[发明专利]车辆协作动态追踪中基于状态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，采用基于动态模型的状态均值检测DMMSD方法，利用车辆协作动态追踪中一段时间内的所有历史动态信息观测值，将历史观测值序列转换为状态均值，减小传感器误差的影响，由此检测出更小偏移的虚假动态信息，从而实现恶意用户检测；包含以下步骤：

1)以先进先出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；

设定有N辆协作车辆，本车辆上对应存在N个FIFO缓存；每次检测时，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：

其中，z_ij的下标i表示协作车辆的编号，下标j表示离散时刻的编号；设定序列的最后一个元素即第K个元素的下标K对应的时刻为当前时刻K，下标K-1对应的时刻为前一个时刻；下标1对应的时刻为前K-1个时刻；

2)通过车辆运动的动态模型，预测每个时刻的历史观测值对应的当前时刻的可能的观测值，记作：

利用动态模型将受车辆运动影响的历史观测序列即历史观测值矩阵M_z转换为去除了车辆运动影响的预测值序列；再利用车辆运动的动态模型，对第i辆协作车辆的前K-1个时刻的实际观测值z_i1，z_i2，…z_i(K-1)进行递推，得到对当前时刻实际观测值的K-1个预测值由此消除当前时刻的实际观测值和K-1个预测值对应的动态信息真实值间的差别；

3)将每辆协作车辆的所有当前时刻的可能的观测值进行平均，得到该协作车辆的历史序列对应的当前时刻的状态均值再得出全部N辆协作车辆对应的状态均值一起构成的向量记为状态均值向量表示为：

上述步骤1)～3)通过将每辆协作车辆的历史观测序列转换为预测序列，再转换为状态均值；即对每辆协作车辆对当前时刻目标车辆的动态信息进行多次观测取均值，由此减少得到的状态均值向量中的每个状态均值中观测噪声的成分；

4)计算所有协作车辆的状态均值向量构成的簇的最小均方差，进行一致性检测；

如果最小均方差没有超过设定的最小均方差阈值，表示不存在恶意用户；

如果最小均方差超过设定的最小均方差阈值P，表示协作车辆中存在恶意用户；则执行步骤5)进行聚类，以找出恶意车辆用户；

5)通过聚类方法识别正常车辆用户还是恶意车辆用户；

通过聚类方法将所有状态均值分为两簇，包含状态均值更多的那一簇所对应的协作车辆为正常用户；包含状态均值更少的那一簇对应的协作车辆为恶意用户；

通过上述步骤，实现在车辆协作动态追踪中的恶意用户检测。

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2)车辆运动的动态模型为一阶隐马尔可夫模型，表示为：

s[j]＝As[j-1]+Bu[j]

其中，s[j]是离散时刻j时车辆的动态信息向量，A为前后两个时刻动态信息间的转移矩阵，u[j]是车辆在j时刻的加速度向量，B是加速度向量和动态信息向量之间的转移矩阵；

利用车辆运动的动态模型，对任意的第i辆协作车辆的前K-1个时刻的实际观测值z_i1，z_i2，…z_i(K-1)进行递推，得到对当前时刻实际观测值的K-1个预测值

3.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3)设定当前时刻实际观测值z_iK对应的预测值为自身，即取平均得到第i辆协作车辆的历史观测序列对应的状态均值表示为：

同理得出全部N辆协作车辆对应的状态均值

4.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，将一致性检测和聚类结果制成置信表；所述置信表为长度为N的布尔向量，其中正常用户的编号所对应的位置标记为1，而恶意用户的编号所对应的位置标记为0。

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，所述聚类具体采用K-means聚类方法。