申请/专利权人：北京工业大学

申请日：2021-11-27

公开（公告）日：2024-02-09

公开（公告）号：CN114339766B

主分类号：H04W12/122

分类号：H04W12/122;G06N3/0442;H04W4/44

优先权：

专利状态码：有效-授权

法律状态：2024.02.09#授权;2022.04.29#实质审查的生效;2022.04.12#公开

摘要：本发明公开了一种基于粗细粒度轨迹的深度学习城市车联网女巫攻击检测方法，包括：步骤1，按照固定时间窗采集粗、细粒度轨迹，当达到一个检测时间周期，执行步骤2。步骤2，采用lcs算法对粗粒度轨迹两两计算轨迹重合比例，形成轨迹关联序列，根据此关联序列找出相应的细粒度轨迹，作为检测模型的输入，执行步骤3。步骤3，对于输入的多条细粒度轨迹，利用LSTM进行单轨迹特征提取，用Transformer捕捉轨迹间关系，最后用softmax做分类，判断目标轨迹是否为女巫轨迹。实验结果证明，本发明所提出的女巫攻击检测方法具有较高的检测性能，且在不同应用场景下表现出较强的适应性。

主权项：1.一种基于粗细粒度轨迹的城市车联网女巫攻击检测方法，其特征在于，包括：步骤1，按照固定时间窗采集粗粒度轨迹、细粒度轨迹，当达到一个检测时间周期，执行步骤2；步骤2，采用lcs算法对粗粒度轨迹两两计算轨迹重合比例，形成轨迹关联序列，根据此关联序列找出相应的细粒度轨迹，作为检测模型的输入，执行步骤3；步骤3，对于输入的多条细粒度轨迹，利用LSTM进行单轨迹特征提取，用Transformer捕捉轨迹间关系，最后用softmax做分类，判断目标轨迹是否为女巫轨迹；所述步骤2中采用lcs算法对粗粒度轨迹两两计算轨迹重合比例，形成轨迹关联序列的过程，具体包括：步骤2.1，对于每条粗粒度轨迹，采用lcs算法计算该轨迹与其他轨迹的重合比例，若重合比例大于阈值则存在关联；步骤2.2，若目标轨迹与其他轨迹的重合比例均小于阈值，则将该目标轨迹视为正常轨迹，否则执行步骤2.3；步骤2.3，将与目标轨迹存在关联的轨迹，按重合比例降序排列，并将目标轨迹与其降序序列一同组成轨迹关联序列；步骤2中，将lcs算法应用于车联网女巫攻击检测中，用于提取轨迹间关联关系，具体包括：对于粗粒度轨迹，两两判断轨迹间是否存在关联，若同一时刻存在不同的RSU位置，则视为轨迹独立，否则根据粗粒度轨迹的RSU序列，采用lcs算法计算轨迹间关联度；设置关联度阈值为0.7，若计算得到的关联度大于阈值，则视为轨迹间存在关联；用Tr表示轨迹，|Tr|表示轨迹长度；用Ca,b表示Tra和Trb的最长公共子序列长，Sa,b表示其关联度，其中Ca,b和Sa,b公式分别为： 。

全文数据：

权利要求：

百度查询： 北京工业大学 一种基于粗细粒度轨迹的城市车联网女巫攻击检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD