System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及车联网安全领域,更具体地,涉及一种基于区块链的车联网组合赋权信任评估方法。
技术介绍
1、车联网(vehicle-to-everything,v2x)的发展是一把双刃剑,因为它给我们的生活带来了改善,同时也带来了许多挑战。其中一个挑战是,由于多方参与以及车辆之间的未知属性,物联网网络容易受到恶意车辆的攻击,在极端情况下,这些恶意车辆拦截、转发和篡改交通可能导致事故、伤害甚至死亡。因此,未解决的车辆信任问题可能会给交通安全带来巨大的潜在风险。
2、为了解决上述潜在风险,人们在信任管理领域进行了广泛的研究。传统的信任管理机制主要分为集中式信任管理和分布式信任管理两大类。集中式信任管理涉及一个中央实体,负责互联车辆系统中所有与信任相关的功能和决策。这种方法提供了高安全性和一致性。然而,它也带来了单点故障等风险。另一方面,分布式信任管理通常利用区块链等分布式账本技术来实现信任的评估和管理。每个参与者都有自己的本地信任管理能力,可以根据与其他参与者的交互评估和更新信任值。然而,由于缺乏全局的管理策略,分布式信任管理机制也面临着数据一致性、可扩展性、等方面的挑战。
3、近年来,信任管理领域取得了重大进展,研究者将集中式和分布式信任管理机制进行了整合,形成了混合式信任管理模型。这些混合模型有效地解决了传统集中式和分布式信任管理方法面临的局限性和挑战,在减少处理时间和提高数据可靠性方面具有优势。节点的综合信任评估通常考虑多个因素,从多个方面计算得到信任得分的加权总和。
4、然而,在实际应用中,信
5、因此,最近有研究采用了更复杂的信任评分更新方案。信任各方(check)在进行信任评估时考虑了多个因素和特征,其权重可以根据环境因素进行调整,保证了模型的准确性和适应性。在前人研究的基础上,我们将研究扩展到关注信任管理模型的适应性。具体而言,我们的信任管理模型基于消息类型、消息异常率、车辆类型等多种因素,以迭代的方式优化可信度计算源的权重。该模型可以灵活地适应不断变化的环境和用户需求,进行实时调整和决策。
6、另一方面,目前大多数研究采用主观方法进行信任评分更新,依靠专家判断。更具体地说,专家的信任评估基于他们在该领域的知识和经验,对不同的信任因素分配不同的权重。另一方面,研究人员也可以参考现有工作的参数设置,使用它们来配置信任评估中信任因素的权重。尽管如此,主观方法可能会受到限制,包括缺乏客观数据支持、可信度问题、处理动态场景的困难、复杂性等。这些缺点可能会限制主观方法在实际应用中的有效性和灵活性。此外,过度依赖主观判断和经验会导致客观性的缺乏。
7、现有技术提供了一种基于区块链的车联网信任管理系统和方法,属于车载通信领域。本专利技术包括用于初始化通信领域范围内的所有节点信息的节点认证部分、收集道路信息的数据收集层、对数据进行加工处理的数据处理层和将数据存储起来的区块链网络层。在出现交通信息时,此范围内的移动节点对交通信息进行收集形成数据内容包上传给此rsu;然后,根据事件类型及车辆数采用不同的算法来计算所上传消息内容的可信度;最后,利用可信度值并采用深度学习算法来计算车辆的信任值,根据信任值的高低检测出恶意车辆。现有技术无法动态分配车辆信任分数的权重,且无法根据实际情况和变化的信任需求进行适应和调整,融合车辆层和rsu层信任评估。
技术实现思路
1、本专利技术为克服上述现有技术所述的难以动态地评估车辆信任度的缺陷,提供本专利技术提供了一种基于区块链的车联网组合赋权信任评估方法与系统。
2、为解决上述技术问题,本专利技术的技术方案如下:
3、一种基于区块链的车联网组合赋权信任评估方法,所述方法包括:
4、s1:收集数据并上传至对应的rsu;
5、s2:rsu根据收集的数据进行处理并将数据存储至区块链;
6、s3:rsu对于储存至区块链中的数据进行因素提取,获得环境因子、评估因子和异常因子;
7、s4:rsu对于所述环境因子、评估因子和异常因子进行主观层次分析法和客观熵权法,获得主观权重和客观权重;
8、s5:基于获得的主观权重和客观权重,进行主客观权重融合相加,获得车辆的可信度;
9、s6:基于获得的车辆的可信度,利用更新公式进行信任度更新,获得更新后车辆的可信度;
10、s7:将更新后车辆的可信度与可信度阈值进行比较,当可信度小于可信度阈值时,识别车辆为恶意车辆,当可信度大于可信度阈值时,识别车辆为正常车辆。
11、优选地,所述s1中,每2秒收集其覆盖区域内车辆的道路状态、交通状态、车辆行驶状况等数据并上传至对应的rsu。
12、优选地,所述s2中,rsu将信息存储至区块链中采用引入了区块链raft共识机制,以确保rsu中的数据和区块链中的数据一致。
13、优选地,所述s3中,获得环境因子、评估因子和异常因子的方法为:
14、根据储存至区块链中的数据进行因素提取,得到车辆间对周围车辆的评估分数的公式为:
15、pij=ω1δt+ω2δd+ω3p
16、其中,i为发起车辆,j为见证车辆,pij为车辆间对周围车辆的评估分数,ω1、ω2、ω3为设置的固定权重常量,δt为时间因子,δd为距离因子,p表示目击车辆对该消息的置信度;
17、根据上述得到的评估分数,得到评估因子的公式为:
18、
19、其中,averagepij为评估因子,mtype为消息类型,gi为证人的全局信任分,pmtype为不同消息类型的评估分数;
20、rsu计算异常率,获得异常因子的公式为:
21、
22、其中,n+和n-代表在这轮评价中,证人给出肯定意见和否定意见的数量,abnormality为异常因子;
23、计算准确率,获得环境因子的公式为:
24、
25、其中,numt和numf表示rsu决策在当前和历史情况下正确和错误消息的总数,environment为环境因子。
26、优选地,所述s4中,对所述环境因子、实时因子和异常因子进行主观层次分析法,获得主观权重的具体方法为:
27、s411:根据获得的环境因子、实时因子和异常因子构建判断矩阵,判断矩阵的aij的元素是第i个因素相对于第j个因素的比较结果;
28、s412:计算判断矩阵每行元素乘积的n次方根,得到判断矩阵的特征向量的公式为:
29、
30、其中,mi为判断矩阵的特征向量,n代表元素的列数,i和j分别代表矩阵行列;
31、s413:将mi归一化,得到判断矩阵的最大特征根的公式为:
...
【技术保护点】
1.一种基于区块链的车联网组合赋权信任评估方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于区块链的车联网组合赋权信任评估方法,其特征在于,所述S1中,每2秒收集其覆盖区域内车辆的道路状态、交通状态、车辆行驶状况等数据并上传至对应的RSU。
3.根据权利要求1所述的基于区块链的车联网组合赋权信任评估方法,其特征在于,所述S2中,RSU将信息存储至区块链中采用引入了区块链Raft共识机制,以确保RSU中的数据和区块链中的数据一致。
4.根据权利要求1所述的基于区块链的车联网组合赋权信任评估方法,其特征在于,所述S3中,获得环境因子、评估因子和异常因子的方法为:
5.根据权利要求4所述的基于区块链的车联网组合赋权信任评估方法,其特征在于,所述S4中,对所述环境因子、实时因子和异常因子进行主观层次分析法,获得主观权重的具体方法为:
6.根据权利要求4所述的基于区块链的车联网组合赋权信任评估方法,其特征在于,所述S4中,对所述环境因子、实时因子和异常因子进行客观熵权法,获得客观权重的具体方法为:
7.根据
8.根据权利要求7所述的基于区块链的车联网组合赋权信任评估方法,其特征在于,利用更新公式进行信任度更新,获得更新后车辆的可信度的具体方法为:
9.根据权利要求8所述的基于区块链的车联网组合赋权信任评估方法,其特征在于,将更新后车辆的可信度与可信度阈值进行比较的具体公式为:
10.一种基于区块链的车联网组合赋权信任评估系统,用于实现权利要求1-9任一项所述的方法,其特征在于,所述系统包括:
...【技术特征摘要】
1.一种基于区块链的车联网组合赋权信任评估方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于区块链的车联网组合赋权信任评估方法,其特征在于,所述s1中,每2秒收集其覆盖区域内车辆的道路状态、交通状态、车辆行驶状况等数据并上传至对应的rsu。
3.根据权利要求1所述的基于区块链的车联网组合赋权信任评估方法,其特征在于,所述s2中,rsu将信息存储至区块链中采用引入了区块链raft共识机制,以确保rsu中的数据和区块链中的数据一致。
4.根据权利要求1所述的基于区块链的车联网组合赋权信任评估方法,其特征在于,所述s3中,获得环境因子、评估因子和异常因子的方法为:
5.根据权利要求4所述的基于区块链的车联网组合赋权信任评估方法,其特征在于,所述s4中,对所述环境因子、实时因子和异常因子进行主观层次分...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。