意车辆节点检测方法,包括以下步骤:
步骤1),在车联网中,车辆节点间相互通信,Vi接收到Vj发送的道路安全事件E的消息msgE;Vi表示接收消息的任一车辆节点,Vj表示发送消息的任一车辆节点;Vi判断接收到Vj发送的有关道路安全事件E的消息msgE的相关属性,更新Vi自身的安全事件表SET;
步骤2)、Vi计算接收到安全道路事件E的msgE的信任度Tmsg_E,根据得到的信任度Tmsg_E判断接收到安全道路事件E的真假;
步骤3)、计算Vj的信任度,检测单个恶意节点:
首先分别计算Vj的通信信任TD_V和Vj的邻居信任TID_V,同时Vi通过RSU获取Vj的信任值,根据式(7)计算Vj的综合信任TCOM_V:
TCOM_V=αTD_V+βTID_V+γTRSU_V(7)
式中,TCOM_V表示Vj的综合信任值;TD_V表示Vj的通信信任值;TID_V表示Vj的邻居信任值;TRSU_V表示RSU对Vj的信任值;α,β,γ表示权重因子,由多次仿真实验获得最优值;根据计算得到的Vj的综合信任TCOM_V更新Vi自身邻居信任表NTL;若确定Vj为正常节点,不进行步骤4的共谋恶意车辆节点检测;若确定Vj为恶意节点,在邻居信任表NTL中进行标注,进行步骤4)的共谋恶意车辆节点检测,表示车辆节点综合信任值TCOM_V阈值;
步骤4)、根据步骤3)确定Vj为恶意节点时,遍历Vi中的邻居评价表NEL,根据每个邻居节点Vr返回Vj的评价信誉值判断每个邻居节点Vr与Vj是否有共谋嫌疑,若则邻居节点Vr与Vj有共谋嫌疑;若则邻居节点Vr与Vj无共谋嫌疑;为共谋恶意车辆节点嫌疑的信任阈值,Vj向RSU发送共谋嫌疑的恶意节点列表,最后由RSU确定共谋恶意节点。
进一步的,步骤1)具体包括以下步骤:Vi接收到Vj发送的关于道路安全事件E的道路安全事件消息msgE;Vi判断接收到的道路安全事件消息msgE中事件类型EType、事件时间ETime及事件地点EPoint属性,将接收到的道路安全事件消息msgE的三种属于与Vi自身SET中的事件属性分别对比;
1.1.1、若接收到的道路安全事件消息msgE中的EType与Vi自身SET中的EType一致、接收到的道路安全事件消息msgE中的ETime≤ΔETime且接收到的道路安全事件消息msgE中的EPoint≤ΔEPoint,则判断接收到的道路安全事件消息msgE描述Vi自身SET中的事件,OBU将其划分为SET中关于事件E的消息。ΔETime表示时间阈值;ΔEPoint表示地理位置阈值;
1.1.2、若接收到的道路安全事件消息msgE中的EType与Vi自身SET中的EType不一致或者接收到的道路安全事件消息msgE中的ETime>ΔETime或者接收到的道路安全事件消息msgE中的EPoint>ΔEPoint,则判断接收到的道路安全事件消息msgE描述新的道路安全事件Enew,OBU将其划分为SET中的新事件Enew。
进一步的,步骤2)具体包括以下步骤:
2.1、Vi计算安全道路事件E的msgE的信任度Tmsg_E:
式中,TTLmsg_E表示msgE有效存活时间;表示消息msgE初始有效存活时间,其可根据道路状况进行设定;TMnow表示Vi接收到msgE的当前时间,即Vi的OBU当前系统时间;TMmsg_E表示事件E发生的时间;
2.1.2、根据式(2)计算安全道路事件E的msgE的信任度Tmsg_E:
进一步的,计算道路安全事件E的信任度TE,判断E的真假:
2.2.1、Vi在固定时间内,接收到多个关于E的消息msgE:根据上述步骤计算出关于事件E的msgE的信任度Tmsg_E,根据式(3)计算E的信任度TE:
进一步的,步骤3)具体包括以下步骤:
3.1计算发送消息节点Vj的通信信任TD_V:
3.1.1根据Vi与Vj建立连接的次数及Vj发送真实道路安全事件消息的个数评估Vj的节点积极度:根据式(4)计算Vj的节点积极度γ:
3.1.2计算Vj的通信信任TD_V:根据式(5)计算Vj的通信信任TD_V:
式中,γ表示节点积极度,由步骤3.1.1得到;t表示时间因子;
3.3计算Vj的综合信任TCOM_V:
3.3.1Vi通过RSU获取Vj的信任值;
3.3.2结合获取Vj的通信信任TD_V、Vj的邻居信任TID_V和Vj的信任值TRSU_V,根据式(7)计算Vj的综合信任TCOM_V:
TCOM_V=αTD_V+βTID_V+γTRSU_V (7)
式中,TCOM_V表示Vj的综合信任值;TD_V表示Vj的通信信任值;TID_V表示Vj的邻居信任值;TRSU_V表示RSU对Vj的信任值;α,β,γ表示权重因子,由多次仿真实验获得最优值。
进一步的,Vi接收Vj发送的道路安全事件消息,根据得到的Vj的综合信任值TCOM_V,更新Vi自身邻居信任表NTL;若确定Vj为正常节点,不进行步共谋恶意车辆节点检测;若确定Vj为恶意节点,在邻居信任表NTL中进行标注,进行共谋恶意车辆节点检测,表示车辆节点综合信任值TCOM_V阈值。
进一步的,Vi将有共谋嫌疑的恶意节点列表SLMN发送给RSU;根据节点Vi确定有共谋嫌疑的恶意车辆名单,Vi以道路安全事件E为单位,向RSU发送有共谋嫌疑的恶意节点名单;即SLMN包括用于标识不同道路安全事件E的编号EID和共谋嫌疑的恶意车辆集合V_CS={Vcs1,Vcs2,...,Vcsm},Vcsm表示有共谋嫌疑的任一车辆节点ID,标识不同车辆节点。
进一步的,RSU接收每个Vi发送的共谋嫌疑恶意节点列表SLMN,确定共谋节点集合V_C,即确定共谋恶意节点列表LCMN:RSU遍历多个SLMN,获取不同E中V_CS,求取numq个V_CS集合的交集intersectionV_C={VC1,VC2,...,VCX},其中,VCX表示共谋车辆节点ID,标识不同车辆节点;numq由多次仿真实验获取最优值;统计intersectionV_C集合中的车辆节点在不同E中共同出现次数numbad,表示次数阈值,若确定intersectionV_C集合中的车辆节点为共谋恶意车辆节点,即LCMN={VC1,VC2,...,VCX}。
进一步的,RSU将LCMN中的共谋恶意车辆节点的信任值设为0,并向车辆节点广播LCMN,车辆节点拒绝与共谋恶意车辆节点通信交互。
与现有技术相比,本发明具有以下有益的技术效果:
本发明一种面向车联网的共谋恶意车辆节点检测方法,在车联网中,车辆节点间互相通信,车辆节点Vi接收到车辆Vj发送的道路安全事件E的消息msgE;Vi计算接收到安全道路事件E的msgE的信任度Tmsg_E,通过判断安全道路事件E的真假Vi计算Vj的信任度,检测单个恶意节点根据恶意节点来检测共谋恶意车辆节点,本方法考虑车联网中恶意车辆节点共谋的情况,有效过滤车联网中虚假安全事件消息,不仅提高了共谋恶意车辆节点检测准确率,而且提高了车联网的安全性能及运行效率,为城市智能交通的安全应用提供技术支撑。本发明考虑车联网中道路安全事件消息时效性、消息可信度与车辆节点可信度的动态交互影响等因素,判断车辆节点接收的安全事件消息真假,然后依据发送真假消息个数、邻居评价因素计算发送消息的车辆节点信任值,判定单个恶意车辆节点及共谋嫌疑车辆节点名单,最后路侧单元RSU累计多个车辆节点发送的共谋嫌疑车辆节点名单,确定共谋恶意车辆节点;该方法不仅有效过滤了车联网中虚假安全事件消息,提高了共谋恶意车辆节点检测准确率,而且提高了车联网的安全性能及运行效率,为城市智能交通的安全应用提供有效技术支撑。
附图说明
图1为本发明流程图。
具体实施方式
下面结合附图对本发明做进一步详细描述:
如图1所示,本发明提供一种面向车联网的共谋恶意车辆节点检测方法,本方法考虑车联网中道路安全事件消息时效性、消息可信度与车辆节点可信度的动态交互影响等因素,判断车辆节点接收的安全事件消息真假,然后依据发送真假消息个数、邻居评价因素计算发送消息的车辆节点信任值,判定单个恶意车辆节点及共谋嫌疑车辆节点名单,最后路侧单元RSU(Road Side Unit)累计多个车辆节点发送的共谋嫌疑车辆节点名单,确定共谋恶意车辆节点;该方法不仅有效过滤了车联网中虚假安全事件消息,提高了共谋恶意车辆节点检测准确率,而且提高了车联网的安全性能及运行效率,为城市智能交通的安全应用提供有效技术支撑。
一种面向车联网的共谋恶意车辆节点检测方法,该方法包含以下实体:
车联网:该方法面向于车联网中的车辆与车辆(V2V)及车辆与基础设施(V2I)之间的通信。车联网中的车辆节点配载全球定位系统GPS(Global Positioning System),前向和后向红外线雷达,红外线信号接收设备和无线信号收发器设备,车辆节点可以用所安装的无线传感设备对道路安全事件进行探测。本方法中涉及的基础设施包括路侧单元RSU,有效实现区域车路通信;本方法适用于RSU完全可信,车联网中恶意车辆节点数目小于正常车辆节点数目的普通情况。
本方法中用Vi表示接收消息的任一车辆节点,Vj表示发送消息的任一车辆节点。
道路安全事件包括道路拥堵、交通事故、道路结冰、道路建设4种类型。不同位置发生的安全事件是相互独立的;本方法中用E表示发生的道路安全事件。
安全应用单元SAU(Security Application Unit):车联网中每个车辆节点的车载单元OBU(On board Unit)部署装备一个安全应用模块,将其定义为安全应用单元,该单元具有信息存储、计算和转发功能,能对车辆节点接收到的安全事件、邻居节点的信任值信息进行存储、处理和转发。每个车辆都既可以作为接收消息的任一车辆节点,同时也作为发送消息的任一车辆节点。
本发明中涉及以下定义:
1.道路安全事件消息msgE:车辆节点接收或发送的关于道路安全事件E的消息。该消息包含事件类型EType、事件时间ETime及事件地点EPoint3种不同属性。事件类型EType属性表示道路安全事件E的类型,本方法中涉及道路拥堵、交通事故、道路结冰、道路建设4种事件类型;事件时间ETime属性指道路安全事件E发生的时间;事件位置EPiont属性指道路安全事件E发生的位置。
2.安全事件表SET(Security Event Table):SET存储在车辆节点SAU中,其保存车辆节点接收到的安全事件消息属性等信息。
3.邻居信任表NTL(Neighborhood Trust List):NTL存储在车辆节点SAU中,其保存车辆节点的邻居车辆节点的信任值。
4.邻居评价表NEL(Neighborhood Evaluation List):NEL存储在车辆节点SAU中,其保存邻居车辆节点对发送消息车辆节点的信任值。
5.共谋嫌疑恶意节点列表SLMN(Suspicion List of Malicious Nodes):SLMN存储在车辆节点SAU中,其保存共谋嫌疑恶意车辆节点名单相关信息。
6.共谋恶意节点名单LCMN(List of Collusion Malicious Nodes):LCMN存储在RSU中,其保存共谋恶意车辆节点名单。
一种面向车联网的共谋恶意车辆节点检测方法,包括如下步骤:
步骤1,在车联网中,车辆节点间相互通信,车辆节点Vi接收到车辆节点Vj发送的道路安全事件E的消息msgE;车辆节点Vi判断接收到车辆节点Vj发送的有关道路安全事件E的消息msgE的相关属性,更新车辆节点Vi自身的安全事件表SET;
1.1、车辆节点Vi接收到车辆节点Vj发送的关于道路安全事件E的道路安全事件消息msgE;车辆节点Vi判断接收到的道路安全事件消息msgE中事件类型EType、事件时间ETime及事件地点EPoint属性,将接收到的道路安全事件消息msgE的三种属于与车辆节点Vi自身SET中的事件属性分别对比;
1.1.1、若接收到的道路安全事件消息msgE中的EType与车辆节点Vi自身SET中的EType一致、接收到的道路安全事件消息msgE中的ETime≤ΔETime且接收到的道路安全事件消息msgE中的EPoint≤ΔEPoint,则判断接收到的道路安全事件消息msgE描述车辆节点Vi自身SET中的事件,OBU将其划分为SET中关于事件E的消息。ΔETime表示时间阈值;ΔEPoint表示地理位置阈值
1.1.2、若接收到的道路安全事件消息msgE中的EType与车辆节点Vi自身SET中的EType不一致或者接收到的道路安全事件消息msgE中的ETime>ΔETime或者接收到的道路安全事件消息msgE中的EPoint>ΔEPoint,则判断接收到的道路安全事件消息msgE描述新的道路安全事件Enew,OBU将其划分为SET中的新事件Enew。
步骤2,车辆节点Vi计算接收到安全道路事件E的msgE的信任度Tmsg_E,判断安全道路事件E的真假;
2.1车辆节点Vi计算安全道路事件E的msgE的信任度Tmsg_E。
2.1.1首先计算接收到的道路安全事件消息msgE的有效存活时间TTLmsg_E。考虑道路安全事件消息的时效性,此处设定道路安全事件消息的初始有效存活时间为根据式(1)计算消息msgE的有效存活时间TTLmsg_E:
式中,TTLmsg_E表示msgE有效存活时间;表示消息msgE初始有效存活时间,其可根据道路状况进行设定;TMnow表示Vi接收到msgE的当前时间,即Vi的OBU当前系统时间;TMmsg_E表示事件E发生的时间。
2.1.2根据式(2)计算安全道路事件E的msgE的信任度Tmsg_E:
2.2计算道路安全事件E的信任度TE,判断E的真假。
2.2.1车辆节点Vi在固定时间内,会接收到多个关于E的消息msgE。针对步骤2.1计算出关于事件E的每个消息的信任度Tmsg_E,根据式(3)计算E的信任度TE。
步骤3,计算发送消息节点Vj的信任度,检测单个恶意节点;
3.1计算发送消息的车辆节点Vj的通信信任TD_V。
3.1.1根据车辆节点Vi与车辆节点Vj建立连接的次数及车辆节点Vj发送真实道路安全事件消息的个数评估车辆节点Vj的节点积极度:根据式(4)计算Vj的节点积极度γ:
3.1.2计算Vj的通信信任TD_V:根据式(5)计算Vj的通信信任TD_V:
式中,γ表示节点积极度,由步骤3.1.1得到;t表示时间因子。
式中,TID_V表示Vj的邻居信任值;表示Vi保存至邻居信任表NTL中的邻居车辆节点Vr的信任值;n表示Vi的周围邻居车辆节点的数目;表示邻居车辆节点Vr返回Vj的评价信任值,记录于邻居评价表NEL。
3.3计算Vj的综合信任TCOM_V:
3.3.1Vi向RSU请求Vj的信任值;
3.3.2由步骤3.1、3.2获取Vj的通信信任TD_V及邻居信任TID_V,步骤3.3.1获取RSU对Vj的信任值TRSU_V,根据式(7)计算Vj的综合信任TCOM_V。
TCOM_V=αTD_V+βTID_V+γTRSU_V (7)
式中,TCOM_V表示Vj的综合信任值;TD_V表示Vj的通信信任值;TID_V表示Vj的邻居信任值;TRSU_V表示RSU对Vj的信任值;α,β,γ表示权重因子,由多次仿真实验获得最优值。
3.4更新邻居信任表NTL:Vi接收Vj发送的道路安全事件消息,由步骤1至3.3计算获取最新的Vj的综合信任值TCOM_V,更新Vi自身邻居信任表NTL。
步骤4,检测共谋恶意车辆节点;
4.2车辆节点Vi将有共谋嫌疑的恶意节点列表SLMN(Suspicion list ofmalicious nodes)发送给RSU。
4.2.1根据步骤4.1节点Vi确定有共谋嫌疑的恶意车辆名单,Vi以道路安全事件E为单位,向RSU发送有共谋嫌疑的恶意节点名单。即SLMN中包含两个属性,分别是(1)E的编号EID,用于标识不同道路安全事件;(2)共谋嫌疑的恶意车辆集合V_CS={Vcs1,Vcs2,...,Vcsm},Vcsm表示有共谋嫌疑的任一车辆节点ID,标识不同车辆节点。
4.3RSU接收每个车辆节点Vi发送的共谋嫌疑恶意节点列表SLMN,确定共谋节点集合V_C,即确定共谋恶意节点列表LCMN。
4.3.1RSU遍历多个SLMN,获取不同E中V_CS,求取numq个V_CS集合的交集intersectionV_C={VC1,VC2,...,VCX},其中,VCX表示共谋车辆节点ID,标识不同车辆节点;numq由多次仿真实验获取最优值。统计intersectionV_C集合中的车辆节点在不同E中共同出现次数numbad,表示次数阈值,若确定intersectionV_C集合中的车辆节点为共谋恶意车辆节点,即LCMN={VC1,VC2,...,VCX}。
4.4RSU将LCMN中的共谋恶意车辆节点的信任值设为0,并向车辆节点广播LCMN,车辆节点拒绝与共谋恶意车辆节点通信交互。
本发明所述方法考虑车联网中恶意车辆节点共谋的情况,考虑车联网中道路安全事件消息时效性,消息可信度与节点可信度互相影响等因素,进行消息信任、节点信任度等计算,在检测单个恶意节点的基础上,建立一种面向车联网的共谋恶意车辆节点检测方法,该方法可有效过滤车联网中虚假安全事件消息,提高了共谋恶意车辆节点检测准确率,而且提高了车联网的安全性能及运行效率。
Claims (8)
1.一种面向车联网的共谋恶意车辆节点检测方法,其特征在于,包括以下步骤:
步骤1),在车联网中,车辆节点间相互通信,Vi接收到Vj发送的道路安全事件E的消息msgE;Vi表示接收消息的任一车辆节点,Vj表示发送消息的任一车辆节点;Vi判断接收到Vj发送的有关道路安全事件E的消息msgE的相关属性,更新Vi自身的安全事件表SET;
步骤2)、Vi计算接收到安全道路事件E的msgE的信任度Tmsg_E,根据得到的信任度Tmsg_E判断接收到安全道路事件E的真假;
2.1、Vi计算安全道路事件E的msgE的信任度Tmsg_E:
式中,TTLmsg_E表示msgE有效存活时间;表示消息msgE初始有效存活时间,其可根据道路状况进行设定;TMnow表示Vi接收到msgE的当前时间,即Vi的OBU当前系统时间;TMmsg_E表示事件E发生的时间;
2.1.2、根据式(2)计算安全道路事件E的msgE的信任度Tmsg_E:
步骤3)、计算Vj的信任度,检测单个恶意节点:
首先分别计算Vj的通信信任TD_V和Vj的邻居信任TID_V:
3.1计算发送消息节点Vj的通信信任TD_V:
3.1.1根据Vi与Vj建立连接的次数及Vj发送真实道路安全事件消息的个数评估Vj的节点积极度:根据式(4)计算Vj的节点积极度γ:
3.1.2计算Vj的通信信任TD_V:根据式(5)计算Vj的通信信任TD_V:
式中,γ表示节点积极度,由步骤3.1.1得到;t表示时间因子;
3.3计算Vj的综合信任TCOM_V:
3.3.1Vi通过RSU获取Vj的信任值;
3.3.2结合获取Vj的通信信任TD_V、Vj的邻居信任TID_V和Vj的信任值TRSU_V,根据式(7)计算Vj的综合信任TCOM_V:
TCOM_V=αTD_V+βTID_V+γTRSU_V (7)
式中,TCOM_V表示Vj的综合信任值;TD_V表示Vj的通信信任值;TID_V表示Vj的邻居信任值;TRSU_V表示RSU对Vj的信任值;α,β,γ表示权重因子,由多次仿真实验获得最优值;
根据计算得到的Vj的综合信任TCOM_V更新Vi自身邻居信任表NTL;若确定Vj为正常节点,不进行步骤4)的共谋恶意车辆节点检测;若确定Vj为恶意节点,在邻居信任表NTL中进行标注,进行步骤4)的共谋恶意车辆节点检测,表示车辆节点综合信任值TCOM_V阈值;
2.根据权利要求1所述的一种面向车联网的共谋恶意车辆节点检测方法,其特征在于,步骤1)具体包括以下步骤:Vi接收到Vj发送的关于道路安全事件E的道路安全事件消息msgE;Vi判断接收到的道路安全事件消息msgE中事件类型EType、事件时间ETime及事件地点EPoint属性,将接收到的道路安全事件消息msgE的三种属于与Vi自身SET中的事件属性分别对比;
1.1.1、若接收到的道路安全事件消息msgE中的EType与Vi自身SET中的EType一致、接收到的道路安全事件消息msgE中的ETime≤ΔETime且接收到的道路安全事件消息msgE中的EPoint≤ΔEPoint,则判断接收到的道路安全事件消息msgE描述Vi自身SET中的事件,OBU将其划分为SET中关于事件E的消息;ΔETime表示时间阈值;ΔEPoint表示地理位置阈值;
1.1.2、若接收到的道路安全事件消息msgE中的EType与Vi自身SET中的EType不一致或者接收到的道路安全事件消息msgE中的ETime>ΔETime或者接收到的道路安全事件消息msgE中的EPoint>ΔEPoint,则判断接收到的道路安全事件消息msgE描述新的道路安全事件Enew,OBU将其划分为SET中的新事件Enew。
6.根据权利要求1所述的一种面向车联网的共谋恶意车辆节点检测方法,其特征在于,Vi将有共谋嫌疑的恶意节点列表SLMN发送给RSU;根据节点Vi确定有共谋嫌疑的恶意车辆名单,Vi以道路安全事件E为单位,向RSU发送有共谋嫌疑的恶意节点名单;即SLMN包括用于标识不同道路安全事件E的编号EID和共谋嫌疑的恶意车辆集合V_CS={Vcs1,Vcs2,...,Vcsm},Vcsm表示有共谋嫌疑的任一车辆节点ID,标识不同车辆节点。
7.根据权利要求6所述的一种面向车联网的共谋恶意车辆节点检测方法,其特征在于,RSU接收每个Vi发送的共谋嫌疑恶意节点列表SLMN,确定共谋节点集合V_C,即确定共谋恶意节点列表LCMN:RSU遍历多个SLMN,获取不同E中V_CS,求取numq个V_CS集合的交集intersectionV_C={VC1,VC2,...,VCX},其中,VCX表示共谋车辆节点ID,标识不同车辆节点;numq由多次仿真实验获取最优值;统计intersectionV_C集合中的车辆节点在不同E中共同出现次数numbad,表示次数阈值,若确定intersectionV_C集合中的车辆节点为共谋恶意车辆节点,即LCMN={VC1,VC2,...,VCX}。
8.根据权利要求1所述的一种面向车联网的共谋恶意车辆节点检测方法,其特征在于,RSU将LCMN中的共谋恶意车辆节点的信任值设为0,并向车辆节点广播LCMN,车辆节点拒绝与共谋恶意车辆节点通信交互。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910469496.XA CN110177370B (zh) | 2019-05-31 | 2019-05-31 | 一种面向车联网的共谋恶意车辆节点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910469496.XA CN110177370B (zh) | 2019-05-31 | 2019-05-31 | 一种面向车联网的共谋恶意车辆节点检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110177370A CN110177370A (zh) | 2019-08-27 |
CN110177370B true CN110177370B (zh) | 2022-06-14 |
Family
ID=67696209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910469496.XA Active CN110177370B (zh) | 2019-05-31 | 2019-05-31 | 一种面向车联网的共谋恶意车辆节点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110177370B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782687B (zh) * | 2019-08-30 | 2022-07-19 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置以及电子设备 |
CN111405512B (zh) * | 2020-03-16 | 2021-06-25 | 长沙学院 | 一种无线传感器网络中妥协节点快速检测方法 |
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 |
CN112437440B (zh) * | 2020-09-30 | 2024-02-02 | 北京工业大学 | 无线传感器网络中基于相关性理论的恶意共谋攻击抵抗方法 |
CN112672320A (zh) * | 2020-12-28 | 2021-04-16 | 深圳壹账通智能科技有限公司 | 一种车辆之间的消息通信方法及系统 |
CN113660269B (zh) * | 2021-08-17 | 2022-06-21 | 上海交通大学 | 面向集中式网联云控平台的信息可信度识别处理方法 |
CN114040362A (zh) * | 2021-09-18 | 2022-02-11 | 清华大学 | 一种车路协同环境下车辆动态可信关系建立方法及装置 |
CN115116213B (zh) * | 2022-05-20 | 2023-08-22 | 华南理工大学 | 一种基于改进全连接神经网络的车联网信任管理方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2743726A1 (en) * | 2012-12-14 | 2014-06-18 | Koninklijke KPN N.V. | Methods and systems for assessing trust in a mobile ad hoc network |
CN103957525A (zh) * | 2014-05-12 | 2014-07-30 | 江苏大学 | 车联网中基于分簇信任评估的恶意节点检测方法 |
CN105163308A (zh) * | 2015-05-25 | 2015-12-16 | 华南理工大学 | 一种车载自组网中基于信任度检测的安全路由协议 |
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 |
WO2017046805A1 (en) * | 2015-09-17 | 2017-03-23 | Tower-Sec Ltd. | Systems and methods for detection of malicious activity in vehicle data communication networks |
CN108053665A (zh) * | 2018-01-15 | 2018-05-18 | 长安大学 | 车联网环境中双信任机制的交通信息识别转发方法 |
CN109087511A (zh) * | 2018-10-18 | 2018-12-25 | 长安大学 | 一种融合动态交通流特征的道路安全消息信任评估方法 |
CN109275122A (zh) * | 2018-08-03 | 2019-01-25 | 暨南大学 | 一种基于服务证明的共识协议设计及其车联网应用方法 |
-
2019
- 2019-05-31 CN CN201910469496.XA patent/CN110177370B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2743726A1 (en) * | 2012-12-14 | 2014-06-18 | Koninklijke KPN N.V. | Methods and systems for assessing trust in a mobile ad hoc network |
CN103957525A (zh) * | 2014-05-12 | 2014-07-30 | 江苏大学 | 车联网中基于分簇信任评估的恶意节点检测方法 |
CN105163308A (zh) * | 2015-05-25 | 2015-12-16 | 华南理工大学 | 一种车载自组网中基于信任度检测的安全路由协议 |
WO2017046805A1 (en) * | 2015-09-17 | 2017-03-23 | Tower-Sec Ltd. | Systems and methods for detection of malicious activity in vehicle data communication networks |
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 |
CN108053665A (zh) * | 2018-01-15 | 2018-05-18 | 长安大学 | 车联网环境中双信任机制的交通信息识别转发方法 |
CN109275122A (zh) * | 2018-08-03 | 2019-01-25 | 暨南大学 | 一种基于服务证明的共识协议设计及其车联网应用方法 |
CN109087511A (zh) * | 2018-10-18 | 2018-12-25 | 长安大学 | 一种融合动态交通流特征的道路安全消息信任评估方法 |
Non-Patent Citations (3)
Title |
---|
An enhanced distributed trust computing protocol for VANETs;Gazdar T等;《IEEE Access》;20181231;全文 * |
Internet of Vehicles:Sensing-Aided Transportation Information Collecting and Diffusion;Wang J;《IEEE Transactions on Vehicular Technology》;20181231;全文 * |
车载自组网中基于信任管理的安全组播协议设计;夏辉等;《计算机学报》;20190318(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110177370A (zh) | 2019-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110177370B (zh) | 一种面向车联网的共谋恶意车辆节点检测方法 | |
CN110880236B (zh) | 路况信息处理方法、装置及系统 | |
CN100561540C (zh) | 一种基于车载无线传感器网络的交通路况信息处理方法 | |
WO2020103524A1 (zh) | 一种车联网的异常行为检测方法、装置和系统 | |
TWI717102B (zh) | 基於影像辨識之交通路況車聯網系統 | |
EP2743726B1 (en) | Methods and systems for assessing trust in a mobile ad hoc network | |
CN113870553B (zh) | 一种面向混合交通流的路网运行状态检测系统及方法 | |
US20120016536A1 (en) | Ad-hoc mobile ip network for intelligent transportation system | |
US20100227593A1 (en) | Traffic speed enforcement based on wireless phone network | |
CN104240500A (zh) | 一种路况信息预测方法及系统 | |
CN101729167A (zh) | 一种交通路况信息处理方法 | |
CN107421554A (zh) | 导航路径确定方法、装置、车载设备和存储介质 | |
CN104781865A (zh) | 用于借助于至少一辆机动车提供行驶路段信息的方法 | |
JP2017517819A (ja) | リアルタイムで道路状況をモニタリングする方法及びリアルタイムで道路状況をモニタリングする装置 | |
CN110536265B (zh) | 一种车联网环境下身份可溯的女巫攻击检测方法 | |
CN105336162A (zh) | 车辆异常聚集的预警方法及预警系统 | |
CN111369798A (zh) | 一种车辆违章监督的方法、车机及车辆 | |
CN102546696A (zh) | 行车感知导航系统 | |
Ahmad et al. | Infrastructure‐based vehicular congestion detection scheme for V2I | |
US20210352146A1 (en) | Efficient real time vehicular traffic reporting and sharing | |
CN110728853A (zh) | 一种交通事故的通知方法及智能交通系统 | |
CN107172147B (zh) | 节点信息获取装置、车辆间拓扑结构获取装置以及方法 | |
WO2015188450A1 (zh) | 预警处理方法和装置 | |
CN113497801A (zh) | 一种基于时戳链的Sybil攻击检测算法 | |
CN114245340A (zh) | 基于c-v2x的城市道路车路协同云控车辆引导系统 |
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 |