基于車聯網的虛假數據檢測模型

羅崇偉，張立臣

（廣東工業大學 計算機學院，廣東 廣州510006）

0 引 言

汽車工業、終端產品、無線網絡的發展最終將會使原本分散的車輛聯系到一起，形成一個有組織的相互協作的統一體。而網絡通信相關技術、無線傳感器網絡［1］、GPS（global positioning system）、識別技術等物聯網先進技術為車聯網提供了強足動力，GPS定位在車輛中得到了越來越多的應用，車載圖像獲取工具及圖像處理技術使得我們能夠獲取更多的信息，甚至短距離雷達［2］，遠紅外線檢測設備［3］也被用作車載設備獲取數據的來源。在低帶寬環境下我們可以獲取車輛的速度、位置、車內空氣狀況等關鍵信息，在高帶寬環境下可以多維度的獲取圖像信息實時的傳回控制中心，利用這些信息控制中心可以得知車輛有無超速、酒駕等行為，并將這些信息廣播給周邊車輛，因此有效的利用這些信息并在危險路段增加交互設備，存儲并設置速度警戒值、在車輛即將進入該路段的某個范圍之內提示限速具體值等信息將促進車聯網的發展，但是確保信息的安全可靠并檢測出虛假信息成為車聯網安全的基礎。

在構成信息系統的終端、網絡、服務器方面，網絡的安全更加容易受到威脅，也是整個車聯網系統中至關重要的一環。而在車聯網中有很多的應用都是速度、位置相關的，同時由于車聯網的特殊性：基礎節點數量眾多，車輛的高速行駛、道路特點甚至人為的信息干擾等使得數據存在著丟包、修改、偽造、替換數據包的風險［4］，如向網絡中發送大量偽造的交通擁堵的數據包、肇事車輛偽造事故數據等等，這些篡改或偽造數據將給交通數據安全帶來嚴重危害，如果網絡中的位置信息無法得到保護，會使得基于位置基礎上的服務無法提供準確指引，無法為司機提供正常的速度指引值、無法為車輛控制中心提供正常決策，將嚴重影響道路安全。目前在市場上已經存在一些車聯網相關產品對車輛提供導航、定位等功能服務，但是現有車聯網存在著數據流來源較單一，信息量較少、數據處理較復雜、精確度及效率不高、通信代價高昂、數據未得到有效利用等缺點。由于現有這些檢測設備的精度不高或者僅僅停留在對控制中心對單個車輛提供服務，車輛與車輛之間并無信息的交互，因此無法滿足現有車聯網的要求。而由于車聯網本身以及周邊環境的特殊性，車輛周邊的其它車輛、存儲有關鍵信息的能與車輛及控制中心進行通信的道路基礎設施將是某些情況下信息獲取的一個重要來源，考慮到對車聯網節點的可信任度、節點之間的可靠性、數據傳送的實時性方面的要求，我們有必要對這些周邊車輛提供的信息進行驗證、過濾。國內外學者們對這方面進行了大量研究，文獻 ［5］提出了利用車載雷達信息去驗證收到的其它車輛的GPS信息。文獻 ［6－8］提出利用傳統互聯網絡中的加密解密算法、數字簽名技術對這些信息進行處理，但是因為加密與解密以及車聯網本身的復雜度在時間上達不到實時系統的要求。以及曾有文獻提出了基于信號強度的信息檢測方法，基本思想是通過節點間無線信號的強度來檢測信息的可靠性，如果接收到的信息與通過計算得出的位置信息不符則丟棄這些數據，然而攻擊者同樣可以利用該方法來達到目的。為了構造安全可靠的車聯網絡，在歐美各國的幾大汽車廠商發起了一些項目并取得了一定成果，其中最主要的就是解決車與車之間的安全的進行信息傳遞，并為之建立一個工業標準［9］。

因此本文是在現有通信技術的基礎上，利用本車、臨近車輛、對面車道車輛的GPS信息、車載紅外線檢測到的信息，或者在車輛較少、路段較偏僻的特殊區域通過增加能與控制中心以及車輛進行通信的道路基礎設施 （這些設施中存儲有由控制中心設置的關鍵信息參考值，當該設施檢測到有車輛經過時會廣播關鍵信息）。我們從這些不同來源信息的相關性方面以及對所接收到的廣播數據包在控制中心的歷史記錄等方面考慮，從而提出了基于車聯網的虛假數據檢測模型，該模型可以將真偽信息進行歸類、驗證，過濾掉虛假與偽造信息，保證了數據的安全。

1 系統建模與道路模型

1.1 系統建模

我們假設本文中所要求的車輛都搭載了GPS，前向與后向紅外線雷達 （我們假定前向雷達的掃描半徑為200米），紅外線信號接收設備 （用來檢測車輛兩邊的其它車輛，消除盲點），無線信號收發器 （用于短距離接收臨近車輛位置信息，我們假設攻擊者能將修改后的數據發送到該設備）。一個數據處理中心 （提供對數據的處理）。系統中各設備都有一定的信息處理功能，車輛與車輛之間能相互傳遞信息。這些設備在現實中已有應用，在本文中我們假定大部分 （大約85%［10］）車輛信息是可信的。我們為車載設備收到的信息分配最高的優先級，我們請求反向車道中車輛的廣播信息為第二優先級，我們用同向車道中臨近車輛的信息為第三優先級。

車聯網絡特點：車載設備隨車高速移動，導致網絡拓撲呈高速動態變化；車輛狀態可預測可探測，因為車輛受道路以及前方車輛的約束，其速度、位置和移動方向都是可探測和收集的；數據的分享及分發，車載節點對收集到的信息進行數據融合和數據分發。基于上述特點該系統采用端到端的公路智能交通系統的無線物聯網總體架構以及技術框架［11］，該構架具有開放、組網靈活、動態性強，可伸縮等特點，建立了支撐車輛運行環境的信息感知、采集、信息融合發布的一體化系統平臺，在系統中，每臺車輛既是系統服務的對象又是信息的采集者。

1.2 道路建模

分析和研究道路上機動車輛在個別或成列等行動中的規律，探討車流流量、流速和密度之間的關系，以求減少交通時間的延誤、事故的發生和提高道路交通設施使用效率是道路建模的目的所在。城市道路交通系統是一個同時具備連續和離散動態并包含大量隨機不確定性因素的動態系統，具有并發、動態、同步等特征，在當前交通形勢日益復雜的情況下，這種特性將更加明顯，對道路進行建模是深入了解交通、控制交通的關鍵。目前在城市道路交通網絡建模方面具有3個基本模態：靜態網絡模態、隨機網絡模態和無標度網絡模態，這3種模態分別定義了各系統行為的演進規律，在實際的道路交通系統中將受到3種模態的共同作用，經過對這幾種不同模態方法特征的比較，為實現道路的信息探測我們將利用這3種模態提供的建模與分析工具與描述工具，應用交通流中的這些指標，將本文中的道路劃分為網格［12，13］。設網絡中的城市道路位于M＊N的范圍內，每隔距離S進行網格劃分，道路為雙向車道。

2 數據采集與數據驗證

2.1 數據驗證的原理

以往對數據驗證的方法采用加密解密、測試信號強度等方法，但是這些方法的時間開銷較大，精確度并不高。而余弦相似度聚類不但體現了向量內部元素的變化狀況，而且體現了向量之間的相似關系。同時余弦相似度聚類方法在不同領域中都有著廣泛的應用，如論文相似度檢測、文檔聚類、食品成分檢測都取得了很好的效果，因此我們針對此問題提出的基于對象的特征向量來精確地表征一個車輛屬性，利用余弦相似度公式得到較為準確的相似度，然后根據不同信息來源的可信度為不同信息來源分配權重，計算出這些屬性值，并通過與閥值進行對比分離出虛假信息。

基于模式識別的原理，我們利用余弦相似度來計算兩個向量之間的相似度，兩個向量夾角的余弦值記為兩個向量之間的相似度。例如如果兩個向量之間的夾角為5°，那得到的余弦值為0.996，因此我們可以認為這兩個向量是基本相同的。公式如下

2.2 數據采集

我們將數據分類，將GPS數據、雷達數據、紅外數據記為A類數據 （參照數據），將無線信號接收器接收的被觀察車輛位置信息做為B類數據 （待檢測數據），當我們本車的A類數據由于各種原因無法使用時，我們發送請求給對面車道過來的車輛來獲得所需的數據。如果無法請求對面車道中的數據將廣播給臨近車道中的多個車輛來獲取信息，最后當存在有道路基礎設施能提供信息時我們將它也作為信息獲取的重要來源。如果所有的這些請求都無法獲得所觀察車輛的信息，因此可認定該信息為虛假信息。

因此我們有4種可以利用的信息，分別為本車的A、B類數據，請求的對面車道的A、B類數據，我們將優先使用如上所述的優先級最高的數據。

2.3 數據處理

通過我們的觀察車輛，我們可以獲得多組A類數據。利用上述所提的模型我們可以把A類速度信息表示為

式中：vr——通過雷達等設備檢測到被觀察車輛的速度，vl——本車的速度，vre——車載設備計算的相對速度，我們定義接近本車的方向為正，遠離我們為負方向。類似的我們能得到如下位置公式

式中：xr與yr——車載設備收集到的被觀察車輛其x與y的坐標，xl與yl——本車的x與y坐標，xre與yre——相對于xy軸的值。

我們能得到兩種類型的B類數據，通過請求對面車道中車輛得到的信息，我們將其速度信息記為vt，位置信息記為 （xt與yt），另一種類型的數據為通過向鄰近車輛發送廣播得到的數據，速度信息記為vn，位置信息記為 （xn與yn）每個車載設備能確保A類數據的安全，對于接收到的B類信息如果與A類信息基本符合我們就認為這些信息是可信的，如果不符就拋棄這些數據。類似于貪婪算法，如果我們保證了局部數據的安全，因此也就能保證全部數據的安全。

我們把x與y坐標代入式 （1）得到

另一個解決方案是代入我們的三維向量：（v，x，y）

在式 （5）中，速度會影響相似度，但是找出式 （4）與式 （5）哪個精度更高是我們下一階段需要做的工作。

如上所述，我們可以利用四種類型的數據，因為這四種數據的來源不同，因此數據肯定會存在有差別，如圖1所示，Ca，Cb，Cc與實際位置相近，Cd則相距較遠。因此我們不能直接使用它們，我們將給他們分配一個權重wi，如果雷達可用，我們將給它分配高的權重，因為雷達所收集到的信息比相鄰車輛廣播的信息可靠，當雷達不可用時我們給對面車道獲取的數據分配較高的權重，然后適當提高相鄰車輛廣播信息的權重。

因此我們可以得到

其中Sim（A，B）r為車載雷達檢測數據計算的相似度，wr為雷達的權重，Sim （A，B）t為對面車道數據計算的相似度，wt為對應的權重，Sim （A，B）n為相鄰車輛廣播數據計算的相似度，wn為權重。其中1＞wr＞wt＞wn＞0。

圖1 經不同信息來源計算的車輛位置

圖1中黑色車輛A，B，C，D表示實際車輛某一時刻所在的位置，白色車輛Ca，Cb，Cc，Cd表示計算所得車輛位置，其中為Ca是通過車載雷達測得的位置，Cb是通過請求對面車道的車載雷達獲取的位置信息，Cc是相鄰車輛廣播的位置信息，Cd是相鄰車輛廣播的需要過濾掉的位置信息 （Cd車輛與其它測得的位置出入較大）

因此一旦我們計算出了閥值，我們就能夠通過式 （9）區別那些為真實信息，同時過濾掉虛假信息

一旦我們驗證了這些數據，我們能夠通過如下所示公式計算平均值

既然我們已經有了上述的四種數據，因此我們可以利用如下技巧來驗證接收到的信息：我們首先利用該模型找出它們之間的相似度，如果滿足式 （9）。然后我們利用［4］中圖4所示發現該值是否在一個合理的范圍之內。當且僅當GPS檢測信息的容忍范圍與雷達檢測的信息容忍范圍存在有交集的情況下我們認為該廣播值是可以信賴的。

3 實驗結果以及分析

在試驗中，我們選擇了一個3公里長的雙向4車道的場景模擬了該系統，其中實驗參數見表1。

表1 參數表

在實驗中我們循環利用這些車輛資源，車輛在跑完3公里后然后又從對面車道過去，這樣循環往復，每輛車上都安裝了本文所要求的設備，并加入該檢測系統。

試驗中我們想要知道使用了該模型以后的準確率，每個車輛探測其相鄰車輛的位置信息，并將位置信息與時間進行存儲，然后將數據傳送給數據中心計算精度計算。正如我們所預期的使用該系統模型提高了系統的精確度。

我們為了調查檢測時間與車輛多少的關系，我們在整個過程中插入了16個修改過的信息包，并測試10次，計算得到平均時間，如圖2所示。

圖2 未用與使用該系統的時間差別

通過對數據進行分析，我們得出隨著車輛的增加，對檢測出所需要的時間也隨之減少。如圖3所示為對于檢測出其中16個攻擊者所需要的時間隨著車輛多少的關系。

4 結束語

圖3 檢測出16個攻擊者所需要的時間

基于余弦相似度檢測模型利用物聯網先進識別技術、無線傳感器網絡以及其它車載設備，利用GPS數據、對面車道數據以及鄰近車輛信息等多方面信息進行信息補充、信息驗證，避免了單一數據來源的低可靠性并最終通過實驗得出了該模型的精確度以及檢測時間。該模型適合于安裝有這些設備的車輛與道路交通中，并且通過該系統收集的數據能為危險路段或者車流量少的地方行駛的車輛提供速度、位置等參數指引。

在本文中還有待研究的問題：在計算余弦相似值的時候，二維向量與三維向量對該相似值的影響，速度如何影響該值。如何確定相似度的閥值，如何很好的利用歷史數據來增強系統的可靠性。

：

［1］JIN Chun，XU Honggang，WEI Xing.Preliminary implementation of road－car network based on IEEE 802.11P／1609 ［J］.Application Research of Cmputers，2011，28 （11）：4219－4223（in Chinese）. ［金純，徐洪剛，魏星.基于IEEE 802.11P／1609標準的路車互聯網的初步實現 ［J］.計算機應用研究，2011，28 （11）：4219－4223.］

［2］GMT Abdalla，SM Senouci.Current trends in vehicular Ad－Hoc networks ［C］／／IEEE Global Information Infrastructure Symposium.Morocco，2007.

［3］Honda Kazuhiro.Far infrared vehicle detector ［J］.Kysan Circular，2007，58 （1）：6－11.

［4］Yan G，Olariu S，Weigle M C.Providing location security in vehicular ad－hoc networks ［J］.Special Issue on On－the－Road Communications，2009，16 （6）：48－55.

［5］YAN G，Choudhary G，Weigle M C，et al.Providing VANET security through active position detection ［C］／／Montreal，Canada：The ACM International Workshop on Vehicular Ad Hoc Networks，2007.

［6］Park J S，Lee U，Oh S Y，et al.Emergency related video streaming in VANET using network coding ［C］／／Los Angeles，CA：The ACM Workshop on Vehicular Ad Hoc Networks，2006.

［7］Raya M，Papadimitratos P，Hubaux J P.Securing vehicular communications ［J］.IEEE Wireless Communications Magazine，2006，13 （5）：8－15.

［8］Armknecht F，Festag A，Westhoff D，et al.Crosslayer privacy enhancement and non－repudiation in vehicular communication ［C］／／the Workshop on Mobile Ad－Hoc Networks Germany，2007.

［9］Fussler H，Schnaufer S，Transier M，et al.Vehicular Ad－Hoc networks：From vision to reality and back［C］／／Obergurgl，Austria：IEEE Wireless on Demand Network Systems and Serviecs，2007.

［10］Raya M，Papadimitratos P，Aad I，et al.Eviction of misbehaving and faulty nodes in vehicular networks ［J］.IEEE Journal on Selected Areas in Communications，2007，25 （8），1557－1568.

［11］LIANG Yanju，LI Qing，CHEN Dapeng，et al.Wide－view image system based on Internat of cars ［J］.Application Research of Cmputers，2012，29 （6）：2145－2148 （in Chinese）.［梁艷菊，李慶，陳大鵬，余天柱.一種基于車聯網架構的寬視野圖像信息系統 ［J］.計算機應用研究，2012，29 （6）：2145－2148.］

［12］DING Zhiming，HAN Jingyu，LI Man.Network－constrained moving objects database based traffic flow statistical analysis model［J］.Journal of Computer Research and Development，2008，45 （4）：646－655 （in Chinese）.［丁治明，韓京宇，李曼.基于網絡受限移動對象數據庫的交通流統計分析模型［J］.計算機研究與發展，2008，45 （4）：646－655.］

［13］LIU Tang，PENG Jian，YANG Jin.Intelligent transportation flow detection technology based on internet of things ［J］.Computer Science，2011，38 （9）：67－71 （in Chinese）. ［劉唐，彭艦，楊進.基于物聯網的智能交通流探測技術研究［J］.計算機科學，2011，38 （9）：67－71.］