车联网中安全大数据收集的研究

0 引言

在过去的几十年中，全球车辆（包括客车和商用车）数量的快速增长推动了当今的交通运输行业的发展。同时，车辆的不断增多导致运输系统变得非常无效并且维持和升级超时相对昂贵。根据最近的一项调查显示，2018年路上行驶的车辆数量已经超过了9亿辆，而到2035年底这个数字可能要翻一番。汽车数量的大量增加，不仅在密集的城市中造成了严重的交通堵塞，同时在许多方面阻碍着经济增长，而且还造成了一些道路死亡。根据世界卫生组织2018年统计，全球约有125万人死于交通事故，另有数百万人在交通事故中受伤，其中有近一半的是行人、摩托车手等非机动车使用人员。根据国家交通管理局的数据显示，大约有90%的交通事故发生在低收入和中等收入经济体中，调查其原因是低收入和中等收入汽车设备相对薄弱，各种安全设备相对较少。从网络管理的角度来看，汽车数量的不断增多导致许多对安全至关重要和非安全（即信息娱乐）应用的服务质量严重恶化，以及车辆用户的体验质量下降。因此，在增强安全性，非安全性（即信息娱乐）和效率方面，现有的运输系统还是存在着很大的改进空间。如果这些问题能够得到妥善解决，这将最终为高效的智能交通系统打下基础。

1 车辆通信方式的发展分析

在过去的二十年中，人们对车辆通信的范式进行了研究

和深入分析。车辆通信的范式已经从传统的车辆到基础设施的通信发展到最近的车与人、车与车之间的通信，而这些又为未来的车与一切事物通信的概念奠定了基础。蜂窝网络由于其较广的通信范围和极快的数据传输速率在当前网络应用中占主导地位。然而由于蜂窝网络的高成本、低可靠性，以及不能保证严格的延迟等缺点，使得蜂窝网络在车联网要求低延迟和高度动态方面不是一个理想的通信范式。相反，专用短程通信作为一种基于安全的车辆对车辆应用的双向中短无线通信，由于其高效的车辆间实时信息交换，近年来一直受到工程师和科学家的关注。虽然许多困难仍然阻碍着基于专用短程通信的车载网络的有效部署，但是最近很多国家正积极追求专用短程通信为各种公共安全和交通管理应用作研究。这些研究包括前方碰撞警告、盲区交叉路口碰撞缓解、紧急车辆警告、车道变道辅助和交通情况预告等。下一代异构车载网络的拓扑图如图1所示。

除了蜂窝网络和专用短程通信外，也还有很多其它用于车辆通信的无线电访问技术正在探索。由于车辆以及路边设备等基础设施上部署的传感器会越来越多，因此有必要部署能够传输大量传感信息的高传输数率的无线通信系统。由于专用短程通信通常允许车辆传输数据在1公里的范围，而实际传输速率也就2-6Mbps ；而蜂窝网络在高速运动的车载网络中，传输速率也限制在100Mbps 以内，这此都无法满足车联网对网络的要求[1]。

于是有些研究机构也在探索毫米波通solve this problem, this paper presents the security requirements of Vehicle Networking and the basic system model of security big data collection for Vehicle Internet. Finally, the challenges facing the Institute and the direction of future research are discussed.Key words : Vehicle Networking; Big Data; Heterogeneous Network

然而，这些技术都没有可以同时完全实现车辆安全和非安全应用的广度，特别是安全和娱乐应用相冲突的时候，这个问题就更加的明显。而对于上述问题理想的解决办法是确保多个无线电访问技术的协同作用，从而提供一个适当的异构车联网平台，以满足严格的通信要求。构建异构是当前网络研究的重要主题，但却不是本文讨论的范围。车联网中包含了许多异构数据源（如：异构无线电接入技术的数据、各种传感设备上的数据），所产生的数据量不仅很大，而且对网络的安全性和稳定性构成重大挑战。而本文并不讨论如何构建异构车联网络，而是重点就是关于车联网中安全大数据收集进行探讨。

2 新的通信方式的探索和5G 的到来

在不久的将来，人类交通预计将发生一些重大变化，特别是物联网、云计算、边缘计算/雾计算、SDN、数据网络等新兴技术的发展。这些技术无疑加强和促进了智能车联网的发展[2]。

此外，随着高速移动互联网接入技术的快速发展，新的车载应用和车载服务正在研究。根据欧盟委员会发布的数据显示，到2020年初将有大约500亿到1000亿台智能设备连接到网络中，而这些设备每年产生的数据量大约是500ZB。此外，如今的智能汽车安装的传感器有100个左右，预计到2020年智能汽车上的传感器有200多个，这使得智能汽车已经成为一个多传感器平台。由于车辆网络的高动态性，通过传感器获得的数据不仅具有高容量，而且具有较快的速度。同时，车辆用户在行车过程中会对许多社交网络平台生成的信息进行访问，并实时生成大量的交通数据。由于智能交通系统依赖车辆的时间和地理位置，所以这些数据也就具有了时间特性。车辆的轨迹通常依赖于一个巨大的地理区域内的

的整体资源规划。它还将有助于国家运输机构以有效的方式批判性地分析并随后缓解密集的交通问题，从而使数百万人的生活变得舒适和方便。这些都激励着汽车制造商为智能交通系统构建大数据平台[5]。

然而，如果任何恶意车辆能够在车联网络中注入数据，那么所有这些数据的分析和后续的决策都将变得毫无意义，这将对汽车的安全性和非安全性应用产生严重影响。在安全应用方面，任何恶意信息的输入都可能导致错误的预测和车辆之间信息错误分析，这对高速行驶的全自动或半自动的汽车来说是致命的；在非安全应用方面，这不仅会导致请求服务出现相当大的延迟，还会将用户的隐私数据暴露给不法分子。因此，任何安全的车辆信息收集方案都应遵循以下要求，以保证大数据的安全收集。

数据认证：验证车辆或车辆云的身份（所谓车辆云是指具有相似目标且彼此邻近的车辆形成车辆云以用于资源共享目的）

数据完整性：确保传输的数据没有被修改或破坏的情况下正确传送，因为这最终将成为大数据流的一部分

应用程序/服务访问控制：保证每个相应的车辆都可以访问它只有权使用的应用程序/服务

数据机密性：保证参与网络环境的车辆之间的安全通信数据不可否认性：确保任何特定车辆不能否认其他车辆的真实性

数据抗干扰：防止恶意车辆的入侵企图阻塞部分或整个网络

通过图2所示的分层边缘计算架构可以满足以上大数据安全收集的需求。在分层边缘计算架构中每辆车（或车辆集群）和车上的用户与位于边缘的私有代理相关联。私有代