CN110992690B - 车联网中基于时空离群点的虚假数据检测方法 - Google Patents

Abstract

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。

Description

车联网中基于时空离群点的虚假数据检测方法

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：

其中，Θ^T＝{C₁,…C_T}为当前数据组在时隙1,2,…T上的一致性因子向量，H₀表示C_t的值未发生显著变化，H₁为表示C_t的值在时隙t₀发生显著变化；

S23、根据贝叶斯原理，使用后验概率确定数据一致性因子C的值在时间t上发生显著变化的概率：

其中，q∈{1，2}，P(H_q|Θ^T)为似然函数，P(H_q)为先验概率；

S24、根据似然公式判断数据一致性因子C在t＝t₀时发生了显著改变：

S25、将数据组G_s(t₀)视为异常数据组，并构建时空邻域，确定其中攻击者注入的虚假数据。

所述时空邻域包括直接时间邻域、直接空间邻域和间接时空邻域；所述直接时间邻域：包括同一位置、相邻时隙采集的数据组G_s(t-1)、G_s(t+1)；所述直接空间邻域：包括同一时隙，相邻路段的数据G_s-1(t)、G_s+1(t)；所述间接时空邻域：包括时间、空间都间接相邻的数据组。

所述步骤S3中利用关联熵构建异常数据组的时空领域的方法为：

S31、令X为随机变量，表示车辆收集的交通数据，将X值离散化为Q个小的子区间；

S32、数据组G_s(t)＝(d₁,d₂,…d_N)为N个车辆报告的数据d₁,d₂,…d_N，其中，d_i∈[0,Q-1]；在N′个速度值中，落在第j子区间的速度值的个数是s_j，其中，0≤j≤Q-1，随机变量X的熵为：

S33、令X_G1为数据组G₁(t)的随机变量，X_G2为数据组G₂(t)的随机变量，则数据组G₁(t)和G₂(t)的关联熵为：

其中，

表示

且

的概率，则随机变量

和

的互信息为：

S34、利用数据组G₁(t)和G₂(t)之间的冗余信息R(G₁,G₂)量化数据组G₁(t)和G₂(t)之间的关联：

S35、存在s-l^-或s+l⁺满足

或者

但

或者

将l^-或者l⁺定义数据组G_s(t)的时空邻域边界；G_s(t)的空间邻域为

其中，l^-和l⁺均是正整数；

S36、一个数据组的时间邻域包含在同样路段但不同时隙收集的数据组，若存在t-l^-或t+l⁺满足R(G_s(t),G_s(t-l^-))≥ε或者R(G_s(t),G_s(t+l⁺))≥ε，但R(G_s(t),G_s(t-l^--1))<ε或者R(G_s(t),G_s(t+l⁺+1))<ε，称l^-或者l⁺为时空邻域边界。

所述步骤S4中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的方法为：

S41、一个异常数据组的时空邻域由m个数据项组成，记为M＝{o₁,o₂,..p_m}，计算M中数据的均值：

S42、计算M中数据的标准差为

其中，

S43、检查每一个数据项o是否在区间[A-k₀·σ,A+k₀·σ]内，其中，k₀>1是预定义的常数参数；落在此区间之外的数据项被视为离群点，被视为敌手注入的虚假数据，数据提供者被视为攻击者。

本技术方案能产生的有益效果：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。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的流程图；

图2为本发明实施例实用的地图；

图3为本发明与对比算法在不同车辆密度下的检测率；

图4为本发明与对比算法在不同攻击者比例下的检测率；

图5为本发明与对比算法在不同攻击者比例下的误检率。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明使用离散化的时间和道路空间。时间划分为若干等长的时隙，记为t＝1,2,…。道路划分为若干个路段，记为s＝1,2,…。车辆在行驶过程中利用车载传感器采集车辆密度、速度、流量等交通数据，并通过DSRC(Dedicated Short-Range Communications)无线通信技术分享这些数据，以实现交通安全、交通管理等多类型上层应用。消息的一般格式为o＝{t,(lon,lat),d,vid}，其中，t是数据采集的时间，lon和lat表示数据采集的位置(经纬度)，d是车辆采集的交通数据，vid是车辆身份标识符。假设沿道路预先部署RSU(Roadside unit)，负责收集车辆报告的数据，执行本发明提出的检测方法，评价车辆报告的数据的真实性，检测攻击者注入的虚假数据。

如图1所示，本发明实施例提供了一种车联网中基于时空离群点的虚假数据检测方法，具体步骤如下：

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；以路段s为例，RSU将收到的数据分组为：G_s(1),G_s(2),…G_s(T)，表示路段同一路段s中在一系列时隙1,2,…T采集的数据。

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；

所述数据异常检测的方法为：

S21、数据一致性的定义为数据一致性因子量化组内数据相似的程度，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：

其中，Θ^T＝{C₁,…C_T}为当前数据组在时隙1,2,…T上的一致性因子组成的向量，H₀为原假设，表示C_t的值未发生显著变化，H₁为备选假设，表示C_t的值在时隙t₀发生显著变化；

S23、根据贝叶斯原理，使用后验概率确定数据一致性因子C的值在时间t上发生显著变化的概率：

其中，q∈{1，2}，P(H_q|Θ^T)为似然函数，P(H_q)为先验概率；

S24、根据似然公式判断数据一致性因子C在t＝t₀时发生了显著改变：

S25、将数据组G_s(t₀)视为异常数据组，并执行进一步检测过程，确定其中攻击者注入的虚假数据。

S3、建立时空邻域：利用关联熵构建异常数据组的时空领域；使用步骤S2能够发现数据异常的数据组，但无法确定哪些组内数据是攻击者注入的。本发明利用历史交通数据构建异常数据组的时空领域，将每个数据项与时空邻域内的数据进行比较，使用时空离群点算法发现显著偏离的数据项。道路场景中，相邻两个位置之间交通数据一般存在较强的时空关联性，但关联的程度受地理位置、交通规则等多种因素影响。如高速公路场景中，前后相邻的两个路段呈现较强的关联性，而城市场景中被十字路口分割的前后两个路段虽然地理位置邻近，但受红绿灯影响车辆运动相关性较弱。使用时空邻域表示道路空间中交通数据高度相关的地理区域。具体地，数据组G_s(t)包含时隙s和路段t的数据，其时空邻域包括直接时间邻域、直接空间邻域和间接时空邻域；所述直接时间邻域：包括同一位置、相邻时隙采集的数据组G_s(t-1)、G_s(t+1)；所述直接空间邻域：包括同一时隙，相邻路段的数据G_s-1(t)、G_s+1(t)；所述间接时空邻域：包括时间、空间都间接相邻的数据组。

所述利用关联熵构建异常数据组的时空领域的方法为：

S31、令X为随机变量，表示车辆收集的交通数据，将X值离散化为Q个小的子区间；

S32、数据组G_s(t)＝(d₁,d₂,…d_N)为N个车辆报告的数据d₁,d₂,…d_N，d_i∈[0,Q-1]；在N′个速度值中，落在第j子区间的速度值的个数是s_j，其中，0≤j≤Q-1，随机变量X的熵为：

S33、令X_G1为数据组G₁(t)的随机变量，X_G2为数据组G₂(t)的随机变量，则数据组G₁(t)和G₂(t)的关联熵为：

其中，

表示

且

的概率，则随机变量

和

的互信息为：

S34、利用数据组G₁(t)和G₂(t)之间的冗余信息R(G₁,G₂)量化数据组G₁(t)和G₂(t)之间的关联：

S35、存在s-l^-或s+l⁺满足

或者

但

或者

其中，l^-和l⁺均是正整数，将l^-或者l⁺定义数据组G_s(t)的时空邻域边界；G_s(t)的空间邻域为

S36、一个数据组的时间邻域包含在同样路段但不同时隙收集的数据组，若存在t-l^-或t+l⁺满足R(G_s(t),G_s(t-l^-))≥ε或者R(G_s(t),G_s(t+l⁺))≥ε，但R(G_s(t),G_s(t-l^--1))<ε或者R(G_s(t),G_s(t+l⁺+1))<ε，称l^-或者l⁺为时空邻域边界。

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的方法为：

S41、一个异常数据组的时空邻域由m个数据项组成，记为M＝{o₁,o₂,..o_m}，计算M中数据的均值：

S42、计算M中数据的标准差为

其中，

S43、检查每一个数据项o是否在区间[A-k₀·σ,A+k₀·σ]内，其中，k₀>1是预定义的常数参数；落在此区间之外的数据项被视为离群点，被视为敌手注入的虚假数据，数据提供者被视为攻击者。

基于仿真方法验证本发明的有效性，并与现有方法进行对比分析，评价本发明的技术优势。

(1)仿真方法

仿真实验中使用交通仿真软件SUMO产生具有高度真实性的交通场景，使用OpenStreetMap项目提供的电子地图，仿真区域大小为2000米×2000米，如图2所示。所有道路为双向、每向3车道，车辆进入仿真区域的位置和方向为随机选择。仿真区域内车辆的平均密度为75辆/公里，车辆行驶过程中向RSU报告实时行驶速度。仿真运行100次，所有仿真数据为100次运行的平均值。

为了验证检测方法的准确性，设置了合谋攻击场景，假设存在多个合谋的攻击者，发送伪造的低车辆速度，制造交通拥堵的假象。攻击位置和时间为随机选择，伪造的车辆速度在[0,10]km/h之间随机选择，每个车辆在一个时隙中发送一次车辆速度，攻击者在所有车辆中的比例记为γ。

使用如下度量对检测方法的性能进行评价。检测率(detection rate：DR)定义为所有虚假数据中被正确检测的比例，误检率(false positive rate:FPR)定义为数据被错误检测的概率，包括真实数据被检测为虚假数据和虚假数据被检测为真实数据。

(2)结果及分析

考察了车辆密度和攻击者比例对算法性能的影响。仿真结果在图3至图5中给出。图3给出了不同的车辆密度下本发明方法和LEAVE(Local eviction of attackers andvoting evaluators)协议的性能对比评价。本发明方法在所有车辆密度下的检测率均高于LEAVE，在车辆密度为80辆/公里时，本方法的检测率为98.3％，而LEAVE协议的检测率为91.5％。此外，本发明方法在车辆密度较低时检测率低于车辆高密度场景，在车辆密度为20辆/公里时，检测率为92.0％。当车辆密度为200辆/公里时检测率为99.9％。这主要是因为车辆密度较低时车辆之间的距离较大，车辆之间的空间限制不明显，车辆能够按照理想速度行驶，由于不同类型的车辆具有不同的理想速度，因此车辆行驶速度相差较大，导致车辆采集的数据呈现较大的方差，给正确识别增加了难度。

图4和图5评价了本发明方法和LEAVE协议的抗合谋攻击能力。图3给出了不同攻击者比例下的检测率。从图中可知本发明方法在低攻击者比例下的检测率与LEAVE相似。然而，当攻击者比例升高时，LEAVE协议的检测率快速下降，当攻击者比例分别达到30％和40％时，检测率为65.5％和40％。本发明方法显示出较强的抗合谋攻击能力。在攻击者比例达到25％时，仍然能够达到96.5％的检测率。同时，误检率也显著低于LEAVE，在25％的攻击者比例下误检率为5.9％。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种车联网中基于时空离群点的虚假数据检测方法，其特征在于，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；

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：

其中，Θ^T＝{C₁,…C_T}为当前数据组在时隙1,2,…T上的一致性因子向量，H₀表示C_t的值未发生显著变化，H₁为表示C_t的值在时隙t₀发生显著变化；

S23、根据贝叶斯原理，使用后验概率确定数据一致性因子C的值在时间t上发生显著变化的概率：

其中，q∈{1，2}，P(H_q|Θ^T)为似然函数，P(H_q)为先验概率；

S24、根据似然公式判断数据一致性因子C在t＝t₀时发生了显著改变：

S25、将数据组G_s(t₀)视为异常数据组，并构建时空邻域，确定其中攻击者注入的虚假数据；

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。

2.根据权利要求1所述的车联网中基于时空离群点的虚假数据检测方法，其特征在于，所述时空邻域包括直接时间邻域、直接空间邻域和间接时空邻域；所述直接时间邻域：包括同一位置、相邻时隙采集的数据组G_s(t-1)、G_s(t+1)；所述直接空间邻域：包括同一时隙，相邻路段的数据G_s-1(t)、G_s+1(t)；所述间接时空邻域：包括时间、空间都间接相邻的数据组。

3.根据权利要求1所述的车联网中基于时空离群点的虚假数据检测方法，其特征在于，所述步骤S3中利用关联熵构建异常数据组的时空领域的方法为：

S31、令X为随机变量，表示车辆收集的交通数据，将X值离散化为Q个小的子区间；

S32、数据组G_s(t)＝(d₁,d₂,…d_N)为N个车辆报告的数据d₁,d₂,…d_N，其中，d_i∈[0,Q-1]；在N′个速度值中，落在第j子区间的速度值的个数是s_j，其中，0≤j≤Q-1，随机变量X的熵为：

S33、令X_G1为数据组G₁(t)的随机变量，X_G2为数据组G₂(t)的随机变量，则数据组G₁(t)和G₂(t)的关联熵为：

其中，

表示

且

的概率，则随机变量

和

的互信息为：

S34、利用数据组G₁(t)和G₂(t)之间的冗余信息R(G₁，G₂)量化数据组G₁(t)和G₂(t)之间的关联：

S35、存在s-l^-或s+l⁺满足

或者

但

或者

将l^-或者l⁺定义数据组G_s(t)的时空邻域边界；G_s(t)的空间邻域为

其中，l^-和l⁺均是正整数；

S36、一个数据组的时间邻域包含在同样路段但不同时隙收集的数据组，若存在t-l^-或t+l⁺满足R(G_s(t),G_s(t-l^-))≥ε或者R(G_s(t),G_s(t+l⁺))≥ε，但R(G_s(t),G_s(t-l^--1))<ε或者R(G_s(t),G_s(t+l⁺+1))<ε，称l^-或者l⁺为时空邻域边界。

4.根据权利要求1所述的车联网中基于时空离群点的虚假数据检测方法，其特征在于，所述步骤S4中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的方法为：

S41、一个异常数据组的时空邻域由m个数据项组成，记为M＝{o₁,o₂,..o_m}，计算M中数据的均值：

S42、计算M中数据的标准差为

其中，

S43、检查每一个数据项o是否在区间[A-k₀·σ,A+k₀·σ]内，其中，k₀>1是预定义的常数参数；落在此区间之外的数据项被视为离群点，被视为敌手注入的虚假数据，数据提供者被视为攻击者。

Images