[发明专利]车联网环境中安全可靠车辆雾的构建方法有效
| 申请号: | 201811357697.2 | 申请日: | 2018-11-15 |
| 公开(公告)号: | CN109257724B | 公开(公告)日: | 2020-01-10 |
| 发明(设计)人: | 孙罡;宋良均;虞红芳 | 申请(专利权)人: | 电子科技大学 |
| 主分类号: | H04W4/40 | 分类号: | H04W4/40;H04W4/08;H04W12/04;H04W12/06;H04L9/30;H04L9/08;H04L9/06;H04W4/02 |
| 代理公司: | 51229 成都正华专利代理事务所(普通合伙) | 代理人: | 何凡 |
| 地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 车辆信息 安全认证 车联网 构建 车辆类型 密钥分享 随机森林 二分类 椭圆 上传 剔除 加密 路段 申请 | ||
1.车联网环境中安全可靠车辆雾的构建方法,其特征在于,包括:
A1、获取任一路段中所有车辆的当前车辆信息;
A2、根据所有车辆的当前车辆信息中车辆类型和雾首因子,选取车辆雾的雾首;
A3、当存在入雾车辆申请加入车辆雾时,基于椭圆加密和密钥分享方案,对入雾车辆和雾首进行安全认证;
A4、当入雾车辆和雾首均通过安全认证,则允许入雾车辆加入车辆雾;
A5、接收车辆雾中所有雾内车辆上传的当前车辆信息;
A6、根据雾内车辆的当前车辆信息,采用BP神经网络模型和随机森林二分类模型剔除车辆雾中已发生变异的车辆;
步骤A3进一步包括:
A31、选择一个随机数作为入雾车辆的身份ID;
A32、选取有限域上一条安全的椭圆曲线,并在椭圆曲线上选取一阶为n的基点,n为以10进制,超过100位的素数;
A33、构建计算车辆的私钥函数:
Q=f(x)*G,f(x)=d+a1*x+a2*x2,a1+a2=1
其中,x为车辆的身份ID;d为车辆的私钥因子;a1、a2为归一化参数;G为基点;f(x)为中间参数;Q为车辆的私钥;
A34、在车辆雾中随机选取一辆雾内车辆,并在(1,n)中选择一个随机数k给选取的雾内车辆,采用选取的雾内车辆的车辆信息计算入雾车辆的身份密钥;
A35、根据雾内车辆的身份ID、私钥因子和私钥及入雾车辆的身份ID和身份秘钥,采用私钥函数计算入雾车辆的私钥因子计算值;
A36、判断私钥因子计算值是否等于入雾车辆的真实私钥因子;
A37、若等于,则进入步骤A38,否则,拒绝入雾车辆加入车辆雾;
A38、采用入雾车辆的身份密钥和私钥及选取的雾内车辆的随机数k判断雾首是否发生变异;
A39、若雾首未发生变异,则允许入雾车辆加入车辆雾;
所述入雾车辆的真实私钥因子为信任机构在[1,n]中选取的一个随机数;
步骤A34进一步包括:
A341、信任机构在车辆雾中随机选取一辆雾内车辆,并在(1,n)中选择一个随机数k分配给选取的雾内车辆;
A342、信任机构根据记录的入雾车辆的私钥,计算入雾车辆的加密因子:
R=k*Q,O=k*G
其中,R、O为加密因子;
A343、采用SHA-2哈希函数对加密因子进行加密得到入雾车辆的身份密钥:
s=H(O)·E(R)
其中,H(.)为哈希函数;E(.)为椭圆曲线;s为身份密钥;
步骤A35进一步包括:
A351、雾首根据雾内车辆的身份ID、私钥因子和私钥,采用私钥函数计算归一化参数a1、a2;
A352、根据归一化参数及入雾车辆的身份ID和身份秘钥,对入雾车辆的私钥因子作哈希封装得到入雾车辆的私钥因子计算值:
f(ID入)=d入+a1*ID入+a2*ID入2
f(s)=d入+a1*s+a2*s2,f(s)=H[f(ID入)]
其中,d入为私钥因子计算值;ID入为入雾车辆的身份ID;
步骤A38进一步包括:
A381、根据入雾车辆身份ID及私钥因子计算值,采用私钥函数计算入雾车辆的私钥;
A382、根据入雾车辆的私钥和身份密钥,计算选取的雾内车辆的随机数k:
其中,H-1(.)为哈希函数的逆运算;
A383、判断计算得到的随机数k是否等于选取的随机数k;
A384、若等于,则雾首未发生变异,否则,雾首发生变异;
步骤A2进一步包括:
A21、根据所有车辆的当前车辆信息中车辆类型,判断所有车辆中是否存在公交车;
A22、若存在公交车,且公交车的数量大于1时,采用公交车中雾首因子最小的公交车作为车辆雾的雾首;
A23、若存在公交车,且公交车的数量等于1时,采用该辆公交车作为车辆雾的雾首;
A24、若不存在公交车,则选取所有车辆中雾首因子最小的车辆作为车辆雾的雾首;
所述雾首因子的计算公式为:
其中,ni为车辆信息中的雾内车辆i的邻居车辆个数;Bi为车辆信息中的公交参数,当车辆i为公交车时,Bi=0,否则,Bi=1;si为车辆信息中的车辆i在当前道路预计行驶距离;ei和fi均为辆车i的雾首因子加权值;
所述入雾车辆申请加入车辆雾时,其入雾因子需满足预设门限值;所述入雾因子的计算公式为:
其中,vi为车辆i的速度,为雾内车辆的平均速度;S为车辆i的广播范围,si为车辆i在当前道路预计行驶距离;di为车辆i与雾首的距离;a、b、c为加权系数;
步骤A6进一步包括:
A61、将每辆雾内车辆的当前车辆信息中表征路况和/或环境的参数与其他雾内车辆进行比较;
A62、当存在差异时,获取BP神经网络模型根据该雾内车辆入雾时行驶信息输出的表征车辆行为特点的特征集;
A63、将获取的该雾内车辆的特征集输入到随机森林二分类模型中,判断雾内车辆是否发生变异;
A64、若当前雾内车辆发生变异,则强制退出变异的雾内车辆;
A65、当所有雾内车辆是否发生变异均已判断完成,则完成所有雾内车辆的安全检测,并返回步骤A5。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811357697.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于车联网的车机通信装置
- 下一篇:用于自适应扫描和/或广播的系统和方法





