-
公开(公告)号：CN110769379B
公开(公告)日：2021-07-30
申请号：CN201911049865.6
申请日：2019-10-31
Applicant: 长安大学
Abstract: 本发明提供一种V2G环境下前向安全和隐私保留的消息报告方法，满足前向安全性，在撤销具有恶意行为的EV时，对撤销因子η进行更新，从而在阻止恶意EV通过LAG验证的同时，不会泄露其撤销前报告的消息隐私。本发明中EV和LAG能够建立共享密钥，然后EV使用共享密钥对消息进行加密报告，LAG使用共享密钥对消息进行解密和验证，从而实现了消息的安全传输，防止非授权实体获得报告的消息内容。本发明中EV没有使用任何证书，不存在复杂的证书更新过程，有效减轻了系统中证书的管理复杂度。
-
公开(公告)号：CN112559593A
公开(公告)日：2021-03-26
申请号：CN202011468510.3
申请日：2020-12-14
Applicant: 长安大学
IPC: G06F16/2458 , G06F21/62 , G07C5/08
Abstract: 本发明公开了一种基于标签聚类的本地化差分隐私保护方法，将车辆轨迹数据挖掘与本地化差分隐私保护结合起来；在将原始轨迹数据发送给服务器之前，对其进行本地化差分隐私保护处理。在轨迹划分过程中，使用改进的打开窗口算法对原始的轨迹进行划分，使轨迹的划分收到经纬度和速度等属性的约束；在标签聚类之前，将轨迹划分后的子轨迹端点作为节点，构造一个带权无向完全图，使聚类的迭代结果更为稳定；在随机扰动过程中，对车辆轨迹数据挖掘中的隐私保护进行了实例化的场景分析，用户通过{0，1}的二项式分布来响应“是否为兴趣点”这一问题，即以满足差分隐私保护的概率回答这一问题，继而使攻击者无法区分出轨迹点是否为兴趣点；同时，还考虑了兴趣点的语义标签可能泄露，统计回答为“1”的用户，求出回答为“0”用户语义标签的线性回归方程，并通过该方程扰动回答为“1”用户的速度标签，继而实现对于轨迹挖掘中兴趣点的隐匿处理，本方法能够有效保护车辆轨迹聚类过程中所涉及到的隐私信息。
-
公开(公告)号：CN111314885A
公开(公告)日：2020-06-19
申请号：CN202010130290.7
申请日：2020-02-28
Applicant: 长安大学
Abstract: 本发明公开了一种基于命名数据网络的城市车联网通信方法，将RSU作为局部拓扑的管理者引入到静态主干网络中来，建立多级数据交换节点，多级数据交换节点中的最低级数据节点连接有路侧单元，一个路侧单元覆盖的通信范围定义为一个动态拓扑域，利用发起数据请求的车辆节点优先查询自己所在区域路侧单元的FIB表来确定是否存在已知数据请求接口；判断兴趣包与其所在区域的路侧节点是否满足信息交换要求，利用路侧单元实现兴趣包的域内或域间通信，直至有数据包返回或兴趣包生命周期结束；通过划分缩小动态网络拓扑范围达到可控的目的，采用域内分层、域间分级的通信机制，提高车联网中的通信资源利用率，提高路由效率，改善通信稳定性。
-
公开(公告)号：CN109462836B
公开(公告)日：2019-12-06
申请号：CN201811334055.0
申请日：2018-11-09
Applicant: 长安大学
IPC: H04L29/06
Abstract: 本发明公开了一种融合区块链共识机制的车联网恶意节点检测系统及方法，通过任意车辆接收节点Vj将车辆发送节点Vi发送的消息和车辆发送节点Vi的身份信息打包成请求认证数据包向RSU发送，RSU接收该数据包之后与Vj进行身份相互验证，若身份相互验证通过，RSU将接收的Vj发来的数据包转发给TA，根据区块链所记录数据库的可追溯性，利用RSA算法进行数字签名和信息认证，并结合车辆节点的当前状态，采用共识机制检测车辆节点是否为恶意节点，该方法利用区块链中所记录数据的不易篡改特性，能高效准确地检测出车联网中的恶意车辆，同时还可以解决车联网去中心化管理和隐私保护的问题，从而解决车联网中检测恶意节点准确率低下的问题，有效降低网络开销。
-
公开(公告)号：CN110163439A
公开(公告)日：2019-08-23
申请号：CN201910438439.5
申请日：2019-05-24
Applicant: 长安大学
Abstract: 一种基于注意力机制的城市规模出租车轨迹预测方法，包括以下步骤：步骤一、采集GPS数据，对GPS数据采集过程中出现的噪声进行数据清理；步骤二、对清洗后的GPS数据进行地图匹配，获取模型所需的实验数据；步骤三、模型训练；在编码器的编码端采用LSTM网络，在解码端将编码向量C作为解码端的LSTM网络，并对编码器隐藏层向量施加注意力机制，每次把上一时刻的预测值作为当前时刻的输入值并送入解码器当中。本发明采用嵌入向量表示城市区域中的路段信息，使用编码器对出租车的轨迹进行编码，通过含有注意力机制的解码器对轨迹进行预测，充分挖掘轨迹序列中的相关性，能有效提升轨迹预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN109067655B
公开(公告)日：2019-08-06
申请号：CN201811217064.1
申请日：2018-10-18
Applicant: 长安大学
IPC: H04L12/721 , H04L12/741 , H04L29/08
Abstract: 本发明公开了一种基于命名数据网络的车联网混合路由转发方法，通过在车联网环境中，利用多种类的消息类型，包括安全消息、娱乐消息、公共服务消息以及辅助驾驶消息，考虑地理位置信息、消息分类以及消息发送的实时性需求对消息传输的影响，将消息划分为位置相关和位置无关两类，每类消息包含紧急消息和普通消息，并采取不同的转发策略来进行自适应的转发，最终实现消息在车联网环境中的快速、可靠转发，方便快捷，减小传输延迟，降低丢包率，从而为车联网快速、可靠的消息转发提供技术保障，提高了消息的转发效率。
-
公开(公告)号：CN110081890A
公开(公告)日：2019-08-02
申请号：CN201910438446.5
申请日：2019-05-24
Applicant: 长安大学
IPC: G01C21/30
Abstract: 一种结合深度网络的动态K最近邻地图匹配方法，包括：步骤一、采集GPS数据，对GPS数据采集过程中出现的噪声进行数据清洗；步骤二、地图匹配获取实验数据中的距离误差和方向误差；步骤三、对多层感知机的输入数据进行归一化，将归一化的经纬度作为多层感知机模型的输入，训练多层感知机模型获取动态k值；步骤四、每个测试数据根据训练得到的k值与欧几里得距离进行结合，使用k最近邻域算法获得测试数据的预测距离误差和预测方向误差，继而得到相应测试点的投影点；步骤五、根据测试数据的经度、纬度以及预测距离误差和预测方向误差得出测试数据的投影点。本发明能够改善k最近邻算法存在的全局单一k值情况，获取到最佳误差值。
-
公开(公告)号：CN108053665B
公开(公告)日：2019-05-03
申请号：CN201810036829.5
申请日：2018-01-15
Applicant: 长安大学
Abstract: 本发明提供车联网环境中双信任机制的交通信息识别转发方法，1.发送节点i向接收节点j发送道路路况信息M，接收节点j接收信息M；2.判断发送节点i是否为特殊车辆，3.收节点j计算发送节点i的信任值；4.接收节点j判断发送节点i是否可信；5.计算道路路况信息M与车辆信息MR属性向量的夹角余弦值和一致性来评估它们的相似度；6.判断发送节点i所发道路路况信息M内容是否可信；本发明通过计算移动节点的信任值判断其是否可信，基于余弦相似度进行信息内容相似性比较，从而对节点发送的信息内容进行文本相似性计算比较，判断节点发送的道路路况信息内容是否可信。利用双信任机制评估了车联网中交通信息的可信度，有效地提高了整个车联网的转发率。
-
公开(公告)号：CN108882257A
公开(公告)日：2018-11-23
申请号：CN201810311644.0
申请日：2018-04-09
Applicant: 长安大学
Abstract: 本发明提供了一种车载自组织网络中基于相遇概率的自适应机会转发方法，包括：在车载网络中任选一车辆作为请求车辆节点，设请求车辆节点产生消息并需要将该消息转发至目的节点；若候选转发节点与目的节点的相遇概率预测值大于请求车辆节点与目的节点的相遇概率预测值；预测请求车辆节点与候选转发节点的相遇持续时间，若请求车辆节点与候选转发节点的相遇持续时间大于阈值Tmin时，请求车辆节点将消息转发至候选转发节点；若消息转发所用时间大于预设的更新周期，则将消息转发至路边单元，由路边单元将消息转发给途经路边单元的车辆节点；若消息转发所用时间T大于一个更新周期，则请求车辆节点继续移动。
-
公开(公告)号：CN108257404A
公开(公告)日：2018-07-06
申请号：CN201810036430.7
申请日：2018-01-15
Applicant: 长安大学
IPC: G08G1/0967 , H04L29/06 , H04L29/08
Abstract: 本发明提供一种面向车联网的城市交通道路虚假预警信息过滤方法，1.车辆节点中的安全应用单元SAU在存储的事件信息表T中对该道路事件信息进行搜寻并更新；2.进行道路事件信息条件过滤，判断事件是否可信；3.针对更新后道路事件的H属性进行条件过滤，通过安全应用单元SAU判断事件是否虚假。本发明避免车辆对接收的道路事件进行盲目广播、误导驾驶员；对交通道路虚假预警信息进行过滤；从而有效预防了黑客伪造的虚假信息在车联网中的传播，抑制了失效信息泛滥，为驾驶员提供实时可靠的道路事件信息，缓解交通堵塞，进而提高道路通行率，为城市智能交通的应用提供了技术支撑。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.03 seconds)
