CN112929845B

CN112929845B - 一种基于区块链的车联网节点信任评估方法及系统

Info

Publication number: CN112929845B
Application number: CN202110102226.2A
Authority: CN
Inventors: 谢鹏寿; 王玺强; 康永平; 杨昊煊; 王靓轩; 王一凡; 童鑫; 冯涛; 晏燕
Original assignee: Lanzhou University of Technology
Current assignee: Lanzhou University of Technology
Priority date: 2021-01-26
Filing date: 2021-01-26
Publication date: 2022-07-05
Anticipated expiration: 2041-01-26
Also published as: CN112929845A

Abstract

本发明公开了一种基于区块链的车联网节点信任评估方法及系统。该方法包括：获取源消息发送节点发送的事件消息；根据事件消息，基于贝叶斯推理方法对事件的真实性进行判断；在确定事件为真实事件时，基于源消息发送节点发送的事件消息的正确消息数和虚假消息数，确定源消息发送节点的消息信任值；将消息信任值上传至区块链进行存储；根据存储在区块链的消息信任值进行车联网节点信任评估。采用本发明的方法及系统，将车辆节点的消息信任值存储在区块链，从而对车联网节点进行信任评估，能够提升车联网的安全性。

Description

一种基于区块链的车联网节点信任评估方法及系统

技术领域

本发明涉及车联网安全技术领域，特别是涉及一种基于区块链的车联网节点信任评估方法及系统。

背景技术

车联网作为智能交通系统的重要基础，在提高出行效率的同时，也存在相应的安全问题。安全管理研究中，基于信任值的方案得到广泛的应用，使用信任的概念对节点及消息的可靠性进行评估。但车联网环境下，车辆节点高速移动，网络拓扑结构不断变化，车辆节点之间通信和消息检验的时间非常短，对信任评估策略提出了更高的要求。目前存在的车辆节点信任评估方案总体上可以分为三类：基于节点的信任评估，主要根据车辆节点行为来评估其可靠性；基于消息的信任评估，主要考虑消息是否可靠，需要对接收到的每个消息进行评估；基于节点和消息相结合的评估方案，需要同时考虑节点和消息两个方面的因素。

上述方案，大多通过先前经验，周围车辆的推荐及中央机构的建议实现节点的评估，或侧重于评估接收到消息的可信度。即便节点行为与消息信任相结合的评估方案，也未考虑到行为可信节点带来的消息不可信问题。如何高效的对车辆节点信任进行评估、维护和管理是一个亟待解决的问题。

发明内容

本发明的目的是提供一种基于区块链的车联网节点信任评估方法及系统，将车辆节点的消息信任值存储在区块链，从而对车联网节点进行信任评估，能够提升车联网的安全性。

为实现上述目的，本发明提供了如下方案：

一种基于区块链的车联网节点信任评估方法，包括：

获取源消息发送节点发送的事件消息；所述源消息发送节点为发现事件的车辆节点；所述事件消息包括所述源消息发送节点与事件发生地点的距离；

根据所述事件消息，基于贝叶斯推理方法对事件的真实性进行判断；

在确定所述事件为真实事件时，基于所述源消息发送节点发送的事件消息的正确消息数和虚假消息数，确定所述源消息发送节点的消息信任值；

将所述消息信任值上传至区块链进行存储；

根据存储在区块链的消息信任值进行车联网节点信任评估。

可选的，在所述获取源消息发送节点发送的事件消息，之后还包括：

获取接收消息节点发送的信任等级；所述接收消息节点为接收所述源消息发送节点发送的事件消息的车辆节点；所述信任等级为所述接收消息节点根据所述源消息发送节点的数据传输行为生成的信任等级；

在所述信任等级为可信时，执行步骤“根据所述事件消息，基于贝叶斯推理方法对事件的真实性进行判断”；

在所述信任等级为不可信时，将所述事件消息丢弃。

可选的，接收消息节点根据所述源消息发送节点的数据传输行为生成信任等级的方法，具体包括：

所述接收消息节点根据所述源消息发送节点的数据传输行为特征，基于D-S证据理论，计算直接信任值；所述数据传输行为特征包括数据完整性、数据一致性、数据转发及时性和数据转发率；

所述接收消息节点根据所述源消息发送节点对共同邻居节点的直接信任值以及所述共同邻居节点对所述接收消息节点的直接信任值，计算间接信任值；所述共同邻居节点为所述接收消息节点和所述源消息发送节点之间存在的公共邻居节点；

对所述直接信任值和所述间接信任值，采用加权求和的方法计算行为信任值；

根据所述行为信任值确定所述信任等级；

其中，

所述间接信任值的计算公式如下：

式中，IT_i,j为源消息发送节点i对接收消息节点j的间接信任值，s为共同邻居节点的总个数，x为共同邻居节点变量，

为源消息发送节点i对第x个共同邻居节点k_x的直接信任值，

为第x个共同邻居节点k_x对接收消息节点j的直接信任值。

可选的，所述根据所述事件消息，基于贝叶斯推理方法对事件的真实性进行判断，具体包括：

根据所述事件消息，采用如下公式计算消息内容可信度：

式中，mc_i为源消息发送节点i发送关于事件的消息内容可信度，b为控制消息内容可信度下限的参数，γ为控制消息内容可信度变化率的参数，d_i为源消息发送节点i与事件发生地的距离；

根据所述消息内容可信度，基于贝叶斯推理方法计算事件发生的概率；

在所述概率大于预设阈值时，确定所述事件为真实事件。

可选的，所述基于所述源消息发送节点发送的事件消息的正确消息数和虚假消息数，确定所述源消息发送节点的消息信任值，具体包括：

根据如下公式计算消息信任值：

其中，

式中，MT_i为源消息发送节点i的消息信任值，MT_t为所述发送真实消息的信任基础值，MT_u为所述发送虚假消息的信任基础值，

为真实消息的奖惩因子，

为虚假消息的奖惩因子，m为发送真实事件的消息总个数，n为发送虚假事件的消息总个数，count_t为源消息发送节点i发送真实消息的反馈结果，count_u为源消息发送节点i发送虚假消息的反馈结果。

可选的，所述将所述消息信任值上传至区块链进行存储，具体包括：

将所述消息信任值打包形成区块；

根据所述消息信任值的大小确定矿工节点；

基于所述矿工节点，将所述区块添加至区块链中。

可选的，所述根据存储在区块链的消息信任值进行车联网节点信任评估，具体包括：

将所述消息信任值和所述行为信任值的和作为车辆节点的综合信任值；

根据所述综合信任值进行车联网节点信任评估。

本发明还提供一种基于区块链的车联网节点信任评估系统，包括：

事件消息获取模块，用于获取源消息发送节点发送的事件消息；所述源消息发送节点为发现事件的车辆节点；所述事件消息包括所述源消息发送节点与事件发生地点的距离；

真实性判断模块，用于根据所述事件消息，基于贝叶斯推理方法对事件的真实性进行判断；

消息信任值计算模块，用于在确定所述事件为真实事件时，基于所述源消息发送节点发送的事件消息的正确消息数和虚假消息数，确定所述源消息发送节点的消息信任值；

上传模块，用于将所述消息信任值上传至区块链进行存储；

车联网节点信任评估模块，用于根据存储在区块链的消息信任值进行车联网节点信任评估。

与现有技术相比，本发明的有益效果是：

本发明提出了一种基于区块链的车联网节点信任评估方法及系统，获取源消息发送节点发送的事件消息；根据事件消息，基于贝叶斯推理方法对事件的真实性进行判断；在确定事件为真实事件时，基于源消息发送节点发送的事件消息的正确消息数和虚假消息数，确定源消息发送节点的消息信任值；将消息信任值上传至区块链进行存储；根据存储在区块链的消息信任值进行车联网节点信任评估。本发明将车辆节点的消息信任值存储在区块链，从而对车联网节点进行信任评估，能够提升车联网的安全性。

此外，本发明在对事件的真实性进行判断之前需要获取接收消息节点发送的信任等级；在信任等级为不可信时将事件消息丢弃，在信任等级为可信时，根据事件消息基于贝叶斯推理方法对事件的真实性进行判断。本发明优化了信任评估的过程，降低了通信时的计算开销。车辆节点之间通信时，通过查询消息信任值获取信任等级，从而对可信程度做出初步的判断。避免了每次通信时对节点进行评估而进行大量的计算，在一定程度的上降低了通信时的计算开销，适用于即时通信的车联网环境。

在确定源消息发送节点的消息信任值时，本发明在消息信任评估过程中引入奖惩策略，激励节点发送真实消息。车辆节点发送正确的信息，信任值增加速度非常缓慢；而发送虚假消息，尤其是在连续发送虚假消息时，信任值剧烈减少。使得发送虚假消息付出的代价远远大于发送正确消息获得的利益，以此激励节点发送真实消息。

本发明为能够高效的实现动态信任评估，以行为信任值和消息信任值形成的综合信任值为基础，后续即时通信获取的消息信任值作为影响因子；同时可以解决车联网环境下行为可信节点带来的消息不可信问题，进一步保证车辆行驶及信息安全。

本发明用消息信任值代替算力进行记账权的争夺，即根据消息信任值的大小来获得记账权，称为信任证明机制(Proof of Trust，PoT)。相较于常见的共识算法，能够减少计算资源并实现更好的可扩展性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中基于区块链的车联网节点信任评估方法流程图；

图2为本发明实施例中车联网节点信任评估流程图；

图3为本发明实施例中车辆节点间接信任关系图；

图4为本发明实施例中区块数据结构图；

图5为本发明实施例中基于区块链的车联网节点信任评估系统框架图；

图6为本发明实施例中连续发送真实、虚假消息的信任值变化示意图；

图7为本发明实施例中连续发送虚假消息的信任值变化对比图；

图8为本发明实施例中间断发送真实、虚假消息的信任值变化示意图；

图9为本发明实施例中精确率和召回率随发送消息次数的变化示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例

图1为本发明实施例中基于区块链的车联网节点信任评估方法流程图，如图1所示，一种基于区块链的车联网节点信任评估方法，包括：

步骤101：获取源消息发送节点发送的事件消息；源消息发送节点为发现事件的车辆节点；事件消息包括源消息发送节点与事件发生地点的距离。

步骤102：获取接收消息节点发送的信任等级，在信任等级为可信时，执行步骤104；在信任等级为不可信时，执行步骤103。接收消息节点为接收源消息发送节点发送的事件消息的车辆节点；信任等级为接收消息节点根据源消息发送节点的数据传输行为生成的信任等级。

具体的，

接收消息节点根据源消息发送节点的数据传输行为生成信任等级的方法，具体包括：

接收消息节点根据源消息发送节点的数据传输行为特征，基于D-S证据理论，计算直接信任值；数据传输行为特征包括数据完整性、数据一致性、数据转发及时性和数据转发率；

接收消息节点根据源消息发送节点对共同邻居节点的直接信任值以及共同邻居节点对接收消息节点的直接信任值，计算间接信任值；共同邻居节点为接收消息节点和源消息发送节点之间存在的公共邻居节点；

对直接信任值和间接信任值，采用加权求和的方法计算行为信任值；

根据行为信任值确定信任等级；

其中，

间接信任值的计算公式如下：

式中，IT_i，j为源消息发送节点i对接收消息节点j的间接信任值，s为共同邻居节点的总个数，x为共同邻居节点变量，

为源消息发送节点i对第x个共同邻居节点k_x的直接信任值，

为第x个共同邻居节点k_x对接收消息节点j的直接信任值。

步骤103：将事件消息丢弃。

步骤104：根据事件消息，基于贝叶斯推理方法对事件的真实性进行判断。

步骤104，具体包括：

根据事件消息，采用如下公式计算消息内容可信度：

根据消息内容可信度，基于贝叶斯推理方法计算事件发生的概率；

在概率大于预设阈值时，确定事件为真实事件。

步骤105：在确定事件为真实事件时，基于源消息发送节点发送的事件消息的正确消息数和虚假消息数，确定源消息发送节点的消息信任值。

步骤105，具体包括：

根据如下公式计算消息信任值：

其中，

式中，MT_i为源消息发送节点i的消息信任值，MT_t为发送真实消息的信任基础值，MT_u为发送虚假消息的信任基础值，

为真实消息的奖惩因子，

步骤106：将消息信任值上传至区块链进行存储。

步骤106，具体包括：

将消息信任值打包形成区块；

根据消息信任值的大小确定矿工节点；

基于矿工节点，将区块添加至区块链中。

步骤107：根据存储在区块链的消息信任值进行车联网节点信任评估。

步骤107，具体包括：

将消息信任值和行为信任值的和作为车辆节点的综合信任值；

根据综合信任值进行车联网节点信任评估。

本发明针对基于区块链的车联网节点信任评估方法进行进一步说明，具体如下：

图2为本发明所提供的车联网节点信任评估流程图，如图2所示，以区块链技术构建分布式车辆节点信任数据库，对车辆节点的信任值数据进行维护和管理；共识机制中用信任证明代替工作量证明。具体步骤包括：

步骤一：基于节点直接信任值和间接信任值计算节点行为信任值；

计算节点行为信任值具体步骤包括：

步骤1：计算节点直接信任值；

通过D-S证据理论计算直接信任值。

步骤1包括：

研究对象的全集Θ表示为2^Θ，实体间的关系分为节点可信、节点不可信以及不确定，分别用{T}、{D}和{T，D}来表示。

通过对节点行为特征属性的挖掘分析，选择了四个典型的属性证据，数据完整性(E₁)、数据一致性(E₂)、转发及时性(E₃)、数据转发率(E₄)，并进行基本概率分配，如表1所示。

表1基本概率分配表

其中，m_ij(i＝1，2，3，4，j＝1，2，3)表示四个证据属性(E₁，E₂，E₃，E₄)对应的可信概率。概率分配函数m表示证据属性对事件的信任程度。

进一步的，在识别框架Θ下，对于其中所有的对象，表示为

概率分配函数m₁，m₂，...m_n的合成规则为：

其中，K为归一化因子，

基于公式(2)对属性证据进行合成，得到表示车辆节点直接信任的三元组，再根据归一化方法计算得到直接信任值DT。

DT_i，j＝{m_i，j({T})，m_i，j({D})，m_i，j({T，D})} (3)

步骤2：通过融合多个共同邻居节点的反馈得到间接信任值；

间接信任是评价节点V_j通过第三方节点V_k得到关于被评价节点V_i的直接信任值，节点间信任关系如图3所示。

为避免可信度的迭代，减少间接信任评估过程中时延。假设只有评价节点V_j和被评价节点的共同邻居节点V_k，才能提供关于V_i的间接信任。

若节点之间没有共同邻居节点，则将直接信任值作为行为信任值。

但在真实车联网环境中，车辆节点高速移动，位置不断变化，第三方节点V_i和评价节点V_j可能存在

多个公共邻居节点。

多个公共邻居节点出于自身利益考虑，可能会发送经过伪造或者错误的信息给节点V_i。在情况下，间接信任值的计算受到极大的影响。因此，需要对邻居节点发送的直接信任值进行全面分析。

第三方节点V_i广播请求评价V_j的信任数据后，满足条件的共同邻居节点

立即响应。将其与V_i的共同邻居节点V_j的直接信任值发送给请求节点V_i。进一步的，

是第三方节点V_i对共同邻居节点

的直接信任值，

是共同邻居节点

对评价节点V_j的直接信任值，

作为

的可靠度(权值)，n表示公共邻居节点的个数。根据公式(4)计算得到间接信任值IT。

步骤3：基于直接信任值与间接信任值，引入合适的权重，采取加权计算方法得到行为信任值，如公式(5)所示。并进行存储，作为可信判断的基础。

BT_i，j＝αDT_i，j+βIT_i，j (5)

其中，α，β∈(0，1)表示节点直接信任和间接信任对应的权重，且α+β＝1由节点自己的策略决定。

步骤二：某一事件e发生，车辆节点V_i报告事件。节点V_i将事件e发生的消息发送给附近车辆V_j，并报告给最近的RSU(路测单元)。

步骤三：接收到消息的车辆节点V_j初步判断事件e的可信程度，具体步骤包括：

车辆节点V_j接收到节点V_i关于事件e发生的消息时，车辆节点V_j首先通过查询获得发送消息节点V_i的信任值，基于查询信任等级判断其信任程度。

基于信任等级判断是否可信；若第一判断结果为信任等级为可信，若是，执行步骤四；若否，认为该消息不可信，将其丢弃。使得车辆节点接收到消息后能够及时的获得发送者的信任程度。

步骤四：RSU验证事件e的真实性。RSU通过综合多个源节点发送的消息，验证事件e的真实性：

RSU收到多个源消息发送的节点关于事件e的消息，RSU将接收到的消息放到分组中

其中

表示车辆节点V_i关于报告事件e_j的消息。

事件发生报告消息中加入位置证明，当源发送节点与RSU位于同一区域时才会考虑此消息。事件发生信息

中包含车辆节点与事件发生地点的距离证明。

基于距离证明来验证距离事件发生较近的车辆节点，并且只考虑发送事件消息的源节点。消息内容的可信度因报告节点与事件发生地点之间的距离不同而不同，距离事发地距离最近的节点通常具有较高的可信度。

消息内容可信度的定义如公式(6)所示。

其中，

是车辆节点V_i发送关于事件e_j的消息内容的可信度；

是消息发送节点V_i所在位置与事件e_j发生地的距离。b和γ是两个预设参数，分别控制内容可信度的下限和变化率。通过公式(6)，RSU可以获得关于事件e_j的消息可信度集

其中

进一步的，基于消息内容可信度集，使用贝叶斯推理理论来判断事件e_j的真实性。

基于消息内容可信度集

RSU可以使用贝叶斯推理理论，即公式(7)来验证事件e_j的真实性。

其中，e_j是

的互补事件，

p(e_j)是事件e_j的先验概率。

若判断结果为

大于预设的阈值ε，认为事件是真实事件。

步骤五：基于事件的真实性，计算源发送节点的消息信任值；节点发送消息是持续性行为，使用计数器count_t和count_u记录节点发送消息的反馈结果，分别代表连续发送正确消息数和连续发送虚假消息数。公式(8)和(9)所示为消息数计算方法。

正确报告此事件的源节点给予肯定，消息信任值为正数；给予发送虚假消息的源节点负面评价，消息信任值为负值。

进一步的，引入奖惩策略鼓励车辆发送真实消息。具体表现在，车辆节点发送正确的信息，信任值增加非常缓慢；而发送虚假消息，信任值减少非常快，尤其是在车辆节点连续发送虚假消息时，信任值剧烈减少。

基于奖惩策略，发送虚假消息付出的代价远远大于发送正确消息获得的利益。基于公式(10)计算得到消息信任值。

其中，MT_t为发送真实消息的信任基础值，如公式(11)所示，MT_u为发送虚假消息的信任基础值，如公式(12)所示。

m表示发送真实事件的消息个数，n表示发送虚假事件的消息个数。

其中，虚假消息数n为0时，真实消息信任基础值为定值0.01；

为奖惩因子，在连续发送真实消息时，消息信任值呈倍数增加；在连续发送虚假信息时，消息信任值呈指数减少，如公式(13)和(14)所示。

步骤六：将信任值打包形成新的区块，作为综合信任值的影响因子。

消息信任值当作一次交易形成新的区块，区块链网络中的节点接收到其他节点发送的消息，检查消息的合法性等，然后将检验通过的消息通过哈希算法处理(SHA256)，按照特定的方式记录到一个区块体中。

区块数据结构如图4所示，区块头包含了当前版本号、前一区块散列值、时间戳、当前区块共识过程的解随机数以及Merkle根等信息。区块体以Merkle树的形式记录一个区块完整的交易数据信息，Merkle树的存储结构可以提高系统的查找效率。

信任值消息存储到Merkle树中，添加信任值消息的过程描述如下，将信任值消息1、2写入到一个新的Merkle树，分别通过哈希算法处理(SHA256)，得到Hash1和Hash2，将它们串联起来，再次进行哈希处理，得到Hash12；如此层层进行哈希算法处理，直至得到最后一个数值，即为Merkle根。

步骤七：选择矿工节点；基于信任值代替算力，进行记账权的争夺，基于消息信任值大小来获得记账权，减少计算资源并实现更好的可扩展性。

区块链网络中所有节点共同维护综合信任值，并且所有节点维护的内容都相同。

共识机制是所有节点通过遵循共同约定好的规则，并在异步交互情况下共同参与完成。目标是使所有的节点保存一致的区块链视图。

在车联网环境下，考虑到基站按照统一的规模部署，因而各个节点的算力也大致相同。

基于信任证明机制，即根据接收到消息信任值的大小来定义节点的力量，节点接收到总的消息信任值越大，认为节点力量越大；对车辆节点信任状态产生的影响更大，意义更为深远。并且其获得记账权，成为矿工节点的机率越大。

步骤八：将新区块添加至主区块链，进行综合信任值更新；

将该区块按时间顺序链接到当前最长的主区块链上，即新区块存储于当前区块链最长链的末端。由于区块链网络中数据不可修改的特性，基于消息信任值的追加对综合信任值进行维护。

通过上述计算得到节点行为信任值和消息信任值，再由公式(15)将两者结合计算得到综合信任值。

T_i＝BT_i+MT_i (15)

由此完成车辆节点信任管理和维护过程，得到新的车辆节点综合信任值。

本发明还一种基于区块链的车联网节点信任评估系统，包括：

事件消息获取模块，用于获取源消息发送节点发送的事件消息；源消息发送节点为发现事件的车辆节点；事件消息包括源消息发送节点与事件发生地点的距离；

真实性判断模块，用于根据事件消息，基于贝叶斯推理方法对事件的真实性进行判断；

消息信任值计算模块，用于在确定事件为真实事件时，基于源消息发送节点发送的事件消息的正确消息数和虚假消息数，确定源消息发送节点的消息信任值；

上传模块，用于将消息信任值上传至区块链进行存储；

对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本发明针对基于区块链的车联网节点信任评估系统进行进一步说明，具体如下：

图5为本发明所提供的基于区块链的车联网节点信任评估系统框架图；如图5所示，一种基于区块链的车联网节点信任评估系统，包括：

车联网节点信任评估模型构建模块401，用于构建基于区块链的车联网节点信任评估机制框架；基于区块链的车联网节点信任评估机制框架包括区块链网络、固定于路边的基础设备，以及车辆节点；区块链网络用于负责车辆节点的信任值的管理和维护；基础设备用于负责接收基础设备通信范围内的车辆节点发送的事件消息，判断事件消息的真实性，负责将消息信任值打包上传；车辆节点用于负责发布、转发、接收事件消息，提供其邻居节点的信任评估。

事件信息通信模块402，用于车联网中车辆节点之间，车辆节点与RSU之间的消息通信；消息通信包括事件e发生的消息，车辆节点查询节点信任值，RSU反馈节点信任值以及车辆交通信息。

事件通信模块402具体包括：车辆节点之间消息通信，车辆节点之间关于交通事件的通信，车辆节点之间关于邻居节点的评价；车辆节点与RSU之间的消息通信，车辆节点向RSU报告事件发生的消息，车辆节点向RSU发送相关节点的信任值查询请求消息，RSU向车辆节点反馈查询节点的信任值消息，RSU广播交通事件的真实性消息。

节点信任评估模块403，用于验证所示事件e的真实性，根据验证结果，判断事件与消息的一致性，计算车辆节点的消息信任值。

节点信任评估模块403具体包括：RSU综合多个源消息节点发送的消息，基于贝叶斯推理理论验证事件e的真实性；基于事件e真实性验证结果以及发送节点的消息来判断一致性；基于奖惩机制，得到车辆节点的消息信任值。

新区块形成模块404，用于基于消息信任值，根据信任证明机制，形成新的区块，并根据新形成的区块选择矿工节点。

新区块形成模块404具体包括：RSU将消息信任值广播至区块链网络全部节点，全网中其他节点接收到信息后验证其合法性；验证通过将消息信任值信息经算法处理后，存放到一个临时区块；临时区块按照特定格式计算出区块头，由消息数据构成区块体；每个接收到信息的节点都对这个临时区块实施共识算法，根据共识算法选择矿工节点。

信任值更新模块405，用于基于新形成的信任值区块，基于矿工节点，将新形成的区块追加至区块链网络末端，更新车辆节点的消息信任值，更新得到节点的综合信任值。

本发明性能的优越性可通过以下仿真实验进一步说明：

如图6所示，图6(a)为连续发送真实消息的信任值变化示意图，图6(b)为连续发送虚假消息的信任值变化示意图。

图6(a)表示在不同恶意节点比例下，消息信任值均随节点连续多次发送真实信息而缓慢增加。车辆节点要通过连续发送多次真实信息，才能累积获得较高的信任值。信任值达到最大值后，只减少不增加。随着恶意节点所占比例增加，信任值累积的速度相对增加，正常节点可相对较快的提升信任值，与恶意节点之间产生较大的差距。

图6(b)表示在不同恶意节点比例下，节点连续发送虚假消息，消息信任值随之迅速下降。发送一次虚假消息时，信任值减少程度相对较小；在连续两次发送虚假消息之后，其信任值骤降到一般信任的边缘；连续三次发送虚假信息即可判定为恶意节点。其中，恶意节点较多的场景下，信任值减少更快，可快速识别恶意节点。

为更好的体现该方法的信任评估效果，将本发明算法(即本发明计算消息信任值的方法)与已有的信任评估算法(基于邻居辅助的算法)相对比。在对比算法中，其信任值增加幅度设置为0.01，连续发送真实消息时，信任值变化情况与本发明一致。连续发送虚假消息时，信任值变化情况对比如图7所示。两个方案恶意节点信任值均骤降，但本发明信任值减少幅度大于对比算法。连续三次发送虚假消息时，对比方案达到一般信任边界，而本发明信任值成为负值，筛选恶意节点的效率相对较高。

图8表示本发明面对断续攻击，震荡欺骗时信任值变化情况；图8(a)为间断发送真实消息的信任值变化示意图，图8(b)为间断发送虚假消息的信任值变化示意图。其中，图8(a)表示节点发送一次真实消息后便发送一次虚假消息的信任值变化情况。图8(b)表示节点连续发送两次真实消息，再连续发送两次虚假消息时信任值变化情况。对比可见，本发明在节点实施断续攻击时，信任值降低的速度较快，对恶意节点的识别具有一定的优势。

基于机器学习和信息检索领域常用的精度评估指标，精确率(Precision Rate，PR)和召回率(Recall Rate，RR)验证本发明中信任评估的准确性。精确率是指检测出的真正恶意节点数量(Num_M)与检测出的不可信节点的总数(Num_U)之比。召回率是指检测出的真正恶意节点数量(Num_M)与网络中存在的恶意节点总数(Num_TM)的比值，如公式(16)(17)所示。

本发明算法(即本发明计算消息信任值的方法)、基于邻居辅助的算法、JPRA(Joint Privacy and Reputation Assurance，共同隐私和信誉保证)算法的仿真结果对比如图9所示，图9(a)为精确率随发送消息次数的变化示意图，图9(b)为召回率随发送消息次数的变化示意图，其中图9(a)表示三个方案在精确率方面的对比图，图9(b)表示三个方案在召回率方面的对比图。可以看出在三个方案中，精确率和召回率均随发送消息次数增加而提高。节点发送消息次数较少时，对恶意节点检测的精确率相对较低。随着节点发送消息次数增加，恶意节点可能连续发送虚假消息，奖惩机制作用下恶意节点信任骤降，使得检测率达到较高的精度。相较于对比方案，无论在精确率还是召回率方面，本发明具有较高的精度，能够准确的识别恶意节点，具有一定的优势。

综上，本发明形成以综合信任值为基础，后续即时通信获取消息信任值为影响因子的动态信任评估算法。使用区块链对车辆节点的信任值进行存储和维护，并提出了基于信任证明的共识机制。仿真实验证明，该方法可以准确、高效识别出恶意节点。在一定程度上提高了信任评估的效率，满足动态评估的要求。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上，本说明书内容不应理解为对本发明的限制。