申请/专利权人：重庆邮电大学

申请日：2022-10-18

公开（公告）日：2024-03-26

公开（公告）号：CN115694930B

主分类号：H04L9/40

分类号：H04L9/40;H04W4/40;H04L67/12

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2023.02.21#实质审查的生效;2023.02.03#公开

摘要：本发明涉及车联网与恶意车辆节点检测领域，具体涉及一种基于信誉度管理的车联网恶意车辆节点行为检测方法。所述方法包括车联网中的车辆节点发布车联网信息；所述车联网信息包括车辆节点的行为信息和路径轨迹信息；感知节点通过主动探测或和被动监听的方式收集车联网信息；感知节点将收集的车联网信息上传到RSU节点；RSU节点对收集的车联网信息进行初步处理，计算车联网信息的可信度；RSU节点将计算得出的可信度上传至云服务器；云服务器基于收集的车联网信息和可信度来更新每个车辆节点的信誉值；当车辆节点的信誉值低于信誉阈值时，识别出该车辆节点为恶意车辆节点。本发明能够准确识别出恶意车辆节点。

主权项：1.一种基于信誉度管理的车联网恶意车辆节点行为检测方法，其特征在于，所述方法包括：车联网中的车辆节点发布车联网信息；所述车联网信息包括车辆节点的行为信息和路径轨迹信息；感知节点通过主动探测或和被动监听的方式收集车联网信息；感知节点将收集的车联网信息上传到RSU节点；RSU节点对收集的车联网信息进行初步处理，计算车联网信息的可信度；RSU节点计算车联网信息的可信度的过程包括将同一时间、同一网格区域对同一事件的描述信息划分到一个车联网信息集合；计算到同一车联网信息集合中所有车辆节点的车联网信息信誉距离之和最小的信息质心；根据同一车联网信息集合中的不同车辆节点的车联网信息到信息质心之间的信誉距离，分别评估得到每个车辆节点的车联网信息的可信度；信息质心的计算方式包括根据车辆节点的当前行为信息，利用基于LSTM神经网络的车辆节点驾驶行为基线模型，预测得到车辆节点的当前可信度评估结果；根据车辆节点的当前可信度评估结果和车辆节点的当前信誉值计算出车辆节点的当前信誉评估值；根据车联网信息集合中的所有车辆节点的当前信誉评估值，更新在下一轮次中到同一车联网信息集合中所有车辆节点的车联网信息信誉距离之和最小的信息质心；信息质心所采用的计算公式表示为： 其中，表示在tk时刻的信息质心，表示在tk时刻的车联网信息集合，表示车辆节点ui在tk时刻的车联网信息，为车辆节点ui的信誉值；车辆节点的车联网信息的可信度的计算公式表示为： 其中，表示车辆节点ui在tk时刻的车联网信息的可信度，表示在tk时刻的车联网信息集合，表示信息质心与车联网信息之间的距离，表示在tk时刻的信息质心，表示车辆节点ui在tk时刻的车联网信息；RSU节点将计算得出的可信度上传至云服务器；云服务器基于收集的车联网信息和可信度来更新每个车辆节点的信誉值；云服务器更新车辆节点的信誉值的过程包括采用自适应权重对车辆节点的信息可信度进行累加处理；根据累加可信度更新得到每个车辆节点的信誉值；所述累加可信度的计算公式表示为： 其中，表示车辆节点ui在tk+1时刻的车联网信息的累加可信度，ω0ω1是时间系数；表示车辆节点ui在tk时刻的车联网信息的可信度，表示车辆节点ui在tk+1时刻的车联网信息的平均可信度；t表示累加时间长度；根据累加可信度更新得到每个车辆节点的信誉值所采用的计算公式表示为： 其中，表示车辆节点ui在tk+1时刻的信誉值；当车辆节点的信誉值低于信誉阈值时，识别出该车辆节点为恶意车辆节点；所述信誉阈值表示为： 其中，Rth表示信誉阈值；∈表示车联网真实信息的偏差平均值。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于信誉度管理的车联网恶意车辆节点行为检测方法

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