[发明专利]车辆协作动态追踪中基于残差均值的恶意用户检测方法

权利要求书

1.一种车辆协作动态追踪中的恶意用户检测方法，称为残差均值检测MRED，所述检测方法充分利用一段时间内车辆的所有历史动态信息观测值，通过选取参考序列将各车辆的历史观测值序列转换为残差和残差平方序列，进而得到各车辆的观测序列对应的残差和残差平方均值，并进一步检测识别出车辆协作动态追踪中的恶意车辆用户；包括以下步骤：

1)以先进先出FIFO方式缓存固定时间长度内、每辆协作车辆发送给本车辆的所有历史动态信息观测值；FIFO缓存中的车辆历史动态信息观测值包括车辆的位置和速度观测值；

设定协作车辆为N辆，每次检测时，将相应N个FIFO缓存中的长度为K的历史观测值序列形成一个历史观测值矩阵M_z，表示为:

2)选取任意一个协作车辆的历史观测值序列z_i1,z_i2,…,z_iK，即矩阵M_z中的一行，作为参考序列；将M_z的每一行减去参考序列得到残差矩阵M_r，表示为:

3)将残差矩阵M_r中的每个元素平方，得到残差平方矩阵

4)对M_r和的每一行取平均，得到对应的残差均值进一步得到残差平方均值残差均值和残差平方均值分别组成残差均值向量和残差平方均值向量

5)对残差均值向量中的所有元素进行一致性检测，包括如下过程：

如果残差均值向量中的任意元素超出预先设定的残差均值阈值L_i，则表明存在恶意车辆用户，随后通过聚类将中的元素分为两簇，较小的一簇的残差均值对应的协作车辆为恶意车辆用户；

如果残差均值向量中的任意元素均不超出预先设定的残差均值阈值L_i，则识别为不存在恶意用户；

根据的一致性检测和聚类的结果，将正常用户对应的值置为1，恶意用户对应的值置为0，形成第一置信表；

6)采用阈值L′_i，对中所有元素做一致性检测；

如果中任一元素的值超过阈值L′_i，则存在发送虚假信息的恶意用户，再通过聚类进行分类；其中，为中的每个元素；分别为协作车辆i和参考序列对应的车辆的传感器的观测方差；阈值L′_i为卡方分布χ(K)的p分位数，p是预先设定的置信度；根据的一致性检测和聚类结果，将正常车辆用户对应的值置为1，恶意车辆用户对应的值置为0，形成第二置信表；

7)将第一置信表和第二置信表进行按位与操作，生成全局置信表，作为检测最终结果，其中正常车辆用户对应的值为1，恶意车辆用户对应的值为0；

将全局置信表中的每个元素作为卡尔曼滤波器的使能信号，采用车辆协作动态追踪算法，从N辆协作车辆提供的目标车辆的动态信息观测值中剔除恶意车辆用户提供的虚假观测值；只将正常用户发送的动态信息观测值输入卡尔曼滤波器，确保车辆协作动态追踪的可靠性；

通过上述步骤，实现通过利用历史动态信息观测值残差均值进行车辆协作动态追踪中的恶意车辆用户检测。

2.如权利要求1所述车辆协作动态追踪中的恶意用户检测方法，其特征是，步骤5)中的预先设定的残差均值阈值L_i为正太分布的p分位数，p是预先设定的置信度；分别为协作车辆i和参考序列对应的车辆的传感器的观测方差。

3.如权利要求2所述车辆协作动态追踪中的恶意用户检测方法，其特征是，预先设定的置信度p设置为0.95-0.99。

4.如权利要求2所述车辆协作动态追踪中的恶意用户检测方法，其特征是，车辆的传感器包括GPS、相机、雷达；观测方差为对目标车辆的位置的速度的观测值的相对于真实值的平均波动大小。

5.如权利要求1所述车辆协作动态追踪中的恶意用户检测方法，其特征是，步骤6)采用阈值L′_i为卡方分布χ(K)的p分位数，针对中所有元素，对进行一致性检测；其中p是预先设定的置信度；分别为协作车辆i和参考序列对应的车辆的传感器的观测方差。

6.如权利要求1所述车辆协作动态追踪中的恶意用户检测方法，其特征是，聚类方法具体采用K-means聚类算法。