车辆协作动态追踪中基于状态均值的恶意用户检测方法技术

本发明专利技术公布了一种车辆协作动态追踪中基于状态均值的恶意用户检测方法，属于信号处理技术和智能交通技术领域，采用基于动态模型的状态均值检测DMMSD方法，充分利用车辆协作动态追踪中一段时间内的所有历史动态信息(所观测车辆的位置和速度)观测值，将历史观测值序列转换为状态均值，显著地减小传感器误差的影响，有效地检测出更小偏移的虚假动态信息，从而实现恶意用户检测。本发明专利技术通过对所有协作车辆发送的历史信息序列进行时序信号处理和聚类来检测得出恶意用户，从而有效提升协作动态追踪算法的安全性能，可应用于车联网中车辆协作动态追踪场景下对发送虚假动态信息观测值的恶意用户的序列检测。

【技术实现步骤摘要】
车辆协作动态追踪中基于状态均值的恶意用户检测方法
本专利技术属于信号处理技术和智能交通
，具体涉及一种应用于车联网中车辆协作动态追踪场景下对发送虚假信息的恶意用户的序列检测方法，可通过对所有协作车辆发送的历史信息序列进行时序信号处理和聚类来检测得出恶意用户，从而有效提升协作动态追踪算法的安全性能。
技术介绍
车联网(VehicularNetwork)，自动驾驶系统(AutonomousDrivingSystems)和智能交通系统(IntelligentTransportationSystems)等智能系统将在未来十年内极大地提高交通系统的效率并减小交通事故发生的可能性。车辆的动态信息：即车辆的位置，速度和加速度，在上述智能系统中的路线规划、车辆调度和紧急避险等绝大多数控制任务中都起到了极为重要的作用，是上述系统正常运转所必需的基本信息。为了确保系统中车辆及乘客的安全，各个车辆必须持续获取自身和周边车辆的实时动态信息，并且对动态信息的可靠性、精准度和稳定性有着极高的要求。就获取可靠且准确的实时自身动态信息而言，目前大规模应用的仅基于本文档来自技高网...

【技术保护点】
1.一种车辆协作动态追踪中的恶意用户检测方法，采用基于动态模型的状态均值检测DMMSD方法，充分利用车辆协作动态追踪中一段时间内的所有历史动态信息观测值，将历史观测值序列转换为状态均值，显著地减小传感器误差的影响，有效地检测出更小偏移的虚假动态信息，从而实现恶意用户检测；包含以下步骤：/n1)以先进先出方式缓存固定时间长度内、每辆协作车辆发送给本车辆的所有历史动态信息观测值；/n设定有N辆协作车辆，本车辆上对应存在N个FIFO缓存；每次检测时，N个FIFO缓存中的长度为K的历史观测值序列形成一个历史观测值矩阵M

【技术特征摘要】
1.一种车辆协作动态追踪中的恶意用户检测方法，采用基于动态模型的状态均值检测DMMSD方法，充分利用车辆协作动态追踪中一段时间内的所有历史动态信息观测值，将历史观测值序列转换为状态均值，显著地减小传感器误差的影响，有效地检测出更小偏移的虚假动态信息，从而实现恶意用户检测；包含以下步骤：
1)以先进先出方式缓存固定时间长度内、每辆协作车辆发送给本车辆的所有历史动态信息观测值；
设定有N辆协作车辆，本车辆上对应存在N个FIFO缓存；每次检测时，N个FIFO缓存中的长度为K的历史观测值序列形成一个历史观测值矩阵Mz，表示为：



其中，zij的下标i表示协作车辆的编号，下标j表示离散时刻的编号；设定序列的最后一个元素即第K个元素的下标K对应的时刻为当前时刻K，下标K-1对应的时刻为前一个时刻；下标1对应的时刻为前K-1个时刻；
2)通过车辆运动的动态模型，预测每个时刻的历史观测值对应的当前时刻的可能的观测值，记作：
利用动态模型将受车辆运动影响的历史观测序列即历史观测值矩阵Mz转换为去除了车辆运动影响的预测值序列；再利用车辆运动的动态模型第i辆协作车辆由前K-1个时刻的实际观测值zi1，zi2，...zi(K-1)，得到对当前时刻实际观测值的K-1个预测由此消除当前时刻的实际观测值和K-1个预测值对应的动态信息真实值间的差别；
3)将每辆协作车辆的所有当前时刻的可能的观测值进行平均，得到该协作车辆的历史序列对应的当前时刻的状态均值再得出全部N辆协作车辆对应的状态均值一起构成的向量记为状态均值向量表示为：
上述步骤1)～3)通过将每辆协作车辆的历史观测序列转换为预测序列，再转换为状态均值；即对每辆协作车辆对当前时刻目标车辆的动态信息进行多次观测取均值，由此减少得到的状态均值向量中的每个状态均值中观测噪声的成分；
4)计算所有协作车辆的状态均值向量构成的簇的最小均方差，进行一致性检测；
如果最小均方差没有超过设定的最小均方差阈值，表示不存在恶意用户；
如果最小均方差超过设定的最小均方差阈值P，表示协作车辆中存在恶意用户；则执行步骤...

【专利技术属性】
技术研发人员：程翔，皮旺，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京;11