一种基于繁忙交叉口转发模式的下行虚假数据检测方法

本发明属于智能交通领域，更具体地，涉及一种基于繁忙交叉口转发模式的下行虚假数据检测方法。

背景技术：

1、车联网是由车辆、道路和相关基础设施组成的交互式移动网络。它是移动互联网和传统物联网(iot)的融合。此外，还提出了将车辆连接到一切(v2x)的概念，例如车辆到车辆(v2v)和车辆到基础设施(v2i)。为了保证数据传输过程的安全，提出了许多数据保护的方案，但针对下行数据传输过程的数据保护方案较少。

2、在车联网中，如果合法的车辆变为恶意车辆，那么它就可以篡改正常数据，将虚假的下行数据发送给其它车辆，让其他它车辆相信一些虚假的信息，从而对车联网进行破坏，严重的甚至会危害到其他车辆成员的生命安全。而基于密码学的方法只能抵御一部分外部攻击，对于内部攻击既有合法身份的恶意车辆发起的攻击，基于密码学的技术难以检测，因此在数据下行的过程中，如何利用一些轻量化的方法检测虚假的下行数据并找出发送虚假数据的车辆是十分值得研究的问题。

3、此外，思科公司提出了一种新的计算概念，称为雾计算，它将云计算的计算、存储等功能从中心转移到网络的边缘，所有功能都更接近终端用户。在雾计算中，雾服务器部署在网络的边缘。每个雾服务器都是一个高度虚拟化的计算系统，类似于轻量级的服务器。雾服务器可以为用户提供数据存储、计算和无线(有线)通信。因此我们将雾计算体系结构引入到车联网中，在基于雾计算的车联网组合结构中，雾计算能够在数据源分析处理，避免大数据量、长距离通信可能引发的响应延迟，更加高效的对虚假数据以及恶意车辆进行检测。因此，我们提出了一种雾计算下基于繁忙交叉口转发模式的下行虚假数据检测方法。

技术实现思路

1、本发明的目的在于克服上述现有技术中，检测延时高、准确度低的缺点，提供一种基于繁忙交叉口转发模式的下行虚假数据检测方法。

2、为实现上述目的，本发明采用以下技术方案予以实现：

3、第一部分是提出一种雾计算下基于繁忙交叉口转发模式的数据下行方案；第二部分是根据交叉口的交通需求量以及交叉口之间的距离选择出繁忙交叉口；第三部分是根据数据下行方案产生的网络拓扑结构选择出用于检测虚假数据的候选监督车辆；第四部分是根据候选监督车辆的历史轨迹计算车辆可靠性，并根据车辆可靠性选择出最终的监督车辆；第五部分是下行虚假数据检测，通过监督车辆与雾服务器之间的协作，找出发送虚假数据的恶意车辆。

4、作为优选的技术方案，所述雾计算下基于繁忙交叉口转发模式的数据下行方案是根据车辆的位置，将车辆分为根车辆和非根车辆，根车辆即为在繁忙交叉口范围内的车辆，其它为非根车辆，雾服务器将下行数据发送给所有的根车辆，再由根车辆在运动过程中转发给邻近的非根车辆，非根车辆在接收到数据之后，继续向其他邻近非根车辆转发。每辆车可以转发给多个车辆，但只能接收唯一一辆车转发的数据，也就是形成以根车辆为根节点的树型拓扑结构。

5、作为优选的技术方案，所述繁忙交叉口的选择是根据交叉口的交通需求量大小以及交叉口之间的距离，选择出间隔一定距离并交通需求量相对较大的交叉口作为繁忙交叉口转发模式中的繁忙交叉口。

6、作为优选的技术方案，所述用于检测虚假数据的候选监督车辆的选择是根据车辆在网络拓扑中的位置以及车辆关键度选择出一定数量的候选监督车辆，其中候选监督车辆又根据在网络拓扑中的位置分为边缘候选监督车辆和中心候选监督车辆。

7、作为优选的技术方案，所述监督车辆的选择是根据候选监督车辆的历史轨迹相似度计算出车辆可靠性，并根据车辆可靠性的大小选择出一定数量的监督车辆。

8、作为优选的技术方案，所述下行虚假数据检测是在雾服务器将数据发送给监督车辆之后，监督车辆将从雾服务器接收到的数据与从其他车辆接受到的数据进行比对，并检测出数据的真实性，监督车辆在发现虚假数据之后，将消息上传给雾服务器，雾服务器根据网络拓扑结构通过恶意车辆搜索算法找出发送虚假数据的恶意车辆。

9、与现有技术相比，本发明具有以下有益效果：

10、(1)本发明将下行虚假数据检测方案部署在雾计算的架构下，通过雾服务器来下发下行数据，并选定监督车辆，然后由监督车辆与雾服务器一起协同检测出虚假数据，并找出发送虚假数据的恶意车辆，这样能够更加快速并且准确的对恶意行为做出检测，大大降低了恶意事故发生的可能。

11、(2)本发明通过基于繁忙交叉口转发模式的下行数据检测方法，将下行数据的传播方式从图型拓扑改变为树型拓扑，并通过监督车辆和恶意车辆搜索算法，提高了网络覆盖率和检测精度、增大了检测范围并减小了雾服务器的通信开销。

技术特征：

1.一种基于繁忙交叉口转发模式的下行虚假数据检测方法，其特征在于，包括如下部分：

2.根据权利要求1所述的基于繁忙交叉口转发模式的下行虚假数据检测方法，其特征在于，所述雾计算下基于繁忙交叉口转发模式的数据下行方案是根据车辆的位置，将车辆分为根车辆和非根车辆，根车辆即为在繁忙交叉口范围内的车辆，其它为非根车辆，雾服务器将下行数据发送给所有的根车辆，再由根车辆在运动过程中转发给邻近的非根车辆，非根车辆在接收到数据之后，继续向其他邻近非根车辆转发，每辆车可以转发给多个车辆，但只能接收唯一一辆车转发的数据，也就是形成以根车辆为根节点的树型拓扑结构。

3.根据权利要求1所述的基于繁忙交叉口转发模式的下行虚假数据检测方法，其特征在于，所述繁忙交叉口的选择是根据交叉口的交通需求量大小以及交叉口之间的距离，选择出间隔一定距离并交通需求量相对较大的交叉口作为繁忙交叉口转发模式中的繁忙交叉口。

4.根据权利要求1所述的基于繁忙交叉口转发模式的下行虚假数据检测方法，其特征在于，所述用于检测虚假数据的候选监督车辆的选择是根据车辆在网络拓扑中的位置以及车辆关键度选择出一定数量的候选监督车辆，其中候选监督车辆又根据在网络拓扑中的位置分为边缘候选监督车辆和中心候选监督车辆。

5.根据权利要求1所述的基于繁忙交叉口转发模式的下行虚假数据检测方法，其特征在于，所述监督车辆的选择是根据候选监督车辆的历史轨迹相似度计算出车辆可靠性，并根据车辆可靠性的大小选择出一定数量的监督车辆。

6.根据权利要求1所述的基于繁忙交叉口转发模式的下行虚假数据检测方法，其特征在于，所述下行虚假数据检测是在雾服务器将数据发送给监督车辆之后，监督车辆将从雾服务器接收到的数据与从其他车辆接受到的数据进行比对，并检测出数据的真实性，监督车辆在发现虚假数据之后，将消息上传给雾服务器，雾服务器根据网络拓扑结构通过恶意车辆搜索算法找出发送虚假数据的恶意车辆。

技术总结
本发明属于智能交通领域，提供了一种基于繁忙交叉口转发模式的下行虚假数据检测方法。该方法包括五个部分，第一部分是提出一种雾计算下基于繁忙交叉口转发模式的数据下行方案。第二部分是根据交叉口的交通需求以及交叉口之间的距离选择出繁忙交叉口。第三部分是根据数据下行方案产生的网络拓扑结构选择出用于检测虚假数据的候选监督车辆。第四部分是根据候选监督车辆的历史轨迹计算车辆可靠性，并根据车辆可靠性选择出最终的监督车辆。第五部分是下行虚假数据检测，监督车辆将从雾服务器处接收到的数据与从其他车辆处接收到的数据进行对比，从而判断数据的真实性，并协助雾服务器找出发送虚假数据的恶意车辆。

技术研发人员：欧阳鑫,谷科
受保护的技术使用者：长沙理工大学
技术研发日：
技术公布日：2024/1/13