基于车联网的虚假数据检测模型

发布时间：2019-10-28 22:24

【摘要】：为了保护最具价值的车联网速度与位置信息,有效提高交通数据的安全性,对车联网VANET(Vehicular Ad-hoc NETwork)中基础信息的安全性、真实性进行了研究,提出了一种利用余弦相似度聚类方法的车联网数据真伪检测模型。该模型中车辆将收集到包括周边车辆、无线网络等多方面数据,通过余弦相似度聚类的方法对这些不同来源的交通流数据进行检测、过滤。实验表明,该方法能有效降低信息的错误率,提高安全性,为基于车辆位置、速度基础上的其它应用奠定了很好的基础。
【图文】：

ｔ＝ＳｉｍＡ，（）Ｂｔ＊ｗｔ（６）Ｓｉｍｎ＝ＳｉｍＡ，（）Ｂｎ＊ｗｎ（７）ＳｉｍＡ，（）Ｂ＝Ｓｉｍｒ＋Ｓｉｍｔ＋Ｓｉｍｎ（８）其中Ｓｉｍ（Ａ，Ｂ）ｒ为车载雷达检测数据计算的相似度，ｗｒ为雷达的权重，Ｓｉｍ（Ａ，Ｂ）ｔ为对面车道数据计算的相似度，ｗｔ为对应的权重，Ｓｉｍ（Ａ，Ｂ）ｎ为相邻车辆广播数据计算的相似度，，ｗｎ为权重。其中１＞ｗｒ＞ｗｔ＞ｗｎ＞０。图１经不同信息来源计算的车辆位置图１中黑色车辆Ａ，Ｂ，Ｃ，Ｄ表示实际车辆某一时刻所在的位置，白色车辆Ｃａ，Ｃｂ，Ｃｃ，Ｃｄ表示计算所得车辆位置，其中为Ｃａ是通过车载雷达测得的位置，Ｃｂ是通过请求对面车道的车载雷达获取的位置信息，Ｃｃ是相邻车辆广播的位置信息，Ｃｄ是相邻车辆广播的需要过滤掉的位置信息（Ｃｄ车辆与其它测得的位置出入较大）因此一旦我们计算出了阀值，我们就能够通过式（９）区别那些为真实信息，同时过滤掉虚假信息Ｓｉｍ（Ａ，Ｂ）

本文编号：2553239