本發(fā)明屬于車載自組網(wǎng)，尤其涉及一種抗攻擊的節(jié)點(diǎn)密度適應(yīng)性事件驗(yàn)證方法。

背景技術(shù)：

1、車載自組網(wǎng)(vanets)是基于車載設(shè)備的無(wú)線自組網(wǎng)技術(shù)，其通過自動(dòng)組網(wǎng)的方式實(shí)現(xiàn)了vehicle-to-vehicle(v2v)和vehicle-to-infrastructure(v2i)的信息交互和通信連接，改變了傳統(tǒng)交通工具的運(yùn)作模式。近年來，隨著自動(dòng)駕駛技術(shù)的發(fā)展和智慧城市建設(shè)的推進(jìn)，傳統(tǒng)的交通管理系統(tǒng)已逐步向智能交通管理系統(tǒng)(its)轉(zhuǎn)變。在此背景下，vanets在提供安全應(yīng)用方面展現(xiàn)出巨大潛力，將其應(yīng)用于交通系統(tǒng)，不僅可以有效提升交通管理的效率，還能為道路安全性帶來有力保障。

2、在vanets中，車輛通常配備了各種傳感器，作為持續(xù)感知周圍環(huán)境、采集有效數(shù)據(jù)的工具，這使得車輛能夠檢測(cè)到路況變化等異常情況，從而降低自身的安全風(fēng)險(xiǎn)。同時(shí)，v2v和v2i通信可以使有關(guān)道路狀況、交通事故、惡劣天氣以及其他相關(guān)交通事件的信息得以傳播，這不僅局限于鄰居之間的共享，對(duì)于持續(xù)時(shí)間不短的事件，利用路測(cè)單元(rsu)強(qiáng)大的傳播能力，還可以幫助其他路線重合的車輛及時(shí)地了解交通狀況，以考慮是否提前變更路線。此外，its利用rsu對(duì)交通事件信息進(jìn)行收集還有助于實(shí)時(shí)掌握第一手交通狀況，并通過控制信號(hào)燈等措施優(yōu)化交通流量，迅速調(diào)動(dòng)救援力量，協(xié)調(diào)各部門進(jìn)行應(yīng)急處置，提高事故響應(yīng)效率。同時(shí)，大量的交通信息還有利于分析交通發(fā)展趨勢(shì)，優(yōu)化交通網(wǎng)絡(luò)等。

3、目前已有大量的研究關(guān)注了vanets中的隱私和身份等安全問題，然而由于車輛的高度機(jī)動(dòng)性以及車輛網(wǎng)絡(luò)的開放性與動(dòng)態(tài)性，經(jīng)過身份驗(yàn)證的合法車輛并非完全可信，惡意攻擊者仍是巨大的安全挑戰(zhàn)。攻擊者可能惡意散播虛假的消息，導(dǎo)致了交通事件信息的不確定性，并造成交通安全和管理效率兩方面的損害。因此，如何驗(yàn)證和判斷事件消息的真實(shí)性，以及如何應(yīng)對(duì)針對(duì)vanets智能交通安全應(yīng)用的攻擊，是迫切需要解決的問題。

4、現(xiàn)有的事件驗(yàn)證主要是基于投票數(shù)量來進(jìn)行的，這種思路將不同車輛發(fā)送的對(duì)于同一事件的報(bào)告看作是對(duì)該事件真實(shí)性的投票，所有報(bào)告該事件的車輛都被當(dāng)作事件的見證者，若投票總數(shù)足夠多，則將該事件判斷為真實(shí)的。這種方法雖然簡(jiǎn)單，但也存在不可忽視的漏洞：在車輛密度小的區(qū)域或時(shí)間段，事件所在位置周圍的車輛總數(shù)可能難以達(dá)到投票有效性的閾值，從而造成誤判，故該閾值不能過大。然而較小的閾值又難以對(duì)惡意攻擊者進(jìn)行抵抗，這導(dǎo)致了確定閾值時(shí)兩難的局面。此外，現(xiàn)有研究往往默認(rèn)車輛數(shù)目較多，惡意攻擊者較少，導(dǎo)致事件驗(yàn)證方案不夠有說服力，事件真實(shí)性的判斷不夠準(zhǔn)確。

5、為了使網(wǎng)絡(luò)中各節(jié)點(diǎn)間的交互更加可靠，許多研究在vanets中引入了信任管理機(jī)制。通常，在嵌入了信任管理機(jī)制的車輛網(wǎng)絡(luò)中，每個(gè)車輛都具有特定的聲譽(yù)，用以反映其過去長(zhǎng)期以來的整體形象和表現(xiàn)，這是基于車輛的行為記錄、安全性、合作程度等計(jì)算得到的。聲譽(yù)打破了來自不同車輛的交通事件消息的籠統(tǒng)性，能夠更合理地區(qū)分潛在的攻擊者與其他車輛。通過將聲譽(yù)作為衡量車輛發(fā)送的事件消息的可信程度的重要因素，可以更合理地推斷事件真實(shí)發(fā)生的可能性，以抵抗惡意攻擊。

技術(shù)實(shí)現(xiàn)思路

1、由于vanets的特性，惡意車輛是不可避免的，他們可能會(huì)提供虛假的事件信息，以獲得道路特權(quán)或滿足其他惡意目的。因此，不同車輛對(duì)于同一事件真實(shí)性的意見可能是沖突的，研究人員已開始關(guān)注如何判斷事件真實(shí)性的問題。目前的事件驗(yàn)證方案依舊存在以下問題：1)事件的真實(shí)性完全依賴于投票數(shù)量和閾值，這在車輛密度小的情況下存在局限性。2)缺乏多維度利用與事件真實(shí)性相關(guān)的其他信息，如投票者本身的可信程度、事件發(fā)生位置與投票者位置的距離等。3)缺乏針對(duì)各種節(jié)點(diǎn)密度和惡意節(jié)點(diǎn)百分比均適用的方案。因此，如何針對(duì)vanet網(wǎng)絡(luò)的特性，確定更有效、更有說服力的事件驗(yàn)證方案是亟待解決的問題。

2、為了解決現(xiàn)有技術(shù)中存在的技術(shù)問題，包括上述所提到的技術(shù)問題，本發(fā)明提供了一種抗攻擊的節(jié)點(diǎn)密度適應(yīng)性事件驗(yàn)證方法，該技術(shù)方案具體如下：

3、步驟一：首先，本發(fā)明對(duì)網(wǎng)絡(luò)中存在的節(jié)點(diǎn)進(jìn)行了分類，并針對(duì)事件驗(yàn)證場(chǎng)景構(gòu)建了攻擊模型，將攻擊分為了兩類：惡意驗(yàn)證攻擊和虛假報(bào)告攻擊，兩種攻擊具有各自的特點(diǎn)。

4、步驟二：將本發(fā)明的工作流程分為報(bào)告、驗(yàn)證、判斷三個(gè)階段。在報(bào)告階段，事件報(bào)告者將有關(guān)事件信息的報(bào)告發(fā)送給rsu；在驗(yàn)證階段，rsu請(qǐng)求事件周圍的其他節(jié)點(diǎn)作為驗(yàn)證者提交驗(yàn)證報(bào)告；在判斷階段，rsu利用報(bào)告者和所有驗(yàn)證者提供的信息進(jìn)行事件真實(shí)性的判斷。

5、步驟三：接下來，提出了一種基于模糊邏輯的可信度評(píng)估模型，通過空間、時(shí)間、聲譽(yù)等維度對(duì)車輛節(jié)點(diǎn)發(fā)送事件消息的可信度進(jìn)行表征與評(píng)估，從而降低惡意攻擊的影響。

6、步驟四：基于所提出的可信度評(píng)估模型，本發(fā)明設(shè)計(jì)了一種綜合性的事件真實(shí)性推理方法。它考慮了可信度、投票數(shù)、事件重要性、預(yù)定義角色等因素，并最終對(duì)事件的真實(shí)性做出合理的推斷。

7、以下為本發(fā)明方法的具體闡述。

8、步驟1：在車載自組網(wǎng)事件的收集與傳播情景下，將網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行分類，包括車輛節(jié)點(diǎn)和路測(cè)單元rsu節(jié)點(diǎn)；網(wǎng)絡(luò)中每個(gè)車輛節(jié)點(diǎn)都具有唯一的身份標(biāo)識(shí)idv和聲譽(yù)r，車輛節(jié)點(diǎn)根據(jù)節(jié)點(diǎn)在網(wǎng)絡(luò)中是否有進(jìn)行惡意攻擊的可能，分為可信節(jié)點(diǎn)和惡意節(jié)點(diǎn)，其中可信節(jié)點(diǎn)為一定不會(huì)進(jìn)行惡意攻擊的誠(chéng)實(shí)節(jié)點(diǎn)；可信節(jié)點(diǎn)分為常規(guī)節(jié)點(diǎn)和公信節(jié)點(diǎn)；

9、惡意節(jié)點(diǎn)為惡意破壞事件驗(yàn)證正確性而發(fā)送的消息統(tǒng)稱為惡意消息，存在的惡意攻擊包括惡意驗(yàn)證攻擊和虛假報(bào)告攻擊；

10、步驟2：事件的報(bào)告與驗(yàn)證；

11、當(dāng)發(fā)生交通事件ek時(shí)，事件的目擊節(jié)點(diǎn)作為報(bào)告者向rsu發(fā)送事件報(bào)告，rsu在收到第一個(gè)關(guān)于該事件的報(bào)告后進(jìn)入報(bào)告階段，持續(xù)時(shí)間為t1，并創(chuàng)建報(bào)告者集合，事件報(bào)告內(nèi)包括事件信息和報(bào)告者的信息。

12、報(bào)告階段結(jié)束后，rsu根據(jù)收到的所有報(bào)告計(jì)算節(jié)點(diǎn)位置的平均值，作為事件的真實(shí)位置，同時(shí)，以報(bào)告者所在的道路作為事件發(fā)生的道路，并以報(bào)告中最早的時(shí)間戳作為事件發(fā)生時(shí)間；根據(jù)不同報(bào)告者所認(rèn)定的事件重要性計(jì)算該事件的重要性因子；

13、接下來，rsu為交通事件ek創(chuàng)建唯一的標(biāo)識(shí)idk，廣播對(duì)該事件的驗(yàn)證請(qǐng)求，進(jìn)入驗(yàn)證階段，并創(chuàng)建驗(yàn)證者集合；事件位置周圍除報(bào)告者以外的其他節(jié)點(diǎn)收到該請(qǐng)求后，將判斷所描述事件的真實(shí)性，并作為驗(yàn)證者在驗(yàn)證報(bào)告中給出真實(shí)性意見；

14、rsu收到驗(yàn)證消息后將根據(jù)事件標(biāo)識(shí)、節(jié)點(diǎn)位置、道路編號(hào)和時(shí)間戳檢查驗(yàn)證的有效性；驗(yàn)證階段在經(jīng)過時(shí)間t2后結(jié)束，rsu根據(jù)idk收集所有相關(guān)驗(yàn)證，從而利用報(bào)告者和驗(yàn)證者提供的信息進(jìn)一步判斷事件的真實(shí)性；

15、步驟3：建立基于模糊控制的可信度評(píng)估模型，以節(jié)點(diǎn)ni的接近度與聲譽(yù)ri作為輸入，通過模糊化、模糊推理和去模糊化，輸出評(píng)估的可信度

16、對(duì)于某個(gè)事件，ni是報(bào)告者或驗(yàn)證者，節(jié)點(diǎn)的接近度通過下式計(jì)算：

17、

18、其中，和分別代表著時(shí)間接近度和空間接近度，根據(jù)事件發(fā)生時(shí)間與節(jié)點(diǎn)報(bào)告的時(shí)間差進(jìn)行衡量，根據(jù)事件發(fā)生地點(diǎn)與節(jié)點(diǎn)的空間距離進(jìn)行衡量；

19、進(jìn)行模糊化，將接近度和聲譽(yù)ri劃分為低、中和高三個(gè)等級(jí)，可信度劃分為低、較低、中、較高、高五個(gè)等級(jí)；根據(jù)設(shè)定的模糊控制規(guī)則獲得輸出，然后去模糊化，得到評(píng)估的可信度

20、步驟4：基于證據(jù)理論進(jìn)行事件真實(shí)性推理，若最終結(jié)果未達(dá)到事件真實(shí)性認(rèn)定條件，則進(jìn)行二次推理；

21、對(duì)于事件真實(shí)性而言，有辨識(shí)框架其中代表事件ek是真實(shí)的，代表事件ek是虛假的，代表無(wú)法判斷事件ek的真實(shí)性，三者之間相互獨(dú)立；利用可信度評(píng)估模型所評(píng)估的節(jié)點(diǎn)可信度得到基本概率分配bpa，具體如下：

22、對(duì)于報(bào)告者和認(rèn)為事件ek為真的驗(yàn)證者而言：

23、

24、對(duì)于認(rèn)為事件ek為假的驗(yàn)證者而言：

25、

26、其中，是任意節(jié)點(diǎn)ni的基本置信度函數(shù)，α為權(quán)重值，ni∈ptn表示公信節(jié)點(diǎn)，tf是中間變量；

27、然后進(jìn)行證據(jù)融合，計(jì)算的融合概率

28、

29、表示融合操作，具體如下：

30、

31、其中x和y分別是辨識(shí)框架ω的任意子集，k是計(jì)算過程的中間變量；當(dāng)遠(yuǎn)大于時(shí)，則事件是真實(shí)的，反之為虛假事件；但當(dāng)時(shí)，需進(jìn)行二次推理，δ是需要二次推理的閾值；

32、在二次推理中，rsu將報(bào)告者和認(rèn)為事件ek為真的驗(yàn)證者放入確認(rèn)者集合conk中，將認(rèn)為事件ek為假的驗(yàn)證者放入否認(rèn)者集合denyk中，|conk|和|denyk|分別等于和其表示確認(rèn)者數(shù)量和否認(rèn)者數(shù)量；對(duì)于conk中的任意節(jié)點(diǎn)ni和denyk中的任意節(jié)點(diǎn)nj，分別計(jì)算其權(quán)重βi和γj：

33、

34、再分別計(jì)算確認(rèn)者集合和否認(rèn)者集合的信任因子和

35、

36、設(shè)置投票有效性閾值為其與重要性因子ifk的關(guān)系如下：

37、

38、其中，n0為設(shè)定值，δn決定的隨ifk增長(zhǎng)的速率；

39、報(bào)告者和驗(yàn)證者統(tǒng)稱為參與者，參與者數(shù)量為與之和，在且的情況下，若且事件ek被判斷為真實(shí)的；相反，若且事件ek被判斷為虛假的，其中，thr1為設(shè)定的門限；在這兩種情況之外，引入綜合因子和分別表示事件ek為真或假，當(dāng)時(shí)，事件被判斷為真實(shí)的，反之則判斷為虛假的，計(jì)算如下：

40、

41、其中，θ1和θ2分別是信任因子和的系數(shù)，比例因子和的計(jì)算方式如下：

42、

43、其中，是conk中公信節(jié)點(diǎn)的數(shù)量，是denyk中公信節(jié)點(diǎn)的數(shù)量。

44、當(dāng)車輛密度小時(shí)，通過設(shè)置針對(duì)的門限thr2來區(qū)分真實(shí)與虛假事件。

45、進(jìn)一步的，所述事件報(bào)告的格式如下：

46、

47、其中，msgr是事件報(bào)告，idi是報(bào)告者ni的身份標(biāo)識(shí)，loci和roadi分別代表報(bào)告者的位置和所處道路編號(hào)，typek和用于表示所報(bào)告事件的類型與重要性，分為低、中和高三個(gè)等級(jí)，用-1，0和1表示，tsi是報(bào)告者的時(shí)間戳；

48、所述驗(yàn)證請(qǐng)求的格式如下：

49、reqe＝{idrsu,idk,typek,rlk,rdk,rtk,tsk}

50、其中，reqe為驗(yàn)證請(qǐng)求，idrsu和tsk分別代表rsu的身份標(biāo)識(shí)和驗(yàn)證階段開始的時(shí)間，rlk為事件的真實(shí)位置，rdk為報(bào)告者所在的道路作為事件發(fā)生的道路，rtk為事件發(fā)生時(shí)間；

51、所述驗(yàn)證報(bào)告的格式如下：

52、

53、其中，msgv為驗(yàn)證報(bào)告，idj是驗(yàn)證者nj的身份標(biāo)識(shí)，locj和roadj分別代表驗(yàn)證者的位置和所處道路編號(hào)，是驗(yàn)證者的真實(shí)性意見，tsj是驗(yàn)證者的時(shí)間戳。

54、進(jìn)一步的，所述重要性因子通過下式計(jì)算得到：

55、

56、其中，repk為交通事件ek的報(bào)告者集合。

57、進(jìn)一步的，所述時(shí)間接近度具體通過以下方式計(jì)算：

58、

59、δtmax＝t1+t2

60、其中，對(duì)于報(bào)告者，是消息接收時(shí)間與事件發(fā)生時(shí)間rtk之差；對(duì)于驗(yàn)證者，是消息接收時(shí)間與報(bào)告者報(bào)告的時(shí)間戳的平均值之差，δtmax是報(bào)告與驗(yàn)證兩個(gè)階段的時(shí)長(zhǎng)總和；

61、所述空間接近度通過以下方式計(jì)算得到：

62、

63、

64、其中，(lng1,lat1)為事件位置的經(jīng)緯度，(lng2,lat2)為節(jié)點(diǎn)位置的經(jīng)緯度，r為地球半徑，為節(jié)點(diǎn)ni與事件之間的空間距離，dmax是最大閾值。

65、進(jìn)一步的，所述模糊控制規(guī)則具體如下：

66、 聲譽(yù) 接近度 可信度 l l l l m rl l h m m l rl m m m m h rh h l rh h m rh h h h

67、其中，l、rl、m、rh、h分別表示等級(jí)低、較低、中、較高、高。

68、進(jìn)一步的，所述去模糊化具體采用質(zhì)心法得到。

69、進(jìn)一步的，所述證據(jù)融合之前，對(duì)基本概率分配進(jìn)行貝葉斯近似：

70、

71、其中，為貝葉斯近似后的表示。

72、進(jìn)一步的，所述信任因子和的系數(shù)θ1和θ2通過下式計(jì)算得到：

73、

74、其中，u和v為設(shè)定的參數(shù)，e是自然常數(shù)。

75、本發(fā)明所提供的技術(shù)方案帶來的有益效果具體如下：

76、1、設(shè)計(jì)了一種基于模糊邏輯的可信度評(píng)估模型，從車輛節(jié)點(diǎn)的時(shí)間接近度、空間接近度和聲譽(yù)三方面評(píng)估其針對(duì)事件真實(shí)性意見的可信度，能夠利用多維度有效信息區(qū)分惡意消息，有效降低惡意驗(yàn)證攻擊或虛假報(bào)告攻擊的影響。

77、2、設(shè)計(jì)了一種事件真實(shí)性推理算法，其不以投票數(shù)量作為主要推理依據(jù)，使用了證據(jù)理論對(duì)節(jié)點(diǎn)可信度進(jìn)行合理融合，還考慮了事件重要性、預(yù)定義角色、投票比例等相關(guān)因素，降低了誤判的可能。

78、3、由于事件真實(shí)性的判斷不簡(jiǎn)單依靠閾值方法，且對(duì)可信節(jié)點(diǎn)比例的依賴性弱，本發(fā)明保證了在各種節(jié)點(diǎn)密度和惡意節(jié)點(diǎn)百分比情況下的適用性，即使在節(jié)點(diǎn)密度較小或惡意節(jié)點(diǎn)百分比較高的情況下，也能具有良好的性能，且能夠提高事件驗(yàn)證的準(zhǔn)確率。