一种车载网中基于无人机辅助的检测恶意节点方法技术

本发明专利技术公开了一种车载网基于无人机辅助的检测恶意节点方法，涉及车载自组网通信安全技术，通过直接信任、间接信任建立车辆节点之间的信任模型，然后增添节点之间的自适应阀值检测机制，再通过无人机的辅助选择相应簇头进行车辆级别聚合和RSU级别聚合，最终生成全球黑名单(GBL,Gobal black list)，保护了车辆的隐私，检测出了恶意节点。我们的解决方案不是评估车辆在不同时间段的信任值，然后测量这种评估的可变性，而是在整个实验期间评估车辆的信任值，与先前存在的方案相比，它提供了更大的灵活性、精准性。此外基于无人机的集群技术能够减少车辆之间交换的消息量，使得车载网中的车辆通信更加高效。的车辆通信更加高效。的车辆通信更加高效。

【技术实现步骤摘要】
一种车载网中基于无人机辅助的检测恶意节点方法


[0001]本专利技术涉及车载自组网通信安全技术，具体涉及一种车载网中基于无人机辅助的检测恶意节点方法。

技术介绍

[0002]车载网(Vehicle Ad hoc Network，VANET)作为移动自组网的一个子类，在智能交通系统中得到广泛应用，其中为了保证车辆之间的通讯，路边单元(Road Side Unit，RSU)充当网关，车辆上装有车载单元(On Board Unit，OBU),OBU由传感器、处理单元和通讯系统组成，并通过IEEE 802.11协议与周围车辆进行通信，VANET可以实现车辆与车辆、车辆与基础设施之间的协作通信，从而有助于促进交通安全、提高交通效率和优化交通管理，但是由于VANET中节点繁多且网络拓扑结构变化较快的特点，VANET网络易受到来自外界的恶意攻击，近年来，车载网的安全问题日益成为一个热点问题。
[0003]无人机作为一种新型的空中运动节点，在城市交通管理领域有着独特的效用，它具有体型小、效率高、机动灵活、环境依赖性低、覆盖范围广等优点。(Unmanned Aerial Vehicle，UAV)可以被认为是在路线选择过程中协助地面车辆的最合适解决方案。此外，无人机可以通过异构无线通信与现有的VANET进行临时通信。像车辆一样，UAV也可以通过车辆或使用多跳通信建立与Internet的连接，并且它们可以通过在天空中中继消息来避免地面上的障碍，使车辆与车辆或者车辆与路边单元数据交换更加高效。

技术实现思路

[0004]本专利技术的主要目的在于提供一种车载网中基于无人机辅助的检测恶意节点方法，
[0005]为了达到此目的，本专利技术采用的技术方案包括：
[0006]步骤1：车辆之间的信任建立；
[0007]步骤2：行为自适应检测阀值；
[0008]步骤3：无人机辅助检测；
[0009]进一步地，所述步骤1包括：
[0010]首先将车辆间的信任建立分成两个度量概念，一个是直接信任(两个直接进行交互的车辆之间的评估)，另一个是间接信任(其他车辆对两个进行交互的车辆诚实性意见)，并将节点之间的直接信任和间接信任初始值都设为0.5.
[0011]然后确定车辆之间通信的直接信任值，可用以下方程式来进行计算：
[0012]其中DT
(i,j)
表示车辆V
i
生成的关于车辆V
i
与V
j
之间的直接信任值。L
(i,j)
和M
(i,j)
分别表示车辆V
i
和V
j
之间的合法行为和恶意行为，表示信任值接近于1的参数。
[0013]随后确定车辆之间通信的间接信任值，通过添加两个字段来修改周期性交换的信
标消息的格式：(1)增加2字节的邻居标识。(2)增加1字节的信标发送者关于该邻居的意见。
[0014]当车辆V
i
接收到邻居信标后，车辆为邻居V
j
计算间接信任值，可以用以下方程式来表示：
[0015][0016]其中DT
(i,j)
表示车辆V
i
生成的关于车辆V
i
与V
j
之间的直接信任值，opinion(k,j)表示车辆节点k对j的意见。N表示给出意见的推荐者数量。
[0017]最后计算车辆节点之间最终的信任值，可用以下方程式来表示：
[0018][0019]其中DT
(i,j)
表示车辆V
i
生成的关于车辆V
i
与V
j
之间的直接信任值，IT
(i,j)
表示间接信任值，#int表示车辆V
i
和车辆V
j
交互次数，此外DT
(i,j)
和IT
(i,j)
最初设置为0.5.
[0020]更进一步地，所述步骤2包括：
[0021]对于每个邻居节点，将存储两个信任值，即旧信任值OldTrust
(i，j)
和新的信任值NewTrust
(i，j)
。
[0022]如果新的信任值低于旧的信任值，则检测阀值会增加。此外，当两个信任值都保持不变时，维持相同的检测阀值。
[0023]车辆节点行为变化的检测自适应阀值可用以下等式表示：
[0024][0025]其中α＝OldTrust
(i，j)
‑
NewTrust
(i，j)
，NewDetectionTH(i，j)表示新的检测阀值，OldDetectionTH(i，j)表示旧的检测阀值。
[0026]更进一步地，所述步骤3包括：
[0027]无人机将路段划分成虚拟静态簇，其大小等于车辆的通讯距离(R),并启动评估收集阶段。
[0028]无人机进行簇头选择，无人机每个集群只能选择一个车辆节点来报告可能为恶意节点的汇总列表，初始迭代一般选择距网段中心点最近的车辆节点。
[0029]此后通过基于节点信任值的选择策略以及它们与群集中心的接近度而定，簇头选择策略可用以下公式来表示：
[0030][0031]其中TA表示信任权威机构，ID为具体车辆节点的标识，P_ID标识车辆节点到无人机的距离，central_point表示车辆节点到网段中心的距离。
[0032]开始进行车辆级别聚合即被选择的簇头计算每个邻居收集意见的平均值，并将其加入生成的CLBL(Cluster Local Black List，集群本地黑名单)发送给RSU(Road Side Unit，路边单元)。
[0033]然后进行RSU(Road Side Unit，路边单元)级别聚合即生成LBL(Local Black List，本地黑名单)，并发给TA(Trust authority，信任权威)，
[0034]TA匹配属于同一车辆的不同ID，以便在检测时惩罚更改其ID的车辆，然后借助RSU和无人机，生成并分发了GBL(Global Black List，全球黑名单)。
[0035]本专利技术的优点：
[0036]本专利技术提出了一种基于用户感知的虚拟辅助模型，包括一种自适应阀值检测技术，允许检测智能不诚实行为，包括身份改变/伪造策略。因此，这种解决方案保护了车辆的隐私，同时确保了所需的安全级别。我们的解决方案不是评估车辆在不同时间段的信任值，然后测量这种评估的可变性，而是在整个实验期间评估车辆的信任值，因此，它既不需要最小的交互次数，也不需要最小的运行密度。因此，与先前存在的方案相比，它提供了更大的灵活性。此外基于无人机的集群技术能够减少交换的消息量，从而节省无人机的能量，使得车载网中的车辆交流更加高效。
[0037]除了上面所描述的目的、特征和优点之外，本专利技术还有其它的目的、特征和优点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车载网中基于无人机辅助的检测恶意节点方法，其特征在于包括：步骤1：车辆之间的信任建立；步骤2：行为自适应检测阀值；步骤3：无人机辅助检测。2.根据权利要求1所述的车载网中基于无人机辅助的检测恶意节点方法，其特征在于，所述步骤1包括：首先将车辆间的信任建立分成两个度量概念，一个是直接信任(两个直接进行交互的车辆之间的评估)，另一个是间接信任(其他车辆对两个进行交互的车辆诚实性意见)，并将节点之间的直接信任和间接信任初始值都设为0.5；然后确定车辆之间通信的直接信任值，可用以下方程式来进行计算：其中DT
(i,j)
表示车辆V
i
生成的关于车辆V
i
与V
j
之间的直接信任值；L
(i，j)
和M
(i，j)
分别表示车辆V
i
和V
j
之间的合法行为和恶意行为，表示信任值接近于1的参数；随后确定车辆之间通信的间接信任值，通过添加两个字段来修改周期性交换的信标消息的格式：(1)增加2字节的邻居标识；(2)增加1字节的信标发送者关于该邻居的意见；当车辆V
i
接收到邻居信标后，车辆为邻居V
j
计算间接信任值，可以用以下方程式来表示：其中DT
(i,j)
表示车辆V
i
生成的关于车辆V
i
与V
j
之间的直接信任值，opinion(k,j)表示车辆节点k对j的意见；N表示给出意见的推荐者数量；最后计算车辆节点之间最终的信任值，可用以下方程式来表示：其中DT
(i,j)
表示车辆V
i
生成的关于车辆V
i
与V
j
之间的直接信任值，IT
(i,j)
表示间接信任值，#int表示车辆V
i
和车辆V
j
交互次数，此外DT
(i,...

【专利技术属性】
技术研发人员：神显豪，臧一豪，谢晓兰，秦运枝，李家豪，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：