[发明专利]车联网中基于时空离群点的虚假数据检测方法

说明书

本发明提出了一种车联网中基于时空离群点的虚假数据检测方法，其步骤为：利用车联网中部署在路边的RSU收集车辆报告的数据，按照时间和空间属性对数据进行分组，量化每个组内数据的相似程度，基于贝叶斯方法检测出现数据显著分歧的异常数据组。将道路空间中交通数据高度相关的区域定义为时空邻域，基于历史数据建立时空邻域，利用离群点检测算法检测显著偏离整体的虚假数据。本发明利用真实交通环境中交通数据的时空相关特性，初步判断虚假数据，再结合时空离群点检测算法，量化时空邻域中每个数据与整体的偏离程度，找出虚假数据，能够正确有效地评价道路交通状况，提高交通管理行为能力，从而实现交通安全、智能导航等丰富多样的上层应用。

技术领域

本发明涉及车联网安全技术领域，特别是指一种车联网中基于时空离群点的虚假数据检测方法。

背景技术

车联网通过在车辆上安装多类型传感器(GPS、雷达、加速度传感器等)，使车辆在行驶过程能够感知自身及周边车辆的运动状态(位置、速度、方向、瞬时加速度等)，以及道路环境信息(天气、道路状况等)。使用专用短距离通信技术(DSRC:Dedicated Short-RangeCommunications)和5G技术，实现车-车之间、车-路边基础设施之间或者车-后台管理中心之间的无线通信，将这些信息分享给周边车辆，或者经过预部署的路边基础设施(RSU:RoadSide Unit)进行数据聚合后提供给后台交通管理中心。基于这些信息，能够有效地评价道路交通状况，计算车辆行程时间，或者感知交通拥堵、交通事故等异常事件，从而实现交通安全、智能导航等丰富多样的上层应用。

车联网的网络架构具有分布式、自组织的特点，车辆之间具有平等的地位，任意车辆都可以发送交通数据。由于恶意攻击、用户自私性、传感器故障等原因，车辆节点可能提供不准确甚至错误的数据。比如：为了更快地抵达目的地，自私的车辆驾驶者发送伪造的高车辆密度和低行驶速度，制造交通拥堵的假象，诱使周边车辆驶出当前道路，从而实现清空道路的目的。车辆可能被错误的数据误导做出错误的反应，如急刹车、变道等，不但干扰正常的交通秩序，极端情况下甚至可能造成交通事故。后台管理中心也会对交通状况产生错误的判断，做出错误的交通管理行为，导致交通混乱。

发明内容

针对上述背景技术中存在的不足，本发明提出了一种车联网中基于时空离群点的虚假数据检测方法，解决了现有车联网中内部敌手注入虚假交通数据造成交通混乱的技术问题。

本发明的技术方案是这样实现的：

一种车联网中基于时空离群点的虚假数据检测方法，其步骤如下：

S1、数据收集与分组：车联网中部署在路边的RSU负责收集覆盖范围内车辆节点报告的数据，并按照数据的时间、空间属性对数据进行分组得到数据组；

S2、数据异常检测：利用RSU计算数据组的数据一致性因子C，并基于贝叶斯决策和假设检验方法判断数据一致性因子C的值在时间轴上是否发生显著改变，若是，将数据组标记为异常数据组，执行步骤S3，否则，返回步骤S1；

S3、建立时空邻域：利用关联熵构建异常数据组的时空领域；

S4、时空离群点检测：利用离群点检测算法检测异常数据组的时空邻域中的离群点，确定攻击者注入的虚假数据。

所述步骤S2中数据异常检测的方法为：

S21、数据组的数据一致性因子C的计算方法为：

其中，G_s(t)＝{d₁,d₂,…d_N}为一组N个不同车辆在路段s和时隙t内采集的交通数据的数据组，t＝1,2,…T，i,j＝1,2,…,N；

S22、根据假设检验原理，建立假设模型：