CN113727282B - 车联网中隐私保护的基于相似度的信任评估方法 - Google Patents

车联网中隐私保护的基于相似度的信任评估方法 Download PDF

Info

Publication number
CN113727282B
CN113727282B CN202110948748.4A CN202110948748A CN113727282B CN 113727282 B CN113727282 B CN 113727282B CN 202110948748 A CN202110948748 A CN 202110948748A CN 113727282 B CN113727282 B CN 113727282B
Authority
CN
China
Prior art keywords
vehicle
similarity
vehicles
value
trust
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
CN202110948748.4A
Other languages
English (en)
Other versions
CN113727282A (zh
Inventor
刘志全
马雯轩
陈欣
赵许帆
李佳时
孙彩菊
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.)
Jinan University
Original Assignee
Jinan 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 Jinan University filed Critical Jinan University
Priority to CN202110948748.4A priority Critical patent/CN113727282B/zh
Publication of CN113727282A publication Critical patent/CN113727282A/zh
Application granted granted Critical
Publication of CN113727282B publication Critical patent/CN113727282B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/04—Key management, e.g. using generic bootstrapping architecture [GBA]
    • H04W12/043—Key management, e.g. using generic bootstrapping architecture [GBA] using a trusted network node as an anchor
    • H04W12/0431—Key distribution or pre-distribution; Key agreement
    • 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
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明公开了车联网中隐私保护的基于相似度的信任评估方法，包括以下步骤：S1、初始化与车辆注册，系统设定属性描述车辆特征，车辆进行线下注册，可信机构为车辆分配唯一标识符，可信机构TA根据车辆特征为车辆分配属性和秘密值，RSU初始化；S2、车辆与车辆之间进行数据交换并进行信任评估，车辆利用PSI‑CA协议，结合Jaccard相似度系数来计算车辆之间的属性集合相似度，进而导出车辆的信任值。本发明保证了信息在高速传递下，同时完成对信息的隐私保护和可信度评估，具有较高的实用性。

Description

车联网中隐私保护的基于相似度的信任评估方法
技术领域
本发明属于车联网安全技术领域，具体涉及车联网中隐私保护的基于相似度的信任评估方法。
背景技术
车联网(Internet of Vehicles,IOV)是智能交通系统中至关重要的一部分，是一种自发创建的网络形态，其基本思想是通过车载通信模块建立车辆与周围车辆、基站之间的通信，从而实时获取各类业务数据，并根据获取到的数据进行综合决策，监管汽车运行状态，以达到提升交通安全与效率的目的。V2X(Vehicle to Everything)车联网指的是车辆之间，或者汽车与行人、骑行者以及基础设施之间的通信系统。利用装载在车辆上的无线射频识别RFID技术、传感器、摄像头获取车辆行驶情况、系统运行状态及周边道路环境信息，同时借助GPS定位获得车辆位置信息，继而实现在整个车联网系统中信息的共享。信任评估和隐私保护在车联网中扮演者至关重要的角色，信任评估对车辆可信度进行计算，准确的评判消息准确性的。同时需要保护车辆的隐私，以避免可能存在的恶意节点，通过故意广播虚假消息的方式来扰乱其他车辆的正常行驶。
Xia H，Sha EH-M等人提出了基于模糊移动理论的信任模型，根据节点经验为节点获得一个准确的信任值，但在进行信息交互时不利于对目标节点的客观间接信任值进行评价，基于相似度的信任模型在反映目标实际可信度的客观间接信任值方面起到很好的效果。ShuaishuaiTan，YanmingLiu等人提出了基于相似度的抗欺骗间接信任模型，但是数据交互过程中需经过多次传递，无法保证在数据传输过程中信息的隐私安全和保护，缺少隐私保护的信任模型对车辆的信息安全威胁极大。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足，提出一种车联网中隐私保护的基于相似度的信任评估方法，方法能够保证信息在高速传递下，高效地完成对信息的隐私保护同时进行该信息的可信度评估，在车联网的信息交互中具有较高的实用性。
为了达到上述目的，本发明采用以下技术方案：
车联网中隐私保护的基于相似度的信任评估方法，设有车辆及其车载传感器、RSU以及可信机构TA，车辆及其车载传感器、RSU以及可信机构TA之间通过无线网络进行通信，包括以下步骤：
S1、初始化与车辆注册，设定属性描述车辆特征，车辆进行线下注册，可信机构为车辆分配唯一标识符，可信机构TA根据车辆特征为车辆分配属性和秘密值，RSU初始化；
S2、车辆与车辆之间进行数据交换并进行信任评估，车辆利用PSI-CA协议，结合Jaccard相似度系数来计算车辆之间的属性集合相似度，进而导出车辆的信任值。
进一步的，步骤S1中，初始化与车辆注册具体包括以下步骤：
S11、TA设置时钟，使用密钥生成算法生成公钥和私钥；
S12、TA为车辆配备可信平台模块用于存储信息；
S13、RSU初始化；
S14、车辆进行车辆网系统的线下注册，可信机构TA为车辆分配唯一标识符，采用密钥生成算法生成车辆的公钥和私钥；
S15、TA根据车辆特征为车辆分配属性和秘密值。
进一步的，步骤S2中，车辆与车辆之间进行数据交换并进行信任评估具体包括以下步骤：
S21、车辆从时钟提取当前时间间隔序列号，将从车载传感器获取的信息融合到格式化数据，构造数据并发送给另一车辆；
S22、另一车辆成功接收数据后，从时钟中提取当前时间间隔序号，提取格式化数据，并对发送数据的车辆进行基于集合相似度的信任评估；相似度值计算得到发送数据车辆的信任值，信任值越高，即越可信。
进一步的，步骤S11具体为：
TA设置时钟，并用ECC密钥生成算法生成公钥PkT和私钥SkT；随后TA将时间划分为一系列等长时间段T1,T2…Tn；
其中SkT是始终保密的；
步骤S14具体为：
车辆进行车辆网系统的线下注册，可信机构TA为车辆分配唯一标识符i(i＝1,2,…)，采用ECC密钥生成算法生成车辆的公钥
Figure BDA0003217656010000031
和私钥/>
Figure BDA0003217656010000032
进一步的，步骤S15具体为：
在TA的属性数据库中存储n个预设的属性构成的集合Ps＝{p1,p2,…,pn}，这些属性用于描述车辆的特征；
在Ti时间段每个pj,1≤j≤n都有对应的秘密值
Figure BDA0003217656010000033
其中，/>
Figure BDA0003217656010000034
是随机值，秘密值是定期更新的，每个不同的Ti时间段会重新计算生成；
车辆线下注册完成后，TA根据车辆特征从集合Ps＝{p1,p2,…,pn}中选取符合车辆特征的k个属性并分配给车辆；同时TA将此时的Ti时间段属性集合
Figure BDA0003217656010000035
对应秘密值集合
Figure BDA0003217656010000036
分配给车辆；
记车辆Vi的属性集合为
Figure BDA0003217656010000037
进一步的，可信平台模块用于存储信息，包括
Figure BDA0003217656010000041
以及Ti时间段属性对应秘密值集合/>
Figure BDA0003217656010000042
可信平台模块使存储的信息无法被攻击方窃取或操控，车辆间也不能共享存储的信息。
进一步的，在不同的Ti时间段，车辆Vi需要向TA请求并更新自身的秘密值集合
Figure BDA0003217656010000043
而RSU为车辆与TA之间通信的设施，用于车辆Vi向TA请求与接收每个Ti时间段属性对应的秘密值集合/>
Figure BDA0003217656010000044
/>
车辆Vi向TA请求并更新自身的秘密值集合的步骤如下：
当车辆Vi在新的Ti时间段需要请求新的秘密值时，车辆Vi构造请求信息
Figure BDA0003217656010000045
其中，
Figure BDA0003217656010000046
是车辆用自身私钥对相关信息进行的数字签名，然后车辆通过RSU将请求信息发送给TA；
TA收到
Figure BDA0003217656010000047
后，首先用TA私钥SkT解密信息得到i,Ti,/>
Figure BDA0003217656010000048
随后TA查看当前时间段是否与车辆请求信息中时间段Ti相符，并用车辆Vi的公钥
Figure BDA0003217656010000049
对数字签名/>
Figure BDA00032176560100000410
进行验证，然后验证/>
Figure BDA00032176560100000411
是否为Ps的子集；
如果以上两项验证有任意一项不合法，则视为无效请求，丢弃该数据包，如果两项验证都合法，TA将当前时间段车辆Vi的属性集合
Figure BDA00032176560100000412
中的每个元素pj所对应的秘密值
Figure BDA00032176560100000413
导出作为车辆Vi新的秘密值集合/>
Figure BDA00032176560100000414
其中，
Figure BDA00032176560100000415
是TA在当前时间段Ti选取的随机值；
随后TA构造信息
Figure BDA00032176560100000416
通过RSU发送给车辆Vi，如果在当前时间段车辆没有收到该返回信息，则车辆可在进入下一个RSU的范围时再次请求；
其中，
Figure BDA00032176560100000417
进一步的，步骤S21具体为：
车辆Vj从时钟提取当前时间间隔序列号α，将从车载传感器获取的信息融合到格式化数据
Figure BDA0003217656010000051
构造数据/>
Figure BDA0003217656010000052
并发送给车辆Vi；
其中
Figure BDA0003217656010000053
是车辆Vj的属性集合对应的秘密值/>
Figure BDA0003217656010000054
p和q是质数，r是从整数中随机选取的盐值。
进一步的，步骤S22具体为：
车辆Vi成功接收数据后，首先从时钟中提取当前时间间隔序号
Figure BDA0003217656010000055
然后提取/>
Figure BDA0003217656010000056
其中的每个部分，然后进行基于集合相似度的信任评估，步骤具体为：
车辆Vi从车辆Vj发送的数据中提取质数p、q以及盐值r，车辆Vi的属性集
Figure BDA00032176560100000524
作为Vi的输入{a1,…,an}；/>
Figure BDA0003217656010000057
其中，g为群Zq的生成元，Ra为车辆Vi从群Zq中选择的随机数；
对于
Figure BDA0003217656010000058
有a‘i＝g(ai||r)，其中/>
Figure BDA0003217656010000059
R′a为车辆Vi从群Zq中选择的随机数，H为哈希函数/>
Figure BDA00032176560100000510
车辆Vi构造PSICA请求
Figure BDA00032176560100000511
并发送给车辆Vj；/>
车辆Vj成功接收
Figure BDA00032176560100000512
后提取盐值r和{a′1,…,a′n}；
对于
Figure BDA00032176560100000513
a″i＝h(a′i)，其中，/>
Figure BDA00032176560100000514
R′b为车辆Vj从群Zq中选择的随机数；/>
Figure BDA00032176560100000515
对于
Figure BDA00032176560100000516
tbj＝f(bj||r)，/>
Figure BDA00032176560100000517
其中，Rb为车辆Vj从群Zq中选择的随机数；
车辆Vj构造PSICA应答
Figure BDA00032176560100000518
并发送给车辆Vi；
车辆Vi成功接收
Figure BDA00032176560100000519
后提取/>
Figure BDA00032176560100000520
和{tb1,…,tbm}，对于/>
Figure BDA00032176560100000521
Figure BDA00032176560100000522
其中/>
Figure BDA00032176560100000523
H’为哈希函数{0,1}*→{0,1}γ，γ是安全参数；
车辆Vi根据PSICA后双方的属性集
Figure BDA0003217656010000061
和/>
Figure BDA0003217656010000062
计算车辆Vi和车辆Vj基于属性集的信任模型相似度/>
Figure BDA0003217656010000063
车辆Vi根据它和车辆Vj的相似度值
Figure BDA0003217656010000064
计算得到车辆Vj的信任值/>
Figure BDA0003217656010000065
Figure BDA0003217656010000066
车辆的信任值范围为[0,1]，车辆的信任值越高，被评估车辆对于评估方车辆就越可信，完全不信任用0表示，完全信任用1表示。
进一步的，采用Jaccard相似系数来计算相似度，Jaccard相似系数计算公式为：
Figure BDA0003217656010000067
其中，A、B为集合；根据该公式，车辆Vi和车辆Vj属性集合
Figure BDA0003217656010000068
的相似度为：
Figure BDA0003217656010000069
其中，
Figure BDA00032176560100000610
为集合/>
Figure BDA00032176560100000611
的元素个数，/>
Figure BDA00032176560100000612
为集合/>
Figure BDA00032176560100000613
的元素个数，/>
Figure BDA00032176560100000614
为集合
Figure BDA00032176560100000615
和集合/>
Figure BDA00032176560100000616
交集的元素个数；
对于
Figure BDA00032176560100000617
利用韦恩图得到：
Figure BDA00032176560100000618
当/>
Figure BDA00032176560100000619
和/>
Figure BDA00032176560100000620
交集为空时，等式
Figure BDA00032176560100000621
成立；当/>
Figure BDA00032176560100000622
时，等式/>
Figure BDA00032176560100000623
成立；
由不等式性质得到：
Figure BDA00032176560100000624
当
Figure BDA00032176560100000625
时，/>
Figure BDA00032176560100000626
成立；
又因为
Figure BDA00032176560100000627
所以/>
Figure BDA00032176560100000628
且
Figure BDA00032176560100000629
因此得到：
Figure BDA0003217656010000071
当/>
Figure BDA0003217656010000072
和/>
Figure BDA0003217656010000073
交集为空时，
Figure BDA0003217656010000074
成立；
因此，对于任意属性集合
Figure BDA0003217656010000075
而言，/>
Figure BDA0003217656010000076
的相似度/>
Figure BDA0003217656010000077
都满足
Figure BDA0003217656010000078
即车辆双方基于属性集的相似度的值范围为[0,1]。
本发明与现有技术相比，具有如下优点和有益效果：
1、本发明采用RFID(Radio Frequency Identification，射频识别技术)与MEC(Mobile Edge Computing，移动边缘计算)相结合的信息交互技术，RFID识别速率快，距离广，数据容量大，可以对物体位置进行动态追踪和监控。同时加入MEC实现信息传递中的超低延时，超高宽带。
2、本发明通过比较实体之间的信任模型的相似性进行信任评估，克服了不同实体对于信任的主观性，利用交互双方之间的一跳关系提高相似度测量的准确性，同时克服在多跳建议中测量相似度的挑战。
3、本发明借助PSI-CA协议，使得交互双方在不泄露各自隐私信息的前提下进行交集信息交互，只需要线性的通信和计算成本。同时借助哈希函数，增加散列结果的随机性，实现低开销高强度隐私保护。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例
如图1所示，车联网中隐私保护的基于相似度的信任评估方法，设有车辆及其车载传感器、RSU以及可信机构TA，车辆及其车载传感器、RSU以及可信机构TA之间通过无线网络进行通信，包括以下步骤：
S1、初始化与车辆注册，设有车辆及其车载传感器、RSU以及可信机构TA，车辆及其车载传感器、RSU以及可信机构TA之间通过无线网络进行通信；其中，初始设定共有n个属性可供描述车辆特征，车辆进行线下注册，可信结构TA根据车辆特征为车辆分配k个属性，其中k<<n；
其中初始化与车辆进行线下注册的过程具体为：
S11、TA设置时钟，并用ECC密钥生成算法生成公钥PkT和私钥SkT，其中SkT是始终保密的。随后TA将时间划分为一系列等长时间段T1,T2…Tn。
S12、TA为车辆配备可信平台模块用于存储信息；包括
Figure BDA0003217656010000081
以及Ti时间段属性对应秘密值集合/>
Figure BDA0003217656010000082
可信平台模块使存储的信息无法被攻击方窃取或操控，车辆间也不能共享存储的信息。
S13、RSU初始化；
S14、车辆进行车辆网系统的线下注册，可信机构TA为车辆分配唯一标识符i(i＝1,2,…)，采用ECC密钥生成算法生成车辆的公钥
Figure BDA0003217656010000083
和私钥/>
Figure BDA0003217656010000084
S15、TA根据车辆特征为车辆分配属性和秘密值；
TA的属性数据库中存储n个事先设定的属性构成的集合Ps＝{p1,p2,…,pn}，这些属性可以描述车辆的特征，如车辆生产厂商、型号、所属单位等。
在Ti时间段每个pj,1≤j≤n都有对应的秘密值
Figure BDA0003217656010000085
其中/>
Figure BDA0003217656010000086
是随机值，这个秘密值是定期更新的，每个不同的Ti时间段会重新计算生成。
车辆线下注册完成后，TA根据车辆特征从集合Ps＝{p1,p2,…,pn}中选取符合车辆特征的k个属性并分配给车辆；同时TA将此时的Ti时间段属性集合
Figure BDA0003217656010000087
对应秘密值集合
Figure BDA0003217656010000088
分配给车辆；
记车辆Vi的属性集合为
Figure BDA0003217656010000091
在本实施例中，在不同的Ti时间段，车辆Vi需要向TA请求并更新自身的秘密值集合
Figure BDA0003217656010000092
而RSU为车辆与TA之间通信的设施，用于车辆Vi向TA请求与接收每个Ti时间段属性对应的秘密值集合/>
Figure BDA0003217656010000093
车辆Vi向TA请求并更新自身的秘密值集合的步骤如下：
当车辆Vi在新的Ti时间段需要请求新的秘密值时，车辆Vi构造请求信息
Figure BDA0003217656010000094
其中，
Figure BDA0003217656010000095
是车辆用自身私钥对相关信息进行的数字签名，然后车辆通过RSU将请求信息发送给TA；/>
TA收到
Figure BDA0003217656010000096
后，首先用TA私钥SkT解密信息得到i,Ti,/>
Figure BDA0003217656010000097
随后TA查看当前时间段是否与车辆请求信息中时间段Ti相符，并用车辆Vi的公钥
Figure BDA0003217656010000098
对数字签名/>
Figure BDA0003217656010000099
进行验证，然后验证/>
Figure BDA00032176560100000910
是否为Ps的子集；
如果以上验证有任意一项不合法，则视为无效请求，丢弃该数据包，如果验证都合法，TA将当前时间段车辆Vi的属性集合
Figure BDA00032176560100000911
中的每个元素pj所对应的秘密值
Figure BDA00032176560100000912
导出作为车辆Vi新的秘密值集合/>
Figure BDA00032176560100000913
其中，
Figure BDA00032176560100000914
是TA在当前时间段Ti选取的随机值；
随后TA构造信息
Figure BDA00032176560100000915
通过RSU发送给车辆Vi，如果在当前时间段车辆没有收到该返回信息，则车辆可在进入下一个RSU的范围时再次请求；
其中，
Figure BDA00032176560100000916
S2、车辆与车辆之间进行数据交换，车辆利用PSI-CA协议在无需第三方参与、保护车辆双方隐私信息的前提下结合Jaccard相似度系数来计算两个车辆的属性集合相似度，进而导出车辆的信任值。
所述的步骤S2中车辆之间进行数据交换并进行信任评估的过程如下：
S21、车辆Vj从时钟提取当前时间间隔序列号α，将从车载传感器获取的信息融合到格式化数据
Figure BDA0003217656010000101
构造数据/>
Figure BDA0003217656010000102
并发送给车辆Vi，其中/>
Figure BDA0003217656010000103
是车辆Vj的属性集合对应的秘密值/>
Figure BDA0003217656010000104
p和q是质数，r是从整数中随机选取的盐值。
S22、另一车辆成功接收数据后，从时钟中提取当前时间间隔序号，提取格式化数据，并对发送数据的车辆进行基于集合相似度的信任评估；相似度值计算得到发送数据车辆的信任值，信任值越高，即越可信。车辆Vi成功接收数据后，首先从时钟中提取当前时间间隔序号
Figure BDA0003217656010000105
(α和/>
Figure BDA0003217656010000106
可能因为拦截重放攻击或者数据传输延迟而不同)，然后提取/>
Figure BDA0003217656010000107
其中的每个部分，接下来车辆Vi对车辆Vj进行基于集合相似度的信任评估，具体为：
车辆Vi从车辆Vj发送的数据中提取质数p、q以及盐值r，车辆Vi的属性集
Figure BDA0003217656010000108
作为Vi的输入{a1,…,an}；/>
Figure BDA0003217656010000109
其中，g为群Zq的生成元，Ra为车辆Vi从群Zq中选择的随机数；
对于
Figure BDA00032176560100001010
有a‘i＝g(ai||r)，其中/>
Figure BDA00032176560100001011
R′a为车辆Vi从群Zq中选择的随机数，H为哈希函数/>
Figure BDA00032176560100001012
车辆Vi构造PSICA请求
Figure BDA00032176560100001013
并发送给车辆Vj；
车辆Vj成功接收
Figure BDA00032176560100001014
后提取盐值r和{a′1,…,a′n}；/>
对于
Figure BDA00032176560100001015
a″i＝h(a′i)，其中，/>
Figure BDA00032176560100001016
R′b为车辆Vj从群Zq中选择的随机数；/>
Figure BDA00032176560100001017
对于
Figure BDA00032176560100001018
tbj＝f(bj||r)，/>
Figure BDA00032176560100001019
其中，Rb为车辆Vj从群Zq中选择的随机数；
车辆Vj构造PSICA应答
Figure BDA00032176560100001020
并发送给车辆Vi；
车辆Vi成功接收
Figure BDA0003217656010000111
后提取/>
Figure BDA0003217656010000112
和{tb1,…,tbm}，对于/>
Figure BDA0003217656010000113
Figure BDA0003217656010000114
其中/>
Figure BDA0003217656010000115
H’为哈希函数{0,1}*→{0,1}γ，γ是安全参数；
车辆Vi根据PSICA后双方的属性集
Figure BDA0003217656010000116
和/>
Figure BDA0003217656010000117
计算车辆Vi和车辆Vj基于属性集的信任模型相似度/>
Figure BDA0003217656010000118
车辆Vi根据它和车辆Vj的相似度值
Figure BDA0003217656010000119
计算得到车辆Vj的信任值/>
Figure BDA00032176560100001110
Figure BDA00032176560100001111
车辆的信任值范围为[0,1]，车辆的信任值越高，被评估车辆对于评估方车辆就越可信，完全不信任用0表示，完全信任用1表示。
在本实施例中，采用Jaccard相似系数来计算相似度，Jaccard相似系数计算公式为：
Figure BDA00032176560100001112
其中，A、B为集合；根据该公式，车辆Vi和车辆Vj属性集合
Figure BDA00032176560100001113
的相似度为：
Figure BDA00032176560100001114
其中，
Figure BDA00032176560100001115
为集合/>
Figure BDA00032176560100001116
的元素个数，/>
Figure BDA00032176560100001117
为集合/>
Figure BDA00032176560100001118
的元素个数，/>
Figure BDA00032176560100001119
为集合
Figure BDA00032176560100001120
和集合/>
Figure BDA00032176560100001121
交集的元素个数；
对于
Figure BDA00032176560100001122
利用韦恩图得到：
Figure BDA00032176560100001123
当/>
Figure BDA00032176560100001124
和/>
Figure BDA00032176560100001125
交集为空时，等式
Figure BDA00032176560100001126
成立；当/>
Figure BDA00032176560100001127
时，等式/>
Figure BDA00032176560100001128
成立；/>
由不等式性质得到：
Figure BDA00032176560100001129
当
Figure BDA0003217656010000121
时，/>
Figure BDA0003217656010000122
成立；
又因为
Figure BDA0003217656010000123
所以/>
Figure BDA0003217656010000124
且
Figure BDA0003217656010000125
因此得到：
Figure BDA0003217656010000126
当/>
Figure BDA0003217656010000127
和/>
Figure BDA0003217656010000128
交集为空时，
Figure BDA0003217656010000129
成立；
因此，对于任意属性集合
Figure BDA00032176560100001210
而言，/>
Figure BDA00032176560100001211
的相似度/>
Figure BDA00032176560100001212
都满足
Figure BDA00032176560100001213
即车辆双方基于属性集的相似度的值范围为[0,1]。
本发明采用RFID与MEC相结合的信息交互技术，可以对物体位置进行动态追踪和监控；通过比较实体之间的信任模型的相似性进行信任评估，克服了不同实体对于信任的主观性；借助PSI-CA协议，使得交互双方在不泄露各自隐私信息的前提下进行交集信息交互。本发明保证了信息在高速传递下，同时完成对信息的隐私保护和可信度评估，具有较高的实用性。
还需要说明的是，在本说明书中，诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.车联网中隐私保护的基于相似度的信任评估方法，其特征在于，设有车辆及其车载传感器、RSU以及可信机构TA，车辆及其车载传感器、RSU以及可信机构TA之间通过无线网络进行通信，包括以下步骤：
S1、初始化与车辆注册，设定属性描述车辆特征，车辆进行线下注册，可信机构为车辆分配唯一标识符，可信机构TA根据车辆特征为车辆分配属性和秘密值，RSU初始化；
S2、车辆与车辆之间进行数据交换并进行信任评估，车辆利用PSI-CA协议，结合Jaccard相似度系数来计算车辆之间的属性集合相似度，进而导出车辆的信任值；车辆与车辆之间进行数据交换并进行信任评估具体包括以下步骤：
S21、车辆从时钟提取当前时间间隔序列号，将从车载传感器获取的信息融合到格式化数据，构造数据并发送给另一车辆；具体为：
车辆Vj从时钟提取当前时间间隔序列号α，将从车载传感器获取的信息融合到格式化数据
Figure QLYQS_1
构造数据/>
Figure QLYQS_2
并发送给车辆Vi；
其中
Figure QLYQS_3
是车辆Vj的属性集合对应的秘密值集合/>
Figure QLYQS_4
p和q是质数，r是从整数中随机选取的盐值，Ti为TA划分的等长时间段，i＝1,…,N；
S22、另一车辆成功接收数据后，从时钟中提取当前时间间隔序号，提取格式化数据，并对发送数据的车辆进行基于集合相似度的信任评估；相似度值计算得到发送数据车辆的信任值，信任值越高，即越可信；具体为：
车辆Vi成功接收数据后，首先从时钟中提取当前时间间隔序号
Figure QLYQS_5
然后提取/>
Figure QLYQS_6
其中的每个部分，然后进行基于集合相似度的信任评估，步骤具体为：
车辆Vi从车辆Vj发送的数据中提取质数p、q以及盐值r，车辆Vi的属性集
Figure QLYQS_7
作为Vi的输入{a1,…,ak}；/>
Figure QLYQS_8
其中，g为群Zq的生成元，Ra为车辆Vi从群Zq中选择的随机数；
对于
Figure QLYQS_9
有a‘i＝g(ai||)，其中/>
Figure QLYQS_10
R′a为车辆Vi从群Zq中选择的随机数，H为哈希函数/>
Figure QLYQS_11
车辆Vi构造PSICA请求
Figure QLYQS_12
并发送给车辆Vj；
车辆Vj成功接收
Figure QLYQS_13
后提取盐值r和{a′1,…,a′k}；
对于
Figure QLYQS_14
a″i＝h(a′i)，其中，/>
Figure QLYQS_15
R′b为车辆Vj从群Zq中选择的随机数；/>
Figure QLYQS_16
对于
Figure QLYQS_17
tbj＝f(bj||r)，/>
Figure QLYQS_18
其中，Rb为车辆Vj从群Zq中选择的随机数；
车辆Vj构造PSICA应答
Figure QLYQS_19
并发送给车辆Vi；
车辆Vi成功接收
Figure QLYQS_20
后提取/>
Figure QLYQS_21
和{tb1,…,tbm}，对于/>
Figure QLYQS_22
/>
Figure QLYQS_23
其中/>
Figure QLYQS_24
H’为哈希函数{0,1}*→{0,1}γ，γ是安全参数；
车辆Vi根据PSICA后双方的属性集
Figure QLYQS_25
和/>
Figure QLYQS_26
计算车辆Vi和车辆Vj基于属性集的信任模型相似度/>
Figure QLYQS_27
车辆Vi根据它和车辆Vj的相似度值
Figure QLYQS_28
计算得到车辆Vj的信任值/>
Figure QLYQS_29
Figure QLYQS_30
车辆的信任值范围为[0,1]，车辆的信任值越高，被评估车辆对于评估方车辆就越可信，完全不信任用0表示，完全信任用1表示。
2.根据权利要求1所述的车联网中隐私保护的基于相似度的信任评估方法，其特征在于，步骤S1中，初始化与车辆注册具体包括以下步骤：
S11、TA设置时钟，使用密钥生成算法生成公钥和私钥；
S12、TA为车辆配备可信平台模块用于存储信息；
S13、RSU初始化；
S14、车辆进行车辆网系统的线下注册，可信机构TA为车辆分配唯一标识符，采用密钥生成算法生成车辆的公钥和私钥；
S15、TA根据车辆特征为车辆分配属性和秘密值。
3.根据权利要求2所述的车联网中隐私保护的基于相似度的信任评估方法，其特征在于，步骤S11具体为：
TA设置时钟，并用ECC密钥生成算法生成公钥PkT和私钥SkT；随后TA将时间划分为一系列等长时间段T1,T2…TN；
其中SkT是始终保密的；
步骤S14具体为：
车辆进行车辆网系统的线下注册，可信机构TA为车辆分配唯一标识符i，i＝1,2,…，采用ECC密钥生成算法生成车辆的公钥
Figure QLYQS_31
和私钥/>
Figure QLYQS_32
4.根据权利要求3所述的车联网中隐私保护的基于相似度的信任评估方法，其特征在于，步骤S15具体为：
在TA的属性数据库中存储n个预设的属性构成的集合Ps＝{p1,p2,…,pn}，这些属性用于描述车辆的特征；
在Ti时间段每个pj,1≤j≤n都有对应的秘密值
Figure QLYQS_33
其中，/>
Figure QLYQS_34
是随机值，秘密值是定期更新的，每个不同的Ti时间段会重新计算生成；
车辆线下注册完成后，TA根据车辆特征从集合Ps＝{p1,p2,…,pn}中选取符合车辆特征的k个属性并分配给车辆；同时TA将此时的Ti时间段属性集合
Figure QLYQS_35
对应秘密值集合
Figure QLYQS_36
分配给车辆；
记车辆Vi的属性集合为PVi＝{p′1,p′2,…,p′k}。
5.根据权利要求4所述的车联网中隐私保护的基于相似度的信任评估方法，其特征在于，可信平台模块用于存储信息，包括
Figure QLYQS_37
以及Ti时间段属性对应秘密值集合/>
Figure QLYQS_38
可信平台模块使存储的信息无法被攻击方窃取或操控，车辆间也不能共享存储的信息。
6.根据权利要求4所述的车联网中隐私保护的基于相似度的信任评估方法，其特征在于，在不同的Ti时间段，车辆Vi需要向TA请求并更新自身的秘密值集合
Figure QLYQS_39
而RSU为车辆与TA之间通信的设施，用于车辆Vi向TA请求与接收每个Ti时间段属性对应的秘密值集合/>
Figure QLYQS_40
车辆Vi向TA请求并更新自身的秘密值集合的步骤如下：
当车辆Vi在新的Ti时间段需要请求新的秘密值时，车辆Vi构造请求信息
Figure QLYQS_41
其中，
Figure QLYQS_42
是车辆用自身私钥对相关信息进行的数字签名，然后车辆通过RSU将请求信息发送给TA；
TA收到
Figure QLYQS_43
后，首先用TA私钥SkT解密信息得到i,Ti,/>
Figure QLYQS_44
随后TA查看当前时间段是否与车辆请求信息中时间段Ti相符，并用车辆Vi的公钥
Figure QLYQS_45
对数字签名/>
Figure QLYQS_46
进行验证，然后验证/>
Figure QLYQS_47
是否为Ps的子集；
如果以上两项验证有任意一项不合法，则视为无效请求，丢弃该数据包，如果两项验证都合法，TA将当前时间段车辆Vi的属性集合
Figure QLYQS_48
中的每个元素pj所对应的秘密值
Figure QLYQS_49
导出作为车辆Vi新的秘密值集合/>
Figure QLYQS_50
其中，
Figure QLYQS_51
是TA在当前时间段Ti选取的随机值；
随后TA构造信息
Figure QLYQS_52
通过RSU发送给车辆Vi，如果在当前时间段车辆没有收到该返回信息，则车辆可在进入下一个RSU的范围时再次请求；
其中，
Figure QLYQS_53
7.根据权利要求1所述的车联网中隐私保护的基于相似度的信任评估方法，其特征在于，采用Jaccard相似系数来计算相似度，Jaccard相似系数计算公式为：
Figure QLYQS_54
其中，A、B为集合；根据该公式，车辆Vi和车辆Vj属性集合
Figure QLYQS_55
的相似度为：/>
Figure QLYQS_56
其中，
Figure QLYQS_57
为集合/>
Figure QLYQS_58
的元素个数，/>
Figure QLYQS_59
为集合/>
Figure QLYQS_60
的元素个数，/>
Figure QLYQS_61
为集合/>
Figure QLYQS_62
和集合/>
Figure QLYQS_63
交集的元素个数；
对于
Figure QLYQS_64
利用韦恩图得到：
Figure QLYQS_65
当/>
Figure QLYQS_66
和/>
Figure QLYQS_67
交集为空时，等式
Figure QLYQS_68
成立；当/>
Figure QLYQS_69
时，等式/>
Figure QLYQS_70
成立；
由不等式性质得到：
Figure QLYQS_71
当
Figure QLYQS_72
时，/>
Figure QLYQS_73
成立；
又因为
Figure QLYQS_74
所以/>
Figure QLYQS_75
且
Figure QLYQS_76
因此得到：
Figure QLYQS_77
当/>
Figure QLYQS_78
和/>
Figure QLYQS_79
交集为空时，/>
Figure QLYQS_80
成立；
因此，对于任意属性集合
Figure QLYQS_81
而言，/>
Figure QLYQS_82
的相似度/>
Figure QLYQS_83
都满足
Figure QLYQS_84
即车辆双方基于属性集的相似度的值范围为[0,1]。/>
CN202110948748.4A 2021-08-18 2021-08-18 车联网中隐私保护的基于相似度的信任评估方法 Active CN113727282B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110948748.4A CN113727282B (zh) 2021-08-18 2021-08-18 车联网中隐私保护的基于相似度的信任评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110948748.4A CN113727282B (zh) 2021-08-18 2021-08-18 车联网中隐私保护的基于相似度的信任评估方法

Publications (2)

Publication Number Publication Date
CN113727282A CN113727282A (zh) 2021-11-30
CN113727282B true CN113727282B (zh) 2023-05-26

Family

ID=78676732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110948748.4A Active CN113727282B (zh) 2021-08-18 2021-08-18 车联网中隐私保护的基于相似度的信任评估方法

Country Status (1)

Country Link
CN (1) CN113727282B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114567473B (zh) * 2022-02-23 2024-01-09 南通大学 一种基于零信任机制的车联网访问控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104333596A (zh) * 2014-11-11 2015-02-04 安徽大学 一种车联网环境下的信息可靠性评估方法
CN106953839A (zh) * 2017-01-13 2017-07-14 重庆邮电大学 车联网中非可信资源传播的阻控系统及方法
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
CN110177356A (zh) * 2019-05-31 2019-08-27 长安大学 一种基于信任模型的车载命名数据网络转发方法
CN112911545A (zh) * 2021-01-29 2021-06-04 暨南大学 一种SAGIVNs中兼顾信任管理和隐私保护的紧急消息散播方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9275237B2 (en) * 2013-12-09 2016-03-01 Palo Alto Research Center Incorporated Method and apparatus for privacy and trust enhancing sharing of data for collaborative analytics

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104333596A (zh) * 2014-11-11 2015-02-04 安徽大学 一种车联网环境下的信息可靠性评估方法
CN106953839A (zh) * 2017-01-13 2017-07-14 重庆邮电大学 车联网中非可信资源传播的阻控系统及方法
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
CN110177356A (zh) * 2019-05-31 2019-08-27 长安大学 一种基于信任模型的车载命名数据网络转发方法
CN112911545A (zh) * 2021-01-29 2021-06-04 暨南大学 一种SAGIVNs中兼顾信任管理和隐私保护的紧急消息散播方法及系统

Also Published As

Publication number Publication date
CN113727282A (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN110300107B (zh) 一种基于区块链的车联网隐私保护信任模型
Haas et al. Design and analysis of a lightweight certificate revocation mechanism for VANET
Al-Shareeda et al. Efficient conditional privacy preservation with mutual authentication in vehicular ad hoc networks
Wang et al. Challenges and solutions in autonomous driving: A blockchain approach
Ying et al. Privacy preserving broadcast message authentication protocol for VANETs
CN105959117B (zh) 基于Cuckoo过滤器的车载自组织网络安全认证方法
CN111211892B (zh) 基于秘密共享和身份密码学的抗量子计算车联网系统及其认证方法
CN109362062B (zh) 基于ID-based群签名的VANETs匿名认证系统及方法
JP2013513256A (ja) 限られた数のインフラ・サーバを有する自動車ネットワーク向け公開鍵インフラに関する方法
CN106953839B (zh) 车联网中非可信资源传播的阻控系统及方法
George et al. Secure identity management framework for vehicular ad-hoc network using blockchain
CN108632820B (zh) 一种车载自组网中基于身份的匿名认证方法
CN104010302A (zh) 车载自组织网络路况数据信任评价方法
Palomar et al. Hindering false event dissemination in VANETs with proof-of-work mechanisms
Parham et al. An effective privacy-aware Sybil attack detection scheme for secure communication in vehicular ad hoc network
CN113949544A (zh) 基于dag区块链的物联网设备轻量级认证和访问授权方法
Kanumalli et al. Secure V2V Communication in IOV using IBE and PKI based Hybrid Approach
CN115580488A (zh) 基于区块链和物理不可克隆函数的车载网消息认证方法
Zhang et al. Group signature based privacy protection algorithm for mobile ad hoc network
CN113727282B (zh) 车联网中隐私保护的基于相似度的信任评估方法
CN114430552A (zh) 一种基于消息预认证技术的车联网v2v高效通信方法
Troncoso et al. On the difficulty of achieving anonymity for Vehicle-2-X communication
CN116760614A (zh) 一种基于区块链和puf技术的车联网零知识证明身份认证方案
Qin et al. ECAS: An efficient and conditional privacy preserving collision warning system in fog-based vehicular ad hoc networks
CN113645028B (zh) 支持动态密钥管理的车联网条件隐私保护系统及方法

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
CB03 Change of inventor or designer information

Inventor after: Liu Zhiquan

Inventor after: Ma Wenxuan

Inventor after: Chen Xin

Inventor after: Zhao Xufan

Inventor after: Li Jiashi

Inventor after: Sun Caiju

Inventor before: Ma Wenxuan

Inventor before: Chen Xin

Inventor before: Zhao Xufan

Inventor before: Li Jiashi

Inventor before: Sun Caiju

Inventor before: Liu Zhiquan

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant