一种基于粗细粒度轨迹的城市车联网女巫攻击检测方法技术

本发明专利技术公开了一种基于粗细粒度轨迹的深度学习城市车联网女巫攻击检测方法，包括：步骤1，按照固定时间窗采集粗、细粒度轨迹，当达到一个检测时间周期，执行步骤2。步骤2，采用lcs算法对粗粒度轨迹两两计算轨迹重合比例，形成轨迹关联序列，根据此关联序列找出相应的细粒度轨迹，作为检测模型的输入，执行步骤3。步骤3，对于输入的多条细粒度轨迹，利用LSTM进行单轨迹特征提取，用Transformer捕捉轨迹间关系，最后用softmax做分类，判断目标轨迹是否为女巫轨迹。实验结果证明，本发明专利技术所提出的女巫攻击检测方法具有较高的检测性能，且在不同应用场景下表现出较强的适应性。应用场景下表现出较强的适应性。应用场景下表现出较强的适应性。

【技术实现步骤摘要】
一种基于粗细粒度轨迹的城市车联网女巫攻击检测方法


[0001]本专利技术属于网络信息安全
，涉及入侵检测技术，特别涉及一种基于粗细粒度轨迹的城市车联网女巫攻击检测方法。

技术介绍

[0002]车联网作为物联网技术在交通系统领域的典型应用，在近些年一直飞速发展，目前正处于从单车智能向车路协同演进的阶段。V2X通信技术是实现车联网的必要基础，但它的广泛应用也带来了新的攻击面，针对网络的攻击行为逐渐增多，攻击规模不断扩大，给交通安全带来威胁。因此，车联网安全成为网络信息安全
的研究热点。
[0003]车联网中一种可能的污染交通信息的攻击方式是女巫攻击，攻击者可以伪造多个身份并传播虚假信息，影响正常车辆获得的超视距信息的可靠性。出于隐私保护的需求，车联网通信中往往使用假名，这使得女巫攻击更易于实施。同时，车辆具有高移动性的特点，网络结构实时改变，针对车联网特点设计相应安全机制是十分必要的。
[0004]为了应对车联网中的女巫攻击行为，一种可能的方案是利用车端传感器的物理信号结合运动预测对车辆真实性进行检测，如5G多波束天线、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于粗细粒度轨迹的城市车联网女巫攻击检测方法，其特征在于，包括：步骤1，按照固定时间窗采集粗、细粒度轨迹，当达到一个检测时间周期，执行步骤2；步骤2，采用lcs算法对粗粒度轨迹两两计算轨迹重合比例，形成轨迹关联序列，根据此关联序列找出相应的细粒度轨迹，作为检测模型的输入，执行步骤3；步骤3，对于输入的多条细粒度轨迹，利用LSTM进行单轨迹特征提取，用Transformer捕捉轨迹间关系，最后用softmax做分类，判断目标轨迹是否为女巫轨迹。2.根据权利要求1所述的一种基于粗细粒度轨迹的城市车联网女巫攻击检测方法，其特征在于，所述步骤1中按照固定时间窗采集粗、细粒度轨迹的过程，具体包括：步骤1.1，根据车辆行驶道路地图，沿路每500米部署一个RSU，且每个RSU的250米半径范围内无其他RSU；步骤1.2，行驶车辆通过最近的RSU汇报位置，RSU对车辆位置进行签名；步骤1.3，以固定的时间窗，采集包含由RSU信息组成的粗粒度轨迹和由车辆驾驶行为信息组成的细粒度轨迹。3.根据权利要求1所述的一种基于粗细粒度轨迹的城市车联网女巫攻击检测方法，其特征在于，所述步骤2中采用lcs算法对粗粒度轨迹两两计算轨迹重合比例，形成轨迹关联序列的过程，具体包括：步骤2.1，对于每条粗粒度轨迹，采用lcs算法计算该轨迹与其他轨迹的重合比例，若重合比例大于阈值则存在关联；步骤2.2，若目标轨迹与其他轨迹的重合比例均小于阈值，则将该轨迹视为正常轨迹，否则执行步骤2.3；步骤2.3，将与目标轨迹存在关联的轨迹，按重合比例降序排列，并将目标轨迹与其降序序列一同组成轨迹关联序列。4.根据权利要求1所述的一种基于粗细粒度轨迹的城市车联网女巫攻击检测方法，其特征在于，所述步骤3中对于输入的多条细粒度轨迹，利用LSTM进行单轨迹特征提取，用Transformer捕捉轨迹间关系，最后用softmax做分类，判断目标轨迹是否为女巫轨迹的过程，具体包括：步骤3.1，对于轨迹关联序列中的每...

【专利技术属性】
技术研发人员：赖英旭，石晓銮，陈业，庄俊玺，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：