[发明专利]一种基于隐私保护的车辆编队评价方法

说明书

本发明提出了一种基于隐私保护的车辆编队评价方法，属于车联网车辆编队技术领域。包括系统初始化、车辆注册、生成评分报告、数据验证、数据聚合、评分计算、信任值更新；通过使用双线性映射来保证车辆报告和参与证明的真实性和不可篡改性；通过使用同态加密算法和时间戳来保证车辆信任值的真实性与不可篡改性；通过设计可过滤的真值发现算法来真实地计算头车的评分以及各用户车辆的信任值。本发明实现了车辆编队的安全评价，能够保护车辆的身份、消息和信任值隐私，提升了整个系统的安全性。

技术领域

本发明涉及一种基于隐私保护的车辆编队评价方法，属于车联网及隐私保护技术领域。

背景技术

近年来，汽车保有量的持续增长造成了一系列的社会问题，比如道路安全、交通拥塞、空气污染等。为了解决这些问题，车辆编队吸引了起来越来越多人的注意。车辆编队是一种首尾相连的行车模式，包含了一辆头车和若干用户车辆。头车可以控制、引导用户车辆向目的地行驶。和传统的行车模式相比，车辆编队一方面可以通过减小车辆之间的距离来增加道路的车容量，另一方面也可以通过减小空气阻力来减少汽油消耗和空气污染。

尽管车辆编队可以带来很多的好处，它也带来了很多的问题。考虑到用户车辆跟随头车行驶，头车将会决定车队的行驶路线和行驶方式。一些头车可能会有意地通过提供低质量的服务来降低车辆的驾驶体验，甚至把车辆带入危险处境。因此，在加入一个车队前，十分有必要找到可靠并且值得信任的头车。通常来讲，头车的表现可以通过用户车辆的评价得到。然而，由于用户存在不同的驾驶习惯、不完整的观察、恶意评价等，用户对头车的评价可能也存在较大差别。为了解决这个问题，可以引入信任值来判定车辆评价的可信任程度，通过计算用户车辆的加权评分和可以更加真实地判断头车的表现。然而，另一个不得不考虑的问题就是用户车辆的安全和隐私。车辆的信任值会泄露车辆的隐私信息，比如职业、偏好、受教育程度等，另一方面通过链接车辆的信任值，可能会泄露车辆的位置和轨迹隐私。图1给出了信任值链接攻击的场景。在t₁，两辆车(绿色和蓝色)加入了一个车队，在t₂和t₃分别加入不同的车队。尽管这两辆车改变了他们的假名，但是仍然可以通过他们信任值进行链接。因此，十分有必要设计一个车联编队中的基于隐私保护的车辆评价方法。

发明内容

本发明的目的在于针对车辆编队中用户车辆的评价的真实性以及车辆的隐私保护，提出一种基于隐私保护的车辆编队评价方法，所述评价方法通过使用双线性映射来保证车辆报告的私密性和不可篡改性；通过使用同态加密算法和时间戳来保证车辆信任值的真实性与不可篡改性；通过设计可过滤的真值发现算法来真实地计算头车的评分以及各用户车辆的信任值。

所述基于隐私保护的车辆编队评价方法包括系统初始化、车辆注册、生成评分报告、数据验证、数据聚合、评分计算、信任值更新，具体为：

步骤1：系统初始化，具体包括如下子步骤：

步骤1.1信任中心选择系统安全参数κ₁和κ₂；

步骤1.2根据步骤1.1生成的安全参数κ₂选取两个大素数p₁,q₁和随机数g；根据安全参数κ₁，生成一个双线性映射的五元组

其中，双线性映射五元组的生成规则如下：给定安全参数κ₁,系统生成一个κ₁位大小的随机数q，并生成q阶的乘法循环群和这两个循环群满足

双线性映射满足如下性质：

(1)e(aP,bQ)＝e(P,Q)^ab,其中

(2)e(P,P)≠1；

步骤1.3通过系统Paillier加密算法计算公钥和私钥；