基于信任距离的车联网恶意节点检测方法

摘要：

针对车联网网络拓扑结构变化快且相比传统移动自组网络更易受到恶意车辆发起的内部攻击等问题,在当前贝叶斯假设的信任理论研究的基础上,结合车联网高速移动中快速检测恶意节点的要求,加大否定事件的影响力度,提出了用于评估车辆节点行为的信任模型;在综合推荐信任值时,引入了“推荐信任距离”作为推荐信任的信任度量,预先排除恶意推荐意见,并有效防止车辆的串通攻击.与现有的基于信任的检测方法相比,该方法加快了检测速度,并简化了推荐传递.仿真实验表明,该方法有较快的检测速度,从网络丢包率和恶意节点检测率可以看出此信任模型对检测恶意节点具有较好的性能.

关键词：车联网、信任模型、贝叶斯假设、推荐信任距离、网络丢包率、检测率

所属期刊栏目：42

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金61272074;江苏省自然科学基金BK2011464;镇江市工业支撑计划项目GY2013030

在线出版日期：2015-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：157-160,174