CN112765636B - 面向车联网信息安全分发的访问控制策略生成方法 - Google Patents

面向车联网信息安全分发的访问控制策略生成方法 Download PDF

Info

Publication number
CN112765636B
CN112765636B CN202110107242.0A CN202110107242A CN112765636B CN 112765636 B CN112765636 B CN 112765636B CN 202110107242 A CN202110107242 A CN 202110107242A CN 112765636 B CN112765636 B CN 112765636B
Authority
CN
China
Prior art keywords
information
semantic
attribute
relation
attributes
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
Application number
CN202110107242.0A
Other languages
English (en)
Other versions
CN112765636A (zh
Inventor
刘雪娇
殷一丹
夏莹杰
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.)
Hangzhou Normal University
Original Assignee
Hangzhou Normal 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 Hangzhou Normal University filed Critical Hangzhou Normal University
Priority to CN202110107242.0A priority Critical patent/CN112765636B/zh
Publication of CN112765636A publication Critical patent/CN112765636A/zh
Application granted granted Critical
Publication of CN112765636B publication Critical patent/CN112765636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/604—Tools and structures for managing or administering access control systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了面向车联网信息安全分发的访问控制策略生成方法，包括以下步骤：构建属性知识库与语义关系图；从待分发信息中提取信息特征；基于语义关系图，计算提取的信息特征与属性之间的语义相关度，依次筛选出与信息特征相关度最高的匹配属性；基于匹配属性构建属性表达式；基于属性表达式构建访问控制策略。本发明在面对待分发的信息时，能够根据信息所影响车辆特征，从车辆、环境等属性集合中筛选出所影响车辆的群集属性，以准确地覆盖所影响车辆群，进一步制定准确、一致、完备的访问控制策略，实现车联网信息精准、安全地分发。

Description

面向车联网信息安全分发的访问控制策略生成方法
技术领域
本发明涉及智能交通技术领域，尤其是涉及一种面向车联网信息安全分发的精准访问控制策略生成方法。
背景技术
在车联网信息分发场景中，车辆通过制定基于属性的访问控制策略实现一对多的信息安全共享。面对待分发的信息时，根据信息所影响车辆特征，从车辆、环境等属性集合中筛选出所影响车辆的群集属性，以准确地覆盖所影响车辆群，进一步制定准确、一致、完备的访问控制策略是保证信息精准、安全分发的重要前提。
车联网信息分发以交通事件信息为主，具体包含交通安全预警类、交通运输效率类等信息类型，典型的场景包括障碍物预警、拥堵路况预警、恶劣天气警告、前方事故告知等。
车联网信息分发的目标范围大多包括和道路区域相关的多个节点，因此车联网信息分发主要采用广播形式。由于无线网络开放的特点，传输数据在链路中容易被窃听、篡改等，这严重侵犯驾驶人隐私、危害公共交通安全。为此，研究者提出将基于属性的访问控制机制引入车联网信息分发场景中，通过制定基于属性的访问控制策略，实现一对多且细粒度的信息共享。由于信息的访问控制策略通常由信息发送者主观制定，导致策略不精准，影响了交通信息服务的质量。
随着车联网通信技术和智慧交通的发展，信息中心能够通过挖掘交通大数据，分析在固定的时间与空间下车辆的周期性规律，因此具有预估待分发信息影响范围的能力。因此，对于车联网信息分发中访问控制策略制定的研究，不仅具有理论价值，并且具有应用价值，如何为待分发信息筛选所影响车辆的群集属性，生成准确、一致、完备的访问控制策略，提高信息分发的精准性成为亟需解决的问题。
发明内容
本发明提供了一种面向车联网信息安全分发的精准访问控制策略生成方法，该方法通过分析信息特征确定车辆的群集属性，并基于属性表达式构建访间控制策略，能够保证访问控制策略制定的精准性。
为实现上述目的，本发明提供如下技术方案：
一种面向车联网信息安全分发的访问控制策略生成方法，包括以下步骤：
S1、构建属性知识库与语义关系图；
S2、从待分发信息中提取信息特征；
S3、基于语义关系图，计算提取的信息特征与属性之间的语义相关度，依次筛选出与信息特征相关度最高的匹配属性；
S4、基于匹配属性构建属性表达式，所述的属性表达式由静态属性表达式和动态属性表达式组成；
S5、基于属性表达式构建访问控制策略。
本发明的有益效果主要体现在：
本发明通过设计访问控制策略自动生成方法，根据信息的特征，从车辆属性集合与环境属性集合中筛选出合适的群集属性，覆盖信息所影响车辆群，从而有效生成信息分发策略，提高信息分发的精准性。
附图说明
图1为本发明方法的流程示意图。
图2为信息特征与属性的语义关系图。
图3为关联区域的示意图。
图4为基于属性表达式构建访问控制策略的示意图。
具体实施方式
一种面向车联网信息安全分发的精准访问控制策略生成方法，如图1所示，包括以下步骤：
S1、构建属性知识库与语义关系图。
所述属性知识库主要包括了制定访问控制策略所需的候选属性集合。
所述语义关系图的构建主要是为了后续计算信息特征与属性间的相关度。
S11、针对车联网信息分发的应用场景，结合专家知识构建候选属性集合，所述的属性由静态属性和动态属性组成，构建信息特征与静态属性的关联规则。
所述的候选属性集合为车辆实体属性，分为静态属性和动态属性。
其中，静态属性是指车辆的静态信息，包括车辆类型、车牌号码、车牌颜色或车牌类型；动态属性是指车辆的动态信息，包括行驶速度、行驶位置或行驶方向。
S12、根据语义网络对信息特征的语义表示特点，提取语义关系，构建属性与信息特征之间的语义关系图。
如图2所示，所述的语义关系图由表示信息特征的关系起始项和表示属性的关系终止项以及二者之间的语义关系有向边组成；语义关系有向边由关系起始项指向关系终止项；语义关系图以语义关系有向边为单位，采用语义关系三元组(关系起始项、关系终止项、语义关系词)的方式存储；
在语义关系图中，若从关系起始项到关系终止项有路径存在，则称关系起始项和关系终止项是语义连通的，对于它们之间的某一条语义连通路径，将语义连通路径上弧的数量称为它们的语义连通路径长度。
S2、从待分发信息中提取信息特征。
信息中心发出的信息为计算机能够理解的结构化数据，从结构化数据中提取信息特征。
所述的信息特征为信息的类型、信息所述的事件类型、信息产生时间、信息所述的事件位置或信息所述的事件状态。
所述信息的类型包括但不限于警告类或救援类。
所述事件类型包括但不限于碰撞、火灾、拥堵或恶劣天气。
所述信息产生时间是指由GPS同步时钟产生的时间表达式，记为FtrValTime＝yyyy-MM-dd HH：mm：ss。
所述信息所述的事件位置由道路编号roadID、交叉口编号crossID、车道编号laneID、偏移距离distance和长度len组成，记为FtrValposition＝{roadID，crossID，laneID，distance，len}。
所述信息所述的事件状态表示事件的发展程度，分为FtrValStatus∈{未响应，响应，处理，恢复}。
本实施例中待分发信息为：“2020.08.12.10:28:00时在{1，2，1，200，300}发生事故需要救援”，所提取的信息特征如下：
其中，FtrVal代表某个信息特征；MsgType代表信息类型；EventType代表信息所述的事件类型；Time代表信息产生时间；Position代表信息所述的事件位置、Status代表信息所述的事件状态。
S3、基于语义关系图，计算提取的信息特征与属性之间的语义相关度，依次筛选出与信息特征相关度最高的匹配属性。
S31、通过采用图论的遍历算法，遍历语义关系图，得到信息特征和属性的语义连通路径数目和每条语义连通路径的长度，根据语义连通路径数目和每条语义连通路径的长度计算信息特征和属性的语义相关度。
所述的语义连通路径的路径长度不超过α，α的取值范围为α＞1；在计算中不考虑语义连通路径长度超过α(α＞1)的语义连通路径，并且为长度为1～α的语义连通路径分别赋予权值系数因此，每条语义连通路径的加权长度为/>其中，kj∈[1，α]，j∈[1，n]。
所述的根据语义连通路径数目和每条语义连通路径的长度计算信息特征和属性的语义相关度，具体如下式所示：
其中，Rel(FtrVal，Attri)代表信息特征和属性之间的语义相关度，FtrVal代表信息特征，Attri代表属性；n代表信息特征和属性之间的语义连通路径数目；代表信息的特征和属性之间的平均加权语义连通路径长度。
所述的平均加权语义连通路径长度的计算公式如下式所示：
其中，L(FtrVal，Attri)代表信息特征和属性之间的连通路径总长；代表信息特征和属性之间每条路径的权值系数；kj代表信息特征和属性之间每条路径的长度，kj的取值范围为1≤kj≤α；j的取值范围为i∈[1，n]；/>代表每条语义连通路径的加权长度。
S32、对于每一个提取的信息特征，将语义相关度最高的属性作为匹配属性。
S33、依次遍历待分发信息中提取的每个信息特征，分别得到语义相关度最高的匹配属性。
S4、基于匹配属性构建属性表达式，所述的属性表达式由静态属性表达式和动态属性表达式组成。
所述的属性表达式AttrExpr是属性名、关系操作符和属性值构成的关系式，记为：AttrExpr＝AttrName～AttrValue，～∈{＝，≠，＜，≤，＞，≥}。
所述的属性值AttrValue可以是离散值或连续值，也可以是两者的结合。离散值表示为AttrValue＝{val1，val2，...，valn}，其中f为离散值的个数；连续值表示为AttrValue＝[valmin，valmax}，其中valmin为值域的下限，valmax为值域的上限。
例如：属性名为车辆类型：
AttrValue＝[救护车，警车，出租车，公交车，私家车，工程车]。
根据属性表达式是否可以由信息特征直接确定，将其分为静态属性表达式和动态属性表达式。即静态属性表达式一般与信息直接相关，动态属性表达式需结合事件的时空特征。
S41、根据属性知识库中关联规则确定与信息特征相关联的静态属性表达式；所述的关联规则表示信息特征与属性表达式的映射关系，每个信息特征关联唯一确定的静态属性表达式；所述的属性表达式是属性名、关系操作符和属性值构成的关系式；
map：FtrVal→AttrExprregular
本实施例中map：救援类→车辆类型～警车。
除静态属性外，动态属性表达式需结合事件的时空特征确定。
信息的时空特征表示事件的生命周期，一般来说，事件的生命周期越长，表示该信息所影响的时间越长。信息的空间特征表示事件的影响范围。由于信息的时间特征间接影响分发的区域范围，因此将二维的时间-空间特征简化为实时的一维空间特征。
S42、根据信息特征中信息产生时间以及信息所述的事件位置组成其关联区域。
如图3所示，信息中心根据道路结构确定地理空间的关联情况，将地理空间分割成不同区域。对于给定时间在给定区域Ri中出现的事件，组成其关联区域ZORi。
S43、结合信息特征以及环境因素，基于利用交通运输工程学理论确定联区域的取值。
基于信息中提取的特征：事件类型、时间、区域、状态，并结合车道关闭数目、天气情况、交通流状态等环境因素，利用交通运输工程学理论综合评价这些因素后能够确定ZORi的取值。
假设给定信息相关的事件发生在区域Ri的道路上，那么该信息的空间影响范围是Ri关联的区域集合，即ZOR＝{R1...Rn}。
本实施例中ZOR＝{R1：{1，2，1，200，600}，R2：{1，2，3，0，500}}。
行驶方向的属性表达式中方向的取值由ZOR中相应区域的车道方向确定，每个区域由道路编号、交叉口编号、车道编号、偏移距离和长度组成，记为Ri＝{roadID，crossID，laneID，distance，len}，每个方向属性与一组关联区域相对应。根据道路编号、交叉口编号、车道编号可确定对应取值，方法如下：
{roadID，crossID，laneID}→AttrExprdirection
在本实施例中{1，2，1}→南，{1，2，3}→东。
行驶位置的属性表达式中范围区间即为ZOR所含区域；然而在信息分发过程中，信息发送者(RSU)所能覆盖的区域范围是有限的，中心可根据每个RSU所能覆盖的不同范围来选择Ri或Ri的部分区间，通过为不同RSU生成属性表达式的方式，能够减小属性表达式的复杂度，位置属性表达式的确定方法如下：
RSUrange∩ZOR＝AttrExprposition
在本实施例中，
RSU：{1，2，1，0，600}∩{R1：{1，2，1，200，600}，R2：{1，2，3，0，500}}＝{1，2，1，200，600}
其他动态属性，如行驶速度的属性表达式中速度的取值需要结合实际的交通流状态等环境因素，利用交通运输工程学理论综合评价后确定。
S5、基于属性表达式构建访问控制策略。
S51、信息中心采用析取范式来组合属性表达式，从而定义访问控制策略的结构。
所述的访问控制策略是由属性表达式以及属性表达式间的支配关系通过逻辑运算符连接而成的，记为pol，pol表示为其中AttrExpr为属性表达式，∧表示“与”操作，∨表示“或”操作。
所述的访问控制策略结构采用析取范式来组合属性表达式，所起到的效果为：并非每一个属性都必须包含在访问控制策略结构中，位置属性表达式能够确定方向时，方向属性表达式不需要被组合到策略中。
由范式存在定理可知，任何布尔逻辑表达式可以转换为析取范式(Disjunctivenormal form，DNF)。如图4所示，所述的访问控制策略结构只有三层，根节点为逻辑“或”，第二层非叶节点为逻辑“与”，第三层叶结点为属性表达式。以“与”逻辑连接属性表达式，最终生成的策略如下：
pol＝∨(AttrExprregular∧AttrExprdirection∧AttrExprspeed∧AttrExprposition)
在本实施例中pol＝∨(车辆类型＝警车∧车辆位置∈{1，2，1，200，600})。

Claims (6)

1.一种面向车联网信息安全分发的访问控制策略生成方法，其特征在于，包括以下步骤：
S1、构建属性知识库与语义关系图，具体为：
S11、针对车联网信息分发的应用场景，结合专家知识构建候选属性集合，构建信息特征与属性的关联规则；
S12、根据语义网络构建信息特征与属性之间的语义关系图；
所述的语义关系图由表示信息特征的关系起始项和表示属性的关系终止项以及二者之间的语义关系有向边组成；语义关系有向边由关系起始项指向关系终止项；语义关系图以语义关系有向边为单位，采用语义关系三元组关系的方式存储，所述语义关系三元组关系包括起始项、关系终止项、语义关系词；
在语义关系图中, 若从关系起始项到关系终止项有路径存在, 则称关
系起始项和关系终止项是语义连通的，对于它们之间的某一条语义连通路径，将语义连通路径上弧的数量称为它们的语义连通路径长度；
S2、从待分发信息中提取信息特征；
S3、基于语义关系图，计算提取的信息特征与属性之间的语义相关度，依次筛选出与信息特征相关度最高的匹配属性，具体为：
S31、通过采用图论的遍历算法，遍历语义关系图，得到信息特征和属性的语义连通路径数目和每条语义连通路径的长度，根据语义连通路径数目和每条语义连通路径的长度计算信息特征和属性的语义相关度；
S32、对于每一个提取的信息特征，将语义相关度最高的属性作为匹配属性；
S33、依次遍历待分发信息中提取的每个信息特征，分别得到语义相关度最高的匹配属性；
S4、基于匹配属性构建属性表达式，具体为：
S41、根据属性知识库中关联规则确定与信息特征相关联的静态属性表达式；所述的关联规则表示信息特征与属性表达式的映射关系，每个信息特征关联唯一确定的静态属性表达式；所述的属性表达式是属性名、关系操作符和属性值构成的关系式；
S42、根据信息特征中信息产生时间以及信息所记载的事件位置组成其关联区域；
S43、结合信息特征以及环境因素，基于交通运输工程学理论确定联区域的取值；
S5、基于属性表达式构建访问控制策略。
2.根据权利要求1所述的访问控制策略生成方法，其特征在于，所述的根据语义连通路径数目和每条语义连通路径的长度计算信息特征和属性的语义相关度，具体如下式所示：其中，/>代表信息特征和属性之间的语义相关度，/>代表信息特征，/>代表属性；/>代表信息特征和属性之间的语义连通路径数目；/>代表信息的特征和属性之间的平均加权语义连通路径长度；所述的平均加权语义连通路径长度的计算公式如下式所示：/> 其中，/>代表信息特征和属性之间的连通路径总长；/>代表信息特征和属性之间每条路径的权值系数；/>代表信息特征和属性之间每条路径的长度，/>的取值范围为/>；/> 的取值范围为/>；/>代表每条语义连通路径的加权长度，/>表示语义连通路径长度。
3.根据权利要求1所述的访问控制策略生成方法，其特征在于，所述的S5、基于属性表达式构建访问控制策略具体为：信息中心采用析取范式来组合属性表达式，从而定义访问控制策略的结构。
4.根据权利要求3所述的访问控制策略生成方法，其特征在于，所述的访问控制策略的结构为三层，第一层根节点为逻辑或，第二层非叶节点为逻辑与，第三层叶结点为属性表达式，以与逻辑连接属性表达式。
5.根据权利要求1~4任意一项所述的访问控制策略生成方法，其特征在于，所述的信息特征为信息的类型、信息所记载的事件类型、信息产生时间、信息所记载的事件位置或信息所记载的事件状态。
6.根据权利要求5所述的访问控制策略生成方法，其特征在于，所述信息的类型为警告类或救援类；所述的事件类型为碰撞、火灾、拥堵或恶劣天气；所述的信息产生时间是指由GPS同步时钟产生的时间表达式；所述的信息所述的事件位置由道路编号、交叉口编号、车道编号、偏移距离和长度组成；所述的信息所述的事件状态为未响应、响应、处理或恢复。
CN202110107242.0A 2021-01-26 2021-01-26 面向车联网信息安全分发的访问控制策略生成方法 Active CN112765636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110107242.0A CN112765636B (zh) 2021-01-26 2021-01-26 面向车联网信息安全分发的访问控制策略生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110107242.0A CN112765636B (zh) 2021-01-26 2021-01-26 面向车联网信息安全分发的访问控制策略生成方法

Publications (2)

Publication Number Publication Date
CN112765636A CN112765636A (zh) 2021-05-07
CN112765636B true CN112765636B (zh) 2023-11-17

Family

ID=75705929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110107242.0A Active CN112765636B (zh) 2021-01-26 2021-01-26 面向车联网信息安全分发的访问控制策略生成方法

Country Status (1)

Country Link
CN (1) CN112765636B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009026307A (ja) * 2007-06-28 2009-02-05 Nec (China) Co Ltd 交通情報処理装置および方法、交通情報統合装置および方法
CN103745161A (zh) * 2013-12-23 2014-04-23 东软集团股份有限公司 访问安全控制方法及装置
CN105005554A (zh) * 2015-06-30 2015-10-28 北京信息科技大学 一种词汇语义相关度的计算方法
CN108696493A (zh) * 2017-04-06 2018-10-23 杭州远眺科技有限公司 一种车联网中身份认证及消息分发系统及方法
CN111565374A (zh) * 2020-04-13 2020-08-21 浙江大学 一种基于动态反馈机制的信息分发策略优化方法
CN111586107A (zh) * 2020-04-13 2020-08-25 浙江大学 一种车联网信息分发场景下基于属性的多方策略融合方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11036986B2 (en) * 2019-02-08 2021-06-15 Lyft, Inc. Systems and methods for aligning map data

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009026307A (ja) * 2007-06-28 2009-02-05 Nec (China) Co Ltd 交通情報処理装置および方法、交通情報統合装置および方法
CN103745161A (zh) * 2013-12-23 2014-04-23 东软集团股份有限公司 访问安全控制方法及装置
CN105005554A (zh) * 2015-06-30 2015-10-28 北京信息科技大学 一种词汇语义相关度的计算方法
CN108696493A (zh) * 2017-04-06 2018-10-23 杭州远眺科技有限公司 一种车联网中身份认证及消息分发系统及方法
CN111565374A (zh) * 2020-04-13 2020-08-21 浙江大学 一种基于动态反馈机制的信息分发策略优化方法
CN111586107A (zh) * 2020-04-13 2020-08-25 浙江大学 一种车联网信息分发场景下基于属性的多方策略融合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种基于语义关系图的词语语义相关度计算模型;张仰森;郑佳;李佳媛;;自动化学报(第01期);正文全文 *

Also Published As

Publication number Publication date
CN112765636A (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
Putra et al. Intelligent traffic monitoring system (ITMS) for smart city based on IoT monitoring
Zhang et al. Misbehavior detection based on support vector machine and Dempster-Shafer theory of evidence in VANETs
WO2020103524A1 (zh) 一种车联网的异常行为检测方法、装置和系统
US11538343B2 (en) Automatic warning of atypical audio indicating a transport event
Sahraoui et al. DeepDist: A deep-learning-based IoV framework for real-time objects and distance violation detection
CN108257385B (zh) 一种基于公共交通的异常事件的甄别方法
CN111210163B (zh) 一种基于多源数据的公交车辆风险评价系统与方法
Wu et al. A deep learning approach to secure vehicle to road side unit communications in intelligent transportation system
Hidalgo et al. Detection, control and mitigation system for secure vehicular communication
CN112765636B (zh) 面向车联网信息安全分发的访问控制策略生成方法
Begriche et al. A reputation system using a bayesian statistical filter in vehicular networks
Yang et al. Developing a new real-time traffic safety management framework for urban expressways utilizing reinforcement learning tree
Aoki et al. An early event detection technique with bus GPS data
CN110992690B (zh) 车联网中基于时空离群点的虚假数据检测方法
CN111461094A (zh) 基于监控视频的套牌车识别方法、装置及计算机设备
CN116192459A (zh) 基于边边协同的边缘节点网络安全威胁监测方法
US11443624B2 (en) Automatic warning of navigating towards a dangerous area or event
CN104008176A (zh) 基于分布式处理和消息驱动模式的业务处理方法
Wang et al. Congestion prediction for urban areas by spatiotemporal data mining
CN111507564B (zh) 一种融合时空关联性的城市道路警报消息可靠性评估方法
JP7440065B2 (ja) ブロックチェーンネットワークシステム
Alzahrani et al. Robust misbehavior detection scheme for vehicular network
CN114051220A (zh) 一种基于本体的车联网动态贝叶斯攻击图生成方法及系统
Eze et al. A Context-Based Decision-Making Trust Scheme for Malicious Detection in Connected and Autonomous Vehicles
Qi et al. A multi-dimensional trust model for misbehavior detection in vehicular ad hoc networks

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