一种车联网中基于模糊评价密度聚类的共谋车辆检测方法

本发明涉及车联网系统中恶意节点检测领域，特别涉及一种车联网中基于模糊评价密度聚类的共谋车辆检测方法。

背景技术：

1、在大力发展城市智能交通背景下，车联网作为支撑智能交通的一项关键技术早前已获得业界的关注、研究，其现阶段已开始逐步商用化。车联网(internet of vehicles，iovs)，即车辆物联网，指车辆的车载设备利用新一代无线通信技术，有效应用融合信息网络平台中的相关车辆动态信息，为行驶的车辆提供各种各样的功能应用服务。车联网中的融合信息网络平台通过车内网、车际网与车载移动互联网进行“三网融合”，实现车-车、车-路、车-人等全方位网络连接。

2、车联网具有车辆节点移动速度快，车辆节点间连接时长短暂，车辆节点临时加入或退出网络，网络拓扑结构动态频繁改变等特点。车联网的开放性及动态特性使其面临更为严重、更难检测的安全危险。车联网能有效运行的前提是网络中的各个车辆节点实体、道路基础设施安全可信，它们之间互相协作、诚信交互，然而在真实车联网中可能存在非正常车辆节点，它们因为利益或目的驱使而进行区别于正常车辆节点的行为。车联网中把积极交互、客观公正评价、诚信提供服务的车辆节点称为正常车辆节点，将具有捏造虚假消息，篡改正确安全消息，发起黑洞攻击、女巫攻击、间歇攻击、共谋攻击等行为的车辆节点称为恶意车辆节点。为谋取自身利益或达成恶意目的的恶意车辆节点会对网络内的正常车辆节点进行攻击，其破坏网络秩序，影响网络运行，甚者会引起安全事故，对车联网用户造成安全威胁。

3、在开放的网络环境中不可避免的会存在恶意车辆发布虚假消息来欺骗或攻击其他正常车辆，尤其是共谋攻击，破坏力更强，威胁性更大，其会严重扰乱交通秩序，降低车联网的局部网络性能，甚至导致网络瘫痪。因此，抵御恶意车辆的攻击并高效识别出这些恶意车辆已成为车载自组织网络安全研究的热点。

技术实现思路

1、为解决以上现有技术的问题，本发明根据主客观信任值和历史信誉值设计一种信誉更新方式，实现严格的车辆信誉更新，有效约束车辆恶意行为；基于模糊数学基础理论，通过综合评价矩阵与权重矩阵的模糊运算，对参与信息交互的车辆进行第一轮恶意车辆筛选；而后采用改进的密度聚类算法，以模糊综合评价得出的单恶意车辆为核心点，遍历核心点通信范围车辆并判断是否是新增核心点车辆，以此搜索出与该车辆的共谋恶意车辆。

2、本发明所提出的一种车联网中基于模糊评价密度聚类的共谋车辆检测方法的技术方案包括：

3、接收信息车辆实时获取发送信息车辆的主观推荐信任、客观数据信任和历史信誉值；

4、对三者信誉值的比例加权，得到当前时刻接收信息车辆对发送信息车辆的信任关系值；

5、利用当前信任关系值与信任关系阈值的大小关系，对此次信息交互的发送车辆节点进行信誉更新；

6、根据模糊综合评价对更新后的三者信誉值进行处理，利用熵权法计算三者信誉值所占评价权重，对发送信息车辆进行恶意车辆筛选，检测出单恶意车辆；

7、将检测出的单恶意车辆指定为聚类核心点车辆，采用密度聚类分析对不同时刻的发送信息车辆位置进行聚类分析，得出共谋车辆集合。

8、本发明的有益效果：

9、本发明根据主观推荐信任、客观数据信任和历史信誉值，通过对三者的比例加权得到当前时刻接收信息车辆对发送信息车辆的信任关系值，利用当前信任关系值与信任关系阈值的大小关系实现此次信息交互车辆的信誉更新，能够尽可能反映发送信息车辆的真实信誉值。从而达到正常车辆信誉值随着正常交互次数的增加而缓慢增长，恶意车辆信誉值随着恶意交互次数的增加而陡然下降。

10、本发明首次在车联网恶意节点检测领域中，基于模糊数学基础理论，通过构造隶属函数对主客观信任值和历史信誉值进行量化信任程度，利用熵权法计算三者所占评判权重。通过综合评价矩阵与权重矩阵的模糊运算，对参与信息交互的车辆进行第一轮恶意车辆筛选，从而综合评判参与信息交互车辆的可信程度，并为第二轮搜索共谋车辆提供支撑。

11、本发明发现由于车联网中恶意车辆角色的多变性，一轮检测不能最大化检测恶意车辆。所以进一步考虑到共谋恶意车辆具有时空伴随性，本发明基于改进的密度聚类算法，以模糊综合评价得出的恶意车辆为核心点，遍历核心点通信范围车辆并判断是否是新增核心点车辆，以此搜索出与该车辆的共谋恶意车辆。从而在保持恶意车辆检测准确率的同时，提高检测召回率，最大化召回恶意车辆。

技术特征：

1.一种车联网中基于模糊评价密度聚类的共谋车辆检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种车联网中基于模糊评价密度聚类的共谋车辆检测方法，其特征在于，所述当前时刻接收信息车辆对发送信息车辆的信任关系值包括：

3.根据权利要求2所述的一种车联网中基于模糊评价密度聚类的共谋车辆检测方法，其特征在于，发送信息车辆的历史信誉值的更新方式包括根据信任关系值与信任关系阈值的大小关系，计算出发送信息车辆的信誉增量值，按照该信誉增量值调整历史信誉值；所采用的公式包括：

4.根据权利要求2所述的一种车联网中基于模糊评价密度聚类的共谋车辆检测方法，其特征在于，发送信息车辆的客观数据信任值的更新方式包括将车辆类型划分为权威车辆、公共交通车辆和一般车辆；按照数据权重递减的顺序，依次为权威车辆、公共交通车辆和一般车辆分配不同的数值。

5.根据权利要求2所述的一种车联网中基于模糊评价密度聚类的共谋车辆检测方法，其特征在于，发送信息车辆的主观推荐信任值的更新方式包括将路侧单元的通信范围划分为三个区域，从每个区域中的接收信息车辆中随机选择一部分作为推荐车辆；每个区域的推荐车辆分别对发送信息车辆给出评价；将推荐车辆评价划分为正面评价和负面评价；当主观推荐信任值大于信任关系阈值tht时判定为正面评价，否则为负面评价；分别对不同区域的正面评价和负面评价进行聚合。

6.根据权利要求1所述的一种车联网中基于模糊评价密度聚类的共谋车辆检测方法，其特征在于，所述根据模糊综合评价对更新后的三者信誉值进行处理，利用熵权法计算三者信誉值所占评价权重，对发送信息车辆进行恶意车辆筛选，检测出单恶意车辆包括构建评价对象的因素集和评语集；计算出因素集属于评语集的隶属度，从而构造出评价矩阵；通过熵权法计算各个因素的指标权重，从而构造出权重矩阵；通过权重矩阵和评价矩阵构建出各个发送信息车辆隶属于评语集的隶属度矩阵；其中，所述隶属度矩阵中所对应评语为该车辆的信任度且不信任评语集合中的车辆为单恶意车辆。

7.根据权利要求6所述的一种车联网中基于模糊评价密度聚类的共谋车辆检测方法，其特征在于，所述权重矩阵中，各个因素的指标权重的计算公式表示为：

8.根据权利要求1所述的一种车联网中基于模糊评价密度聚类的共谋车辆检测方法，其特征在于，所述将检测出的单恶意车辆指定为聚类核心点车辆，采用密度聚类分析对不同时刻车辆位置进行聚类分析，得出共谋车辆集合包括设定邻域半径eps和最小样本数minpts，将上一阶段检测出的单恶意车辆指定为聚类核心点车辆并标记加入已分类车辆集合v1，未标记车辆加入待分类车辆集合v0，通过遍历待分类车辆集合v0中的车辆，计算其与核心点车辆的欧氏距离并判断是否为核心点车辆密度直达的样本点；根据判定公式判定密度直达点是否为核心点车辆；将判定的核心点车辆进行标记加入已分类车辆集合v1；重复迭代直至不在出现新的核心点车辆，并将标记的已分类车辆集合v1输出；根据车辆的动态移动性，基于动态的位置更新，以t为检测时间，以t为时间间隔重复更新已分类车辆集合v1，并对t/t次聚类输出求交集输出共谋车辆集合。

9.根据权利要求8所述的一种车联网中基于模糊评价密度聚类的共谋车辆检测方法，其特征在于，所述判定公式表示为：

技术总结
本发明涉及车联网系统中恶意节点检测领域，特别涉及一种车联网中基于模糊评价密度聚类的共谋车辆检测方法，该方法包括接收信息车辆实时获取发送信息车辆的主观推荐信任、客观数据信任和历史信誉值；利用当前信任关系值与信任关系阈值的大小关系，对此次信息交互的发送车辆节点进行信誉更新；根据模糊综合评价对更新后的三者信誉值进行处理，利用熵权法计算三者信誉值所占评价权重，对发送信息车辆进行恶意车辆筛选，检测出单恶意车辆；将检测出的单恶意车辆指定为聚类核心点车辆，采用密度聚类分析对不同时刻的发送信息车辆位置进行聚类分析，得出共谋车辆集合。本发明能够在保持恶意车辆检测准确率的同时，提高检测召回率，最大化召回恶意车辆。

技术研发人员：刘开健,王大斌,张海波
受保护的技术使用者：重庆邮电大学
技术研发日：
技术公布日：2024/1/11