[發明專利]車輛協作動態追蹤中基于殘差均值的惡意用戶檢測方法

有效

• 申請號: 202010082730.6
• 申請日: 2020-02-07
• 公開（公告）號: CN111292538B
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 程翔;皮旺
• 申請（專利權）人: 北京大學
• 主分類號: G08G1/017
• 分類號: G08G1/017
• 代理公司: 北京萬象新悅知識產權代理有限公司 11360
• 代理人: 黃鳳茹

1.一種車輛協作動態追蹤中的惡意用戶檢測方法，稱為殘差均值檢測MRED，所述檢測方法充分利用一段時間內車輛的所有歷史動態信息觀測值，通過選取參考序列將各車輛的歷史觀測值序列轉換為殘差和殘差平方序列，進而得到各車輛的觀測序列對應的殘差和殘差平方均值，并進一步檢測識別出車輛協作動態追蹤中的惡意車輛用戶；包括以下步驟：

1)以先進先出FIFO方式緩存固定時間長度內、每輛協作車輛發送給本車輛的所有歷史動態信息觀測值；FIFO緩存中的車輛歷史動態信息觀測值包括車輛的位置和速度觀測值；

設定協作車輛為N輛，每次檢測時，將相應N個FIFO緩存中的長度為K的歷史觀測值序列形成一個歷史觀測值矩陣M_z，表示為:

2)選取任意一個協作車輛的歷史觀測值序列z_i1,z_i2,…,z_iK，即矩陣M_z中的一行，作為參考序列；將M_z的每一行減去參考序列得到殘差矩陣M_r，表示為:

3)將殘差矩陣M_r中的每個元素平方，得到殘差平方矩陣

4)對M_r和的每一行取平均，得到對應的殘差均值進一步得到殘差平方均值殘差均值和殘差平方均值分別組成殘差均值向量和殘差平方均值向量

5)對殘差均值向量中的所有元素進行一致性檢測，包括如下過程：

如果殘差均值向量中的任意元素超出預先設定的殘差均值閾值L_i，則表明存在惡意車輛用戶，隨后通過聚類將中的元素分為兩簇，較小的一簇的殘差均值對應的協作車輛為惡意車輛用戶；

如果殘差均值向量中的任意元素均不超出預先設定的殘差均值閾值L_i，則識別為不存在惡意用戶；

根據的一致性檢測和聚類的結果，將正常用戶對應的值置為1，惡意用戶對應的值置為0，形成第一置信表；

6)采用閾值L′_i，對中所有元素做一致性檢測；

如果中任一元素的值超過閾值L′_i，則存在發送虛假信息的惡意用戶，再通過聚類進行分類；其中，為中的每個元素；分別為協作車輛i和參考序列對應的車輛的傳感器的觀測方差；閾值L′_i為卡方分布χ(K)的p分位數，p是預先設定的置信度；根據的一致性檢測和聚類結果，將正常車輛用戶對應的值置為1，惡意車輛用戶對應的值置為0，形成第二置信表；

7)將第一置信表和第二置信表進行按位與操作，生成全局置信表，作為檢測最終結果，其中正常車輛用戶對應的值為1，惡意車輛用戶對應的值為0；

將全局置信表中的每個元素作為卡爾曼濾波器的使能信號，采用車輛協作動態追蹤算法，從N輛協作車輛提供的目標車輛的動態信息觀測值中剔除惡意車輛用戶提供的虛假觀測值；只將正常用戶發送的動態信息觀測值輸入卡爾曼濾波器，確保車輛協作動態追蹤的可靠性；

通過上述步驟，實現通過利用歷史動態信息觀測值殘差均值進行車輛協作動態追蹤中的惡意車輛用戶檢測。

2.如權利要求1所述車輛協作動態追蹤中的惡意用戶檢測方法，其特征是，步驟5)中的預先設定的殘差均值閾值L_i為正太分布的p分位數，p是預先設定的置信度；分別為協作車輛i和參考序列對應的車輛的傳感器的觀測方差。

3.如權利要求2所述車輛協作動態追蹤中的惡意用戶檢測方法，其特征是，預先設定的置信度p設置為0.95-0.99。

4.如權利要求2所述車輛協作動態追蹤中的惡意用戶檢測方法，其特征是，車輛的傳感器包括GPS、相機、雷達；觀測方差為對目標車輛的位置的速度的觀測值的相對于真實值的平均波動大小。

5.如權利要求1所述車輛協作動態追蹤中的惡意用戶檢測方法，其特征是，步驟6)采用閾值L′_i為卡方分布χ(K)的p分位數，針對中所有元素，對進行一致性檢測；其中p是預先設定的置信度；分別為協作車輛i和參考序列對應的車輛的傳感器的觀測方差。

6.如權利要求1所述車輛協作動態追蹤中的惡意用戶檢測方法，其特征是，聚類方法具體采用K-means聚類算法。