CN111445696A - 基于商滤波器边缘计算的信号灯路口交通数据检测方法 - Google Patents

基于商滤波器边缘计算的信号灯路口交通数据检测方法 Download PDF

Info

Publication number
CN111445696A
CN111445696A CN202010165750.XA CN202010165750A CN111445696A CN 111445696 A CN111445696 A CN 111445696A CN 202010165750 A CN202010165750 A CN 202010165750A CN 111445696 A CN111445696 A CN 111445696A
Authority
CN
China
Prior art keywords
vehicle
data
intersection
edge
edge node
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
CN202010165750.XA
Other languages
English (en)
Other versions
CN111445696B (zh
Inventor
吴黎兵
张瑞
王敏
曹书琴
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.)
Shenzhen Research Institute of Wuhan University
Original Assignee
Shenzhen Research Institute of Wuhan 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 Shenzhen Research Institute of Wuhan University filed Critical Shenzhen Research Institute of Wuhan University
Priority to CN202010165750.XA priority Critical patent/CN111445696B/zh
Publication of CN111445696A publication Critical patent/CN111445696A/zh
Application granted granted Critical
Publication of CN111445696B publication Critical patent/CN111445696B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2358—Change logging, detection, and notification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Probability & Statistics with Applications (AREA)
  • Traffic Control Systems (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)

Abstract

本发明公开了一种基于商滤波器边缘计算的信号灯路口交通数据检测方法，该方法包括：首先，上游交叉路口的信号灯边缘节点
Figure DDA0002407390320000011
上传需要通过下游交叉路口的车辆的可靠数据
Figure DDA0002407390320000012
到云服务器C，并将这些在
Figure DDA0002407390320000013
上存储的数据清除；其次，下游交叉路口的信号灯边缘节点
Figure DDA0002407390320000014
从云服务器C下载数据
Figure DDA0002407390320000015
并与来自其它方向的可靠车辆数据进行合并更新至
Figure DDA0002407390320000016
然后，建立车辆Vk与边缘节点
Figure DDA0002407390320000017
之间的连接，并查询是否有攻击者冒充已注册车辆，更新QFSA；最后，将更新后的QFSA上传到云服务器C中，并向其它边缘节点发送警告。本发明使用商滤波器大幅度提升了查询的有效性，降低了空间占用；具有较高的速度和良好的哈希效果，使得商滤波器的插入与查询操作更加高效。

Description

基于商滤波器边缘计算的信号灯路口交通数据检测方法
技术领域
本发明涉及信息安全技术领域，尤其涉及一种基于商滤波器边缘计算的信号灯路口交通数据检测方法。
背景技术
边缘计算是一个开放平台，在物理上靠近数据源的网络边缘上集成了网络、计算、存储和应用程序核心功能。它为边缘智能服务提供了计算模型。进行边缘计算的位置称为边缘节点，它可以是数据生成源和云中心之间具有计算资源和网络资源的任何节点。边缘计算的目的是将计算从数据中心转移到网络边缘，并使用智能对象，移动电话或网络网关代表云来执行任务和提供服务。通过将服务传输到边缘，可以提供内容缓存、服务交付、存储和物联网管理，以获得更好的响应时间和传输速率。将云基础设施分布到边缘有许多优势：保护用户隐私、计算速度快、及时处理延迟敏感消息、在5G基站上轻松部署边缘服务在不同级别共享资源。
商过滤器(Quotient Filter,QF)是一种用于测试元素是否是集合成员的空间数据结构，是一种有效的近似成员查询过滤器。商过滤器不同于其他的查询过滤器，它不仅具有用于插入和查询的常规近似成员查询滤波器操作，还具有更高搜索效率的散列函数。此外，还可以组合并调整大小，而无需重新散列原始密钥，从而避免从辅助存储访问这些密钥。
哈希函数mmh3具有速度快和哈希效果好的优点，广泛用于分布式网络中。哈希函数mmh3将字符串作为输入并产生整数，从而确保在均匀性和空间之间取得良好的平衡。与其他哈希函数MD/SHA和MAC系列相比，哈希函数mmh3占用较少的计算资源，并确保哈希结果的均匀分布。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于商滤波器边缘计算的信号灯路口交通数据检测方法，适用于5G车联网环境下，能有效提高交通数据的可靠性。
本发明解决其技术问题所采用的技术方案是：
本发明提供一种基于商滤波器边缘计算的信号灯路口交通数据检测方法，该方法由以下部分共同执行完成：交叉路口信号灯作为边缘节点e、需要通过交叉路口行驶的车辆V以及云服务器C；云服务器C中存储有车辆信息数据库和安全数据库QFSA；车辆信息数据库保存可靠的车辆信息，安全数据库QFSA保存攻击者的相关信息；该方法包括以下步骤：
步骤1：上游交叉路口的信号灯边缘节点
Figure BDA0002407390300000021
获取需要通过下游交叉路口的车辆的可靠车辆数据
Figure BDA0002407390300000022
将其上传至云服务器C，并清除边缘节点
Figure BDA0002407390300000023
上存储的数据；
步骤2：下游交叉路口的信号灯边缘节点
Figure BDA0002407390300000024
从云服务器C下载可靠车辆数据
Figure BDA0002407390300000025
并获取来自交叉路口其它各方向的可靠车辆数据，将可靠车辆数据合并更新至下游的可靠车辆数据
Figure BDA0002407390300000026
步骤3：当车辆Vk进入下游交叉路口的信号灯边缘节点
Figure BDA0002407390300000027
的通信范围内，根据可靠车辆数据
Figure BDA0002407390300000028
对车辆Vk进行判断，若车辆Vk的信息存在于可靠车辆数据
Figure BDA0002407390300000029
中，则建立车辆Vk与边缘节点
Figure BDA00024073903000000210
之间的连接，更新车辆信息数据库；若不存在，则将车辆Vk标记为可疑车辆，通知其它边缘节点；
步骤4：查询是否有攻击者冒充已注册车辆，更新安全数据库QFSA；
步骤5：将更新后的安全数据库QFSA上传到云服务器C中，并向网络内的其它边缘节点发送警告。
进一步地，本发明的步骤1中的具体实现方法为：
步骤1.1：当车辆Vn进入到上游边缘节点
Figure BDA00024073903000000211
的通信范围时，边缘节点
Figure BDA00024073903000000212
采用边缘计算技术使用自身的计算资源，通过商滤波器
Figure BDA00024073903000000213
更新可靠车辆数据的注册表
Figure BDA00024073903000000214
即
Figure BDA00024073903000000215
商滤波器采用哈希函数mmh3，哈希函数mmh3在哈希过程中对输入字符串数据进行多次的multiply和rotate，从而输出整数结果，使得数据更加安全高效的存储；
步骤1.2：边缘节点
Figure BDA0002407390300000031
将公钥
Figure BDA0002407390300000032
分享给车辆Vn，并且更新车辆信息库
Figure BDA0002407390300000033
步骤1.3：当有车辆Vi提出通过上游交叉路口并驶往下游交叉路口前，车辆Vi提交车辆信息ID，包含速度、方向、位置，
Figure BDA0002407390300000034
查询车辆在
Figure BDA0002407390300000035
是否存在，若存在则建立连接并接受公钥加密更新车辆信息库
Figure BDA0002407390300000036
否则将被视为可疑车辆；
步骤1.4：检测是否有攻击者冒充已注册车辆，随机选取车辆数据包的一段信息，检测在安全数据库QFSA中是否存在，若存在则视为攻击者，若不存在则检测
Figure BDA0002407390300000037
是否受到DOS或DDOS攻击，若存在则视为可疑攻击者并更新安全数据库QFSA发送至云服务器C；
步骤1.5：将包含已通过上游交叉路口车辆的数据注册表
Figure BDA0002407390300000038
上传到云服务器C并清除。
进一步地，本发明的步骤2中的具体实现方法为：
步骤2.1：当下游交叉路口有其它方向的车辆进入下游边缘节点
Figure BDA0002407390300000039
通信范围时，其它方向指除连接步骤1的上游交叉路口外，下游交叉路口剩余的其它路口；边缘节点
Figure BDA00024073903000000310
通过基于哈希函数mmh3的商滤波器
Figure BDA00024073903000000311
更新注册表
Figure BDA00024073903000000312
步骤2.2：边缘节点
Figure BDA00024073903000000313
将公钥
Figure BDA00024073903000000314
分享给其他方向的车辆，并更新车辆信息数据库，
Figure BDA00024073903000000315
步骤2.3：下游交叉路口的
Figure BDA00024073903000000316
将从云服务器C下载
Figure BDA00024073903000000317
注册表
Figure BDA00024073903000000318
合并更新为新的
Figure BDA00024073903000000319
进一步地，本发明的步骤3中的具体实现方法为：
步骤3.1：当车辆Vk进入下游交叉路口的信号灯边缘节点
Figure BDA00024073903000000320
的通信范围内，车辆Vk尝试连接
Figure BDA00024073903000000321
边缘节点
Figure BDA00024073903000000322
查询车辆Vk的信息ID在可靠车辆数据
Figure BDA00024073903000000323
中是否存在：
步骤3.2：若存在于可靠车辆数据
Figure BDA00024073903000000324
中，则分配给车辆公钥
Figure BDA00024073903000000325
并更新车辆信息数据库，建立车辆Vk与边缘节点
Figure BDA00024073903000000326
之间的连接，更新车辆信息数据库；
步骤3.3：若不存在，则将车辆Vk标记为可疑车辆，通知所有边缘节点e。
进一步地，本发明的步骤4中的具体实现方法为：
随机选择车辆数据中的一段，查询在安全数据库QFSA是否存在，若存在则视为车辆Vk为攻击者并断开连接，若不存在，则检测
Figure BDA0002407390300000041
是否受到DOS或DDOS攻击，若有则断开连接同时更新安全数据库QFSA。
进一步地，本发明的步骤5中的具体实现方法为：
将更新后的安全数据库QFSA通过5G基站上传到云服务器C中，并通过E2E通信向其他边缘节点发送警告。
本发明产生的有益效果是：
(1)目前有很多智能的交叉路口信号灯控制调度方法提升交通效率，这些方法都是基于交通信息提出的，但是很少有对交通数据的可靠性进行分析，而本发明是对这些交通信息的可靠性进行分析，使得智能调度方法具有更高的效率，提升安全性。
(2)与其他哈希策略相比，本发明的哈希方法占用更少的计算资源并确保哈希结果的均匀分布。
(3)本发明使用商滤波器对交通数据进行可靠性分析，减少了计算资源的占用，提高了查询效率。同时本发明将信号灯作为边缘计算节点，很大程度上节约了建设成本，在通信方面使用5G技术，提高通信速率。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1为本发明实施例的场景图。
图2为本发明实施例的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1、图2所示，本发明实施例提供一种基于商滤波器边缘计算的信号灯路口交通数据检测方法，该方法由以下部分共同执行完成：交叉路口信号灯作为边缘节点e、需要通过交叉路口行驶的车辆V以及云服务器C；云服务器C中存储有车辆信息数据库和安全数据库QFSA；车辆信息数据库保存可靠的车辆信息，安全数据库QFSA保存攻击者的相关信息；该方法包括以下步骤：
步骤1：上游交叉路口的信号灯边缘节点
Figure BDA0002407390300000051
获取需要通过下游交叉路口的车辆的可靠车辆数据
Figure BDA0002407390300000052
将其上传至云服务器C，并清除边缘节点
Figure BDA0002407390300000053
上存储的数据；
具体实现包括以下子步骤：
步骤1.1：当车辆Vn进入到上游边缘节点
Figure BDA0002407390300000054
的通信范围时，边缘节点
Figure BDA0002407390300000055
采用边缘计算技术使用自身的计算资源，通过商滤波器
Figure BDA0002407390300000056
更新可靠车辆数据的注册表
Figure BDA0002407390300000057
即
Figure BDA0002407390300000058
商滤波器采用哈希函数mmh3，哈希函数mmh3在哈希过程中对输入的字符串数据进行多次的multiply和rotate，从而输出整数结果，使得数据更加安全高效的存储；
步骤1.2：
Figure BDA0002407390300000059
将公钥
Figure BDA00024073903000000510
分享给Vn，并且更新车辆信息库
Figure BDA00024073903000000511
步骤1.3：当有车辆Vi提出通过上游交叉路口并驶往下游交叉路口前，Vi提交车辆信息ID(包含速度、方向、位置等)，
Figure BDA00024073903000000512
查询车辆在
Figure BDA00024073903000000513
是否存在，若存在则建立连接并接受公钥加密更新车辆信息库
Figure BDA00024073903000000514
否则将被视为可疑车辆；
步骤1.4：检测是否有攻击者冒充已注册车辆，随机选取车辆数据包的一段信息，检测在QFSA是否存在，若存在则视为攻击者，若不存在则检测
Figure BDA00024073903000000515
是否受到DOS或DDOS攻击，若存在则视为可疑攻击者并更新QFSA发送至云C；
步骤1.5：将包含已通过上游交叉路口车辆的数据注册表
Figure BDA00024073903000000516
上传到云C并清除。
步骤2：下游交叉路口的信号灯边缘节点
Figure BDA00024073903000000517
从云服务器C下载可靠车辆数据
Figure BDA00024073903000000518
并获取来自交叉路口其它各方向的可靠车辆数据，将可靠车辆数据合并更新至下游的可靠车辆数据
Figure BDA00024073903000000519
具体实现过程包含以下子步骤：
步骤2.1：当下游交叉路口有其它方向的车辆进入下游边缘节点
Figure BDA00024073903000000520
通信范围时，其它方向指除连接步骤1的上游交叉路口外，下游交叉路口剩余的其它路口；边缘节点
Figure BDA0002407390300000061
通过基于哈希函数mmh3的商滤波器
Figure BDA0002407390300000062
更新注册表
Figure BDA0002407390300000063
步骤2.2：边缘节点
Figure BDA0002407390300000064
将公钥
Figure BDA0002407390300000065
分享给其他方向的车辆，并更新车辆信息数据库，
Figure BDA0002407390300000066
步骤2.3：下游交叉路口的
Figure BDA0002407390300000067
将从云服务器C下载
Figure BDA0002407390300000068
注册表
Figure BDA0002407390300000069
合并更新为新的
Figure BDA00024073903000000610
步骤3：当车辆Vk进入下游交叉路口的信号灯边缘节点
Figure BDA00024073903000000611
的通信范围内，根据可靠车辆数据
Figure BDA00024073903000000612
对车辆Vk进行判断，若车辆Vk的信息存在于可靠车辆数据
Figure BDA00024073903000000613
中，则建立车辆Vk与边缘节点
Figure BDA00024073903000000614
之间的连接，更新车辆信息数据库；若不存在，则将车辆Vk标记为可疑车辆，通知其它边缘节点；
具体实现过程包含以下子步骤：
步骤3.1：当车辆Vk进入下游交叉路口的信号灯边缘节点
Figure BDA00024073903000000615
的通信范围内，车辆Vk尝试连接
Figure BDA00024073903000000616
边缘节点
Figure BDA00024073903000000617
查询车辆Vk的信息ID在可靠车辆数据
Figure BDA00024073903000000618
中是否存在：
步骤3.2：若存在于可靠车辆数据
Figure BDA00024073903000000619
中，则分配给车辆公钥
Figure BDA00024073903000000620
并更新车辆信息数据库，建立车辆Vk与边缘节点
Figure BDA00024073903000000621
之间的连接，更新车辆信息数据库；
步骤3.3：若不存在，则将车辆Vk标记为可疑车辆，通知所有边缘节点e。
步骤4：查询是否有攻击者冒充已注册车辆，更新QFSA；
具体实现过程是：随机选择车辆数据中的一段，查询在安全数据库QFSA是否存在，若存在则视为车辆Vk为攻击者并断开连接，若不存在，则检测
Figure BDA00024073903000000622
是否受到DOS或DDOS攻击，若有则断开连接同时更新数据库QFSA；
步骤5：将更新后的QFSA上传到云服务器C中，并向其他边缘节点发送警告。
本发明提供的一个基于商滤波器边缘计算的信号灯交叉路口交通数据检测方法，使用具有高效查询和可伸缩性的商滤波器对通过交叉路口的车辆数据进行查询与检测，提高交通数据的可靠性，为智能交通调度算法提供安全可靠的交通数据，同时利用边缘计算与5G技术，提高了方法的效率和安全性，节省了计算资源。
本发明具有高性能、实现复杂度低等特点。与其他滤波器数据检测方法相比，本发明使用商滤波器提高了查询的有效性，降低了空间占用。同时本发明在商滤波器中使用mmh3哈希函数，确保在均匀性和空间之间取得良好的平衡。并可用于分布式系统中，具有较高的速度和良好的哈希效果，使得商滤波器的插入与查询操作更加高效。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (6)

1.一种基于商滤波器边缘计算的信号灯路口交通数据检测方法，其特征在于，该方法由以下部分共同执行完成：交叉路口信号灯作为边缘节点e、需要通过交叉路口行驶的车辆V以及云服务器C；云服务器C中存储有车辆信息数据库和安全数据库QFSA；车辆信息数据库保存可靠的车辆信息，安全数据库QFSA保存攻击者的相关信息；该方法包括以下步骤：
步骤1：上游交叉路口的信号灯边缘节点
Figure FDA0002407390290000011
获取需要通过下游交叉路口的车辆的可靠车辆数据
Figure FDA0002407390290000012
将其上传至云服务器C，并清除边缘节点
Figure FDA0002407390290000013
上存储的数据；
步骤2：下游交叉路口的信号灯边缘节点
Figure FDA0002407390290000014
从云服务器C下载可靠车辆数据
Figure FDA0002407390290000015
并获取来自交叉路口其它各方向的可靠车辆数据，将可靠车辆数据合并更新至下游的可靠车辆数据
Figure FDA0002407390290000016
步骤3：当车辆Vk进入下游交叉路口的信号灯边缘节点
Figure FDA0002407390290000017
的通信范围内，根据可靠车辆数据
Figure FDA0002407390290000018
对车辆Vk进行判断，若车辆Vk的信息存在于可靠车辆数据
Figure FDA0002407390290000019
中，则建立车辆Vk与边缘节点
Figure FDA00024073902900000110
之间的连接，更新车辆信息数据库；若不存在，则将车辆Vk标记为可疑车辆，通知其它边缘节点；
步骤4：查询是否有攻击者冒充已注册车辆，更新安全数据库QFSA；
步骤5：将更新后的安全数据库QFSA上传到云服务器C中，并向网络内的其它边缘节点发送警告。
2.根据权利要求1所述的基于商滤波器边缘计算的信号灯路口交通数据检测方法，其特征在于，步骤1中的具体实现方法为：
步骤1.1：当车辆Vn进入到上游边缘节点
Figure FDA00024073902900000111
的通信范围时，边缘节点
Figure FDA00024073902900000112
采用边缘计算技术使用自身的计算资源，通过商滤波器
Figure FDA00024073902900000113
更新可靠车辆数据的注册表
Figure FDA00024073902900000114
即
Figure FDA00024073902900000115
商滤波器采用哈希函数mmh3，哈希函数mmh3在哈希过程中对数据进行多次的multiply和rotate，从而得到整数结果，使得数据更加安全高效的存储；
步骤1.2：边缘节点
Figure FDA00024073902900000116
将公钥
Figure FDA00024073902900000117
分享给车辆Vn，并且更新车辆信息库
Figure FDA0002407390290000021
步骤1.3：当有车辆Vi提出通过上游交叉路口并驶往下游交叉路口前，车辆Vi提交车辆信息ID，包含速度、方向、位置，
Figure FDA0002407390290000022
查询车辆在
Figure FDA0002407390290000023
是否存在，若存在则建立连接并接受公钥加密更新车辆信息库
Figure FDA0002407390290000024
否则将被视为可疑车辆；
步骤1.4：检测是否有攻击者冒充已注册车辆，随机选取车辆数据包的一段信息，检测在安全数据库QFSA中是否存在，若存在则视为攻击者，若不存在则检测
Figure FDA0002407390290000025
是否受到DOS或DDOS攻击，若存在则视为可疑攻击者并更新安全数据库QFSA发送至云服务器C；
步骤1.5：将包含已通过上游交叉路口车辆的数据注册表
Figure FDA0002407390290000026
上传到云服务器C并清除。
3.根据权利要求1所述的基于商滤波器边缘计算的信号灯路口交通数据检测方法，其特征在于，步骤2中的具体实现方法为：
步骤2.1：当下游交叉路口有其它方向的车辆进入下游边缘节点
Figure FDA0002407390290000027
通信范围时，其它方向指除连接步骤1的上游交叉路口外，下游交叉路口剩余的其它路口；边缘节点
Figure FDA0002407390290000028
通过基于哈希函数mmh3的商滤波器
Figure FDA00024073902900000211
更新注册表
Figure FDA00024073902900000212
步骤2.2：边缘节点
Figure FDA0002407390290000029
将公钥
Figure FDA00024073902900000210
分享给其他方向的车辆，并更新车辆信息数据库，
Figure FDA00024073902900000213
步骤2.3：下游交叉路口的
Figure FDA00024073902900000214
将从云服务器C下载
Figure FDA00024073902900000215
注册表
Figure FDA00024073902900000216
合并更新为新的
Figure FDA00024073902900000217
4.根据权利要求2所述的基于商滤波器边缘计算的信号灯路口交通数据检测方法，其特征在于，步骤3中的具体实现方法为：
步骤3.1：当车辆Vk进入下游交叉路口的信号灯边缘节点
Figure FDA00024073902900000218
的通信范围内，车辆Vk尝试连接
Figure FDA00024073902900000219
边缘节点
Figure FDA00024073902900000220
查询车辆Vk的信息ID在可靠车辆数据
Figure FDA00024073902900000221
中是否存在：
步骤3.2：若存在于可靠车辆数据
Figure FDA00024073902900000222
中，则分配给车辆公钥
Figure FDA00024073902900000223
并更新车辆信息数据库，建立车辆Vk与边缘节点
Figure FDA00024073902900000224
之间的连接，更新车辆信息数据库；
步骤3.3：若不存在，则将车辆Vk标记为可疑车辆，通知所有边缘节点e。
5.根据权利要求1所述的基于商滤波器边缘计算的信号灯路口交通数据检测方法，其特征在于，步骤4中的具体实现方法为：
随机选择车辆数据中的一段，查询在安全数据库QFSA是否存在，若存在则视为车辆Vk为攻击者并断开连接，若不存在，则检测
Figure FDA0002407390290000031
是否受到DOS或DDOS攻击，若有则断开连接同时更新安全数据库QFSA。
6.根据权利要求1所述的基于商滤波器边缘计算的信号灯路口交通数据检测方法，其特征在于，步骤5中的具体实现方法为：
将更新后的安全数据库QFSA通过5G基站上传到云服务器C中，并通过E2E通信向其他边缘节点发送警告。
CN202010165750.XA 2020-03-11 2020-03-11 基于商滤波器边缘计算的信号灯路口交通数据检测方法 Expired - Fee Related CN111445696B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010165750.XA CN111445696B (zh) 2020-03-11 2020-03-11 基于商滤波器边缘计算的信号灯路口交通数据检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010165750.XA CN111445696B (zh) 2020-03-11 2020-03-11 基于商滤波器边缘计算的信号灯路口交通数据检测方法

Publications (2)

Publication Number Publication Date
CN111445696A true CN111445696A (zh) 2020-07-24
CN111445696B CN111445696B (zh) 2022-05-20

Family

ID=71653197

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010165750.XA Expired - Fee Related CN111445696B (zh) 2020-03-11 2020-03-11 基于商滤波器边缘计算的信号灯路口交通数据检测方法

Country Status (1)

Country Link
CN (1) CN111445696B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2447917A1 (en) * 2010-10-28 2012-05-02 INTRALOT S.A. Integrated Information Systems and Lottery Services Methods and a system for dispensing
CN108198439A (zh) * 2018-01-24 2018-06-22 济南浪潮高新科技投资发展有限公司 一种基于雾计算的城市智能交通控制方法
CN109005538A (zh) * 2018-07-27 2018-12-14 安徽大学 面向无人驾驶车辆与多移动边缘计算服务器间的消息认证方法
CN109117362A (zh) * 2018-06-26 2019-01-01 华东师范大学 一种基于中间语言的plc程序验证系统
CN109147354A (zh) * 2018-08-15 2019-01-04 重庆邮电大学 基于V2X和ZigBee通信的智能交通信号灯系统及其控制方法
CN109760667A (zh) * 2017-11-06 2019-05-17 本田技研工业株式会社 车辆控制装置
CN109905860A (zh) * 2019-02-28 2019-06-18 华北电力大学 一种基于车辆雾计算的服务器招募及任务卸载优化方案
US10424196B1 (en) * 2018-06-25 2019-09-24 At&T Intellectual Property I, L.P. Dynamic edge network management of vehicular traffic
CN110446183A (zh) * 2019-06-01 2019-11-12 西安邮电大学 基于区块链的车联网系统和工作方法
CN110474962A (zh) * 2019-07-16 2019-11-19 佛山市南海区华南新能源汽车产业促进中心 一种基于边缘计算的数据核查系统及方法
CN110634287A (zh) * 2019-08-26 2019-12-31 上海电科智能系统股份有限公司 一种基于边缘计算的城市交通状态精细化判别方法
CN110675628A (zh) * 2019-09-30 2020-01-10 公安部交通管理科学研究所 一种路侧智能网联信息交互边缘装置
CN110766956A (zh) * 2019-10-11 2020-02-07 南京理工大学 基于模糊逻辑的交通信号控制方法
CN110851266A (zh) * 2018-08-03 2020-02-28 奇异世界有限公司 通过分区和虚拟进程的负载平衡

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2447917A1 (en) * 2010-10-28 2012-05-02 INTRALOT S.A. Integrated Information Systems and Lottery Services Methods and a system for dispensing
CN109760667A (zh) * 2017-11-06 2019-05-17 本田技研工业株式会社 车辆控制装置
CN108198439A (zh) * 2018-01-24 2018-06-22 济南浪潮高新科技投资发展有限公司 一种基于雾计算的城市智能交通控制方法
US10424196B1 (en) * 2018-06-25 2019-09-24 At&T Intellectual Property I, L.P. Dynamic edge network management of vehicular traffic
CN109117362A (zh) * 2018-06-26 2019-01-01 华东师范大学 一种基于中间语言的plc程序验证系统
CN109005538A (zh) * 2018-07-27 2018-12-14 安徽大学 面向无人驾驶车辆与多移动边缘计算服务器间的消息认证方法
CN110851266A (zh) * 2018-08-03 2020-02-28 奇异世界有限公司 通过分区和虚拟进程的负载平衡
CN109147354A (zh) * 2018-08-15 2019-01-04 重庆邮电大学 基于V2X和ZigBee通信的智能交通信号灯系统及其控制方法
CN109905860A (zh) * 2019-02-28 2019-06-18 华北电力大学 一种基于车辆雾计算的服务器招募及任务卸载优化方案
CN110446183A (zh) * 2019-06-01 2019-11-12 西安邮电大学 基于区块链的车联网系统和工作方法
CN110474962A (zh) * 2019-07-16 2019-11-19 佛山市南海区华南新能源汽车产业促进中心 一种基于边缘计算的数据核查系统及方法
CN110634287A (zh) * 2019-08-26 2019-12-31 上海电科智能系统股份有限公司 一种基于边缘计算的城市交通状态精细化判别方法
CN110675628A (zh) * 2019-09-30 2020-01-10 公安部交通管理科学研究所 一种路侧智能网联信息交互边缘装置
CN110766956A (zh) * 2019-10-11 2020-02-07 南京理工大学 基于模糊逻辑的交通信号控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
IGI ARDIYANTO: "Fast Multi-scale Homomorphic Quotient Filtering for Night Time License Plates Illumination Invariant and Denoising", 《2019 INTERNATIONAL ELECTRONICS SYMPOSIUM (IES)》 *
JIAN LIU: "Secure intelligent traffic light control using fog computing", 《FUTURE GENERATION COMPUTER SYSTEMS》 *
MUHAMMAD MOHSIN MEHDI: "A game theory based trust model for Vehicular Ad hoc Networks (VANETs)", 《COMPUTER NETWORKS》 *
SAHIL GARG: "Edge Computing-Based Security Framework for Big Data Analytics in VANETs", 《IEEE NETWORK》 *
吴黎兵: "一种ＶＡＮＥＴ环境下的智能交通信号控制方法", 《计算机学报》 *

Also Published As

Publication number Publication date
CN111445696B (zh) 2022-05-20

Similar Documents

Publication Publication Date Title
Garg et al. Edge computing-based security framework for big data analytics in VANETs
Garg et al. UAV-empowered edge computing environment for cyber-threat detection in smart vehicles
Zeng et al. DeepVCM: A deep learning based intrusion detection method in VANET
Premanand et al. Enhanced data accuracy based PATH discovery using backing route selection algorithm in MANET
Gaurav et al. Ddos attack detection in vehicular ad-hoc network (vanet) for 5g networks
Kolandaisamy et al. A multivariant stream analysis approach to detect and mitigate DDoS attacks in vehicular ad hoc networks
Fan et al. Secure and efficient privacy-preserving ciphertext retrieval in connected vehicular cloud computing
CN111478968A (zh) 一种数据处理方法和相关装置
Galego et al. Cybersecurity in smart cities: Technology and data security in intelligent transport systems
Fei et al. The abnormal detection for network traffic of power iot based on device portrait
Nagpal et al. Privacy and security issues in vehicular Ad Hoc networks with preventive mechanisms
Bangui et al. Towards faster big data analytics for anti‐jamming applications in vehicular ad‐hoc network
Vijayarangam et al. Enhancing the security and performance of nodes in Internet of Vehicles
Manipriya et al. A collaborative framework for traffic information in vehicular adhoc network applications
Kohli et al. Security challenges, applications and vehicular authentication methods in VANET for smart traffic management
Wu et al. An edge computing based data detection scheme for traffic light at intersections
Al-Mehdhara et al. MSOM: efficient mechanism for defense against DDoS attacks in VANET
Otoum et al. Signature-over-the-air with transfer learning ids for intelligent connected vehicles (icv)
Korium et al. Intrusion detection system for cyberattacks in the Internet of Vehicles environment
Liu et al. Data mining intrusion detection in vehicular ad hoc network
CN108418776A (zh) 用于提供安全业务的方法和设备
CN111445696B (zh) 基于商滤波器边缘计算的信号灯路口交通数据检测方法
Sassi et al. Investigation on deep learning methods for privacy and security challenges of cognitive IoV
Peng et al. An internet of vehicles intrusion detection system based on a convolutional neural network
TalebiFard et al. Semantic based networking of information in vehicular clouds based on dimensionality reduction

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220520

CF01 Termination of patent right due to non-payment of annual fee