基于多模态特征与动态优化的车联网连续身份认证方法技术

本发明专利技术提出了一种基于多模态特征与动态优化的车联网连续身份认证方法，主要解决现有技术未能同时考虑认证成本和安全性，导致认证性能不佳的问题。方案包括：首先采集基于驾驶员声纹和所驾驶车辆转向角标准差及加速度熵值的多模态特征数据，并对其进行加权融合，生成用户车辆当前时刻的综合安全评分；再根据评分动态生成当前用户请求系统的安全等级，不同等级对应不同的连续认证间隔时间的上下界；最后基于连续认证协议成本，包括认证所需的时延和通信负载，结合认证系统安全性评估值模型构建优化函数，求解最优的连续认证间隔时间。本发明专利技术能够权衡连续身份认证的成本与安全性要求，获取使其平衡的最优认证间隔时间，从而显著提升认证系统性能。

【技术实现步骤摘要】

本专利技术属于计算机，进一步涉及车联网数据处理技术，具体为一种基于多模态特征与动态优化的车联网连续身份认证方法，可用于自动驾驶或智能车路协同系统中，保证安全认证的同时提升通信效率。

技术介绍

1、智能车路协同系统作为智能交通系统演进的重要方向，其发展驱动力主要源于两个维度：一方面，全球机动车保有量持续攀升带来的交通管理压力，另一方面，信息通信技术、人工智能及先进汽车制造技术的协同发展突破提供了技术可行性。在该系统中，实现道路车辆与路侧边缘计算单元的高效信息交互是提升系统智能化水平的核心要件，车辆需通过密集的v2i(vehicle-to-infrastructure)通信，将实时采集的多模态感知数据上传至边缘服务器，同时动态请求计算卸载、路径规划等关键服务。

2、针对大规模车辆并发接入场景下面临的边缘服务器安全威胁及用户隐私信息防护问题，特别是车联网中无线通信信道固有的广播特性与道路交通环境的高动态时变特征所引发的连续身份认证技术瓶颈，构建高鲁棒性的连续认证方法已成为保障智能车路协同系统安全运行的核心技术前提。该认证方法需在认证强度与资源开销之间本文档来自技高网...

【技术保护点】

1.基于多模态特征与动态优化的车联网连续身份认证方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于：步骤(1)中采集驾驶员的原始语音信号，是通过车载麦克风实现；所述利用边缘服务器对原始语音信号进行处理，包括：a、使用谱减法对原始语音信号进行预处理，包括降噪操作；b、将预处理后语音信号按照设定的时间间隔分成多个短时帧，并对每个短时帧添加窗口函数；c、对每一个短时帧进行快速傅里叶变换，将信号从时域转换到频域；d、提取信号的梅尔频率倒谱系数MFCC，即先计算每一帧的频谱，然后通过梅尔滤波器组得到梅尔频谱，最后应用离散余弦变换获得最终的MFCC特征；e、将计算...

【技术特征摘要】

1.基于多模态特征与动态优化的车联网连续身份认证方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于：步骤(1)中采集驾驶员的原始语音信号，是通过车载麦克风实现；所述利用边缘服务器对原始语音信号进行处理，包括：a、使用谱减法对原始语音信号进行预处理，包括降噪操作；b、将预处理后语音信号按照设定的时间间隔分成多个短时帧，并对每个短时帧添加窗口函数；c、对每一个短时帧进行快速傅里叶变换，将信号从时域转换到频域；d、提取信号的梅尔频率倒谱系数mfcc，即先计算每一帧的频谱，然后通过梅尔滤波器组得到梅尔频谱，最后应用离散余弦变换获得最终的mfcc特征；e、将计算得到的mfcc特征与已存储的特征模型进行比较，得到声纹特征的差异值fvoice。

3.根据权利要求1所述的方法，其特征在于：步骤(1)中所述驾驶车辆的运行状态数据，是由车辆上装配的转向角传感器、加速度传感器实时获取的转向角度值和加速度值。

4.根据权利要求3所述的方法，其特征在于：所述转向角标准差σ和加速度熵值h，根据下式计算得到：

5.根据权利要求1所述的...

【专利技术属性】
技术研发人员：门瑞，吕浩音，张丽丽，
申请(专利权)人：陇东学院，
类型：发明
国别省市：