基于车联网的虚假数据检测模型

计算机工程与设计 ２０１３年６月 第３４卷 第６期ｃ０Ｍ［ＰＵＴＥＲ ＥＮＧＩＮＥＥＲＩＮＧ ＡＮＤ
Ｊｕｎ．２０１３
ＤＥＳＩＧＮ ＶｏＬ ３４ Ｎｏ．６
基于车联网的虚假数据检测模型
罗崇伟，张立臣
（广东工业大学计算机学院，广东广州５１０００６）
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
Ｎ盯ｗｏｒｋ）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。 关键词：车联网；车辆位置；速度；余弦相似度；数据检测；数据验证 中图法分类号：ＴＰ３９ 文献标识号：Ａ 文章编号：１０００—７０２４（２０１３）０６—２２７２一０５
ｉｓ ｅｎｈａｎｃｅｄ，
ｗｈｉｃｈ １ａｙ ｔｈｅ ｆｏｕｎｄａｔｉｏｎｓ ｆｏｒ ｐｏｓｉｔｉｏｎ ｒｅｌａｔｅ ａｐｐＩｉｃａｔｉｏｎｓ ｗｈｉｃｈ
ｐｏｓｉｔｉｏｎ ａｎｄ ｖｅｌｏｃｉｔｙ．
Ｋｅｙ ｗｏｒｄｓ：ＶＡＮＥＴ；ｖｅｈｉｃｌｅ ｐｏｓｉｔｉｏｎ；ｖｅｌｏｃｉｔｙ；ｃｏｓｉｎｅ ｓｉｍｉｌａｒｉｔｙ；ｄａｔａ ｄｅｔｅｃｔｉｏｎ；ｄａｔａ ｖｅｒｉｆｉｃａｔｉｏｎ
ＳｉⅡｈ＝ｓｉｍ（Ａ，Ｂ）。＊ｗ：
ｓｉｍ。＝Ｓｉｍ（Ａ，Ｂ）。＊ｗ。 （６）
我们将数据分类，将ＧＰＳ数据、雷达数据、红外数据 记为Ａ类数据（参照数据），将无线信号接收器接收的被观 察车辆位置信息做为Ｂ类数据（待检测数据），当我们本车 的Ａ类数据由于各种原因无法使用时，我们发送请求给对 面车道过来的车辆来获得所需的数据。如果无法请求对面 车道中的数据将广播给临近车道中的多个车辆来获取信息，
Ａｂｓ虮Ｉｃｔ：
Ｉｎ ｏｒｄｅｒ
ｔｏ
ｐｒｏｔｅｃｔ
ｔｈｅ ｍｏｓｔ ｖａｌｕａｂｌｅ
ｉｎｆｏ咖ａｔｉｏｎ
ｏｆ ＶＡＮＥＴ（ｖｅｈｉｃｕｌａｒ Ａｄ－ｈｏｃ ＮＥＴｗｏｒｋ）：ｖｅｈｉｃｌｅ ｐｏｓｉｔｉｏｎ ａｎｄ
ｖｅ一
１０ｃｉｔｙ，ｅｎｈａｎｃｅ ｔｈｅ ａｃｃｕｒａｃｙ ａｎｄ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｔｈｅ、—ＡＮＥＴ，ｔｈｅ ｓｅｃｕｒｉｔｙ ａｎｄ ａｕｔｈｅｎｔｉｃｉｔｙ ｏｆ ＶＡＮＥＴ’ｓ ｂａｓｉｃ ａｎｄ
系统建模与道路模型
１．１系统建模 我们假设本文中所要求的车辆都搭载了ＧＰＳ，前向与 后向红外线雷达（我们假定前向雷达的扫描半径为２００ 米），红外线信号接收设备（用来检测车辆两边的其它车 辆，消除盲点），无线信号收发器（用于短距离接收临近车 辆位置信息，我们假设攻击者能将修改后的数据发送到该 设备）。一个数据处理中心（提供对数据的处理）。系统中 各设备都有一定的信息处理功能，车辆与车辆之间能相互 传递信息。这些设备在现实中已有应用，在本文中我们假 定大部分（大约８５％［１０］）车辆信息是可信的。我们为车载 设备收到的信息分配最高的优先级，我们请求反向车道中 车辆的广播信息为第二优先级，我们用同向车道中ＩＩ缶近车
Ｏ引
言
示限速具体值等信息将促进车联网的发展，但是确保信息 的安全可靠并检测出虚假信息成为车联网安全的基础。 在构成信息系统的终端、网络、服务器方面，网络的 安全更加容易受到威胁，也是整个车联网系统中至关重要 的一环。而在车联网中有很多的应用都是速度、位置相关 的，同时由于车联网的特殊性：基础节点数量众多，车辆 的高速行驶、道路特点甚至人为的信息干扰等使得数据存 在着丢包、修改、伪造、替换数据包的风险［４］，如向网络 中发送大量伪造的交通拥堵的数据包、肇事车辆伪造事故 数据等等，这些篡改或伪造数据将给交通数据安全带来严 重危害，如果网络中的位置信息无法得到保护，会使得基 于位置基础上的服务无法提供准确指引，无法为司机提供 正常的速度指引值、无法为车辆控制中心提供正常决策， 将严重影响道路安全。目前在市场上已经存在一些车联网 相关产品对车辆提供导航、定位等功能服务，但是现有车 联网存在着数据流来源较单一，信息量较少、数据处理较
复杂、精确度及效率不高、通信代价高昂、数据未得到有 效利用等缺点。由于现有这些检测设备的精度不高或者仅 仅停留在对控制中心对单个车辆提供服务，车辆与车辆之 间并无信息的交互，因此无法满足现有车联网的要求。而 由于车联网本身以及周边环境的特殊性，车辆周边的其它 车辆、存储有关键信息的能与车辆及控制中心进行通信的 道路基础设施将是某些情况下信息获取的一个重要来源， 考虑到对车联网节点的可信任度、节点之间的可靠性、数 据传送的实时性方面的要求，我们有必要对这些周边车辆 提供的信息进行验证、过滤。国内外学者们对这方面进行 了大量研究，文献［５］提出了利用车载雷达信息去验证收 到的其它车辆的ＧＰＳ信息。文献［６—８］提出利用传统互联 网络中的加密解密算法、数字签名技术对这些信息进行处 理，但是因为加密与解密以及车联网本身的复杂度在时间 上达不到实时系统的要求。以及曾有文献提出了基于信号 强度的信息检测方法，基本思想是通过节点间无线信号的 强度来检测信息的可靠性，如果接收到的信息与通过计算 得出的位置信息不符则丢弃这些数据，然而攻击者同样可 以利用该方法来达到目的。为了构造安全可靠的车联网络， 在欧美各国的几大汽车厂商发起了一些项目并取得了一定 成果，其中最主要的就是解决车与车之间的安全的进行信 息传递，并为之建立一个工业标准［９］。 因此本文是在现有通信技术的基础上，利用本车、临 近车辆、对面车道车辆的ＧＰＳ信息、车载红外线检测到的 信息，或者在车辆较少、路段较偏僻的特殊区域通过增加 能与控制中心以及车辆进行通信的道路基础设施（这些设 施中存储有由控制中心设置的关键信息参考值，当该设施 检测到有车辆经过时会广播关键信息）。我们从这些不同来 源信息的相关性方面以及对所接收到的广播数据包在控制 中心的历史记录等方面考虑，从而提出了基于车联网的虚 假数据检测模型，该模型可以将真伪信息进行归类、验证， 过滤掉虚假与伪造信息，保证了数据的安全。
收稿日期：２０１２—１０—０８；修订日期：２０１２—１２—１０
作者简介：罗崇伟（１９８６一），男，湖南娄底人，硕士研究生，研究方向为车联网、实时系统；张立臣（１９６２一），男，吉林长春人，博士， 教授，硕士生导师，研究方向为分布式处理和实时系统等。Ｅ－ｍａｉｌ：ｃｈｏｎｇｗｅｌ一ｌｕｏ＠１２６．ｃｏｍ
Ｄｅｔｅｃｔｉｏｎ ｍｏｄｅｌ ｏｆ ｆａｌｓｅ ｄａｔａ ｂａｓｅｄ
ｏｎ
ｖｅｈｉｃｕｌａｒ Ａｄ－Ｈｏｃ ｎｅｔｗｏｒｋ
ＬＵＯ Ｃｈｏｎｇ＿ｗｅｉ，ＺＨＡＮＧ Ｌ卜ｃｈｅｎ
（Ｆａｃｕｌｔｙ ｏｆ Ｃｏｍｐｕｔｅｒ Ｇｕａｎｇｄｏｎｇ ＵｎｉｖｅｒＳｉｔｙ，Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ ５１０００６，ｃｈｉｎａ）
ａ
ｉｎｆｏ姗ａｔｉｏｎ
ｉｓ ｓｔｕｄｉｅｄ
ｄｅｔｅｃｔｂｎ ｍｏｄｅｌ ｏｆ ｆａｌｓｅ ｄａｔａ ｂａｓｅｄ
ａ
ｏｎ
ｖｅｈｉｃｕｌａｒ Ａｄ？ｈＯｃ ＮＥＴｗｏｒｋ ｋ ｐｒｏｐｏｓｅｄ
Ｉｎ
ｔｔｌｉｓ ｍｏｄｅｈｈｅ
ｖｅ№ｋ试Ｕ
ａｃｃｕｒａｃｙ
ｃｏｌｌｅｃｔ ｉｎｆｏｒ＿
ｔｏ
ｍａｔｉｏｎ ｆｒｏｍ ｄｉｆｆｅｒｅｎｔ ｄｅｖｉｃｅｓ ｉｎｃｌｕｄｅｓ ｔｈｅｓｅ ｄｉｆｆｅｒｅｎｔ
万方数据
计算机工程与设计
得到的余弦值为ｏ．９９６，因此我们可以认为这两个向量是基 本相同的。公式如下
２０１３年
与式（５）哪个精度更高是我们下一阶段需要做的工作。 如上所述，我们可以利用四种类型的数据，因为这四
Ｓｉｎ（Ａ＇Ｂ）＿ｃｏｓ＠＿膏Ｈ研
２．２数据采集
（１）
种数据的来源不同，因此数据肯定会存在有差别，如图１ 所示，Ｃａ，Ｃｂ，Ｃｃ与实际位置相近，Ｑ则相距较远。因此 我们不能直接使用它们，我们将给他们分配一个权重ｗｉ， 如果雷达可用，我们将给它分配高的权重，因为雷达所收 集到的信息比相邻车辆广播的信息可靠，当雷达不可用时 我们给对面车道获取的数据分配较高的权重，然后适当提 高相邻车辆广播信息的权重。 因此我们可以得到
ｓｏｕｒｃｅｓ
ｐｅｒｉｐｈｅｒａｌ ｖｅｈｉｃｌｅ，ｗｉｒｅｌｅｓｓ ｎｅｔｗｏｒｋ Ｂｙ ｃｏｓｉｎｅ ｓｉｍｉｌａｒｉｔｙ ｃｌｕｓｔｅｒｉｎｇ ｍｅｔｈｏｄ
Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｓｈｏｗ ｔｈａｔ ｔｈｅ
ｕｓｅ ｅｒｒｏｒ
ｆｉｌｔｅｒ
ｏｆ ｔｒａｆｆｉｃ
ｉｎｆｏ彻ａｔｉｏ．
ｒａｔｅ
ｉｓ ｒｅｄｕｃｅｄ ａｎｄ ｔｈｅ
汽车工业、终端产品、无线网络的发展最终将会使原 本分散的车辆联系到一起，形成一个有组织的相互协作的 统一体。而网络通信相关技术、无线传感器网络［１］、ＧＰｓ
（ｇｌｏｂａｌ ｐｏｓｉｔｉｏｎｉｎｇ
ｓｙｓｔｅｍ）、识别技术等物联网先进技术为
车联网提供了强足动力，ＧＰＳ定位在车辆中得到了越来越 多的应用，车载图像获取工具及图像处理技术使得我们能 够获取更多的信息，甚至短距离雷达［２］，远红外线检测设 备［３］也被用作车载设备获取数据的来源。在低带宽环境下 我们可以获取车辆的速度、位置、车内空气状况等关键信 息，在高带宽环境下可以多维度的获取图像信息实时的传 回控制中心，利用这些信息控制中心可以得知车辆有无超 速、酒驾等行为，并将这些信息广播给周边车辆，因此有 效的利用这些信息并在危险路段增加交互设备，存储并设 置速度警戒值、在车辆即将进入该路段的某个范围之内提
ｌ
２数据采集与数据验证
２．１数据验证的原理 以往对数据验证的方法采用加密解密、测试信号强度 等方法，但是这些方法的时间开销较大，精确度并不高。 而余弦相似度聚类不但体现了向量内部元素的变化状况， 而且体现了向量之间的相似关系。同时余弦相似度聚类方 法在不同领域中都有着广泛的应用，如论文相似度检测、 文档聚类、食品成分检测都取得了很好的效果，因此我们 针对此问题提出的基于对象的特征向量来精确地表征一个 车辆属性，利用余弦相似度公式得到较为准确的相似度， 然后根据不同信息来源的可信度为不同信息来源分配权重， 计算出这些属性值，并通过与阀值进行对比分离出虚 假信息。 基于模式识别的原理，我们利用余弦相似度来计算两 个向量之间的相似度，两个向量夹角的余弦值记为两个向 量之间的相似度。例如如果两个向量之间的夹角为５。，那