技术新讯 > 电子通信装置的制造及其应用技术 > 一种基于区块链的预奖惩机制的车联网信任管理方法  >  正文

一种基于区块链的预奖惩机制的车联网信任管理方法

  • 国知局
  • 2024-11-06 14:24:00

本发明属于区块链和车联网领域,具体为在基于区块链的车联网系统中一种预奖惩机制的信任管理方法。

背景技术:

1、随着车联网技术的迅速发展,车辆之间的信息交换已成为智能交通系统中的重要组成部分。然而,车联网环境面临着诸多挑战,包括数据安全性、信息可信度和信任管理等问题。传统的车联网系统往往依赖于中心化的信任机构来管理车辆之间的通信和数据交换,但这种方式容易受到单点故障和恶意攻击的影响,导致系统的不稳定性和安全性问题。为了解决这些问题,研究者们开始探索基于区块链技术的车联网信任管理方法。区块链作为一种去中心化的分布式账本技术,能够保障数据的安全性和可信度,使得车辆之间的通信更加安全可靠。同时,预奖励机制作为一种激励措施,能够有效地提高车辆节点的行为合规性和诚信度,促进系统的良性运行。

2、然而,现有的车联网信任管理方法还存在一些问题,例如对车辆行为的准确预测、奖惩机制的合理设计以及共识算法的效率和安全性等方面仍有待进一步提升。因此,开展基于区块链的车联网信任管理研究具有重要的理论和实践意义,能够为智能交通系统的发展和应用提供更加可靠和安全的技术支持。

技术实现思路

1、发明目的:本发明旨在构建一个创新的车联网信任管理模式,通过将区块链技术与预奖励机制相结合,解决传统车联网系统中存在的数据安全性、信息可信度和信任管理等方面的问题。通过建立安全可靠、智能高效的信任管理系统,促进车辆之间的信息交换和数据共享,推动智慧交通系统的发展和应用,实现更安全、更可靠的智慧交通运输。

2、技术方案:基于区块链的车联网系统中一种预奖惩机制的信任管理方法:包括以下几个步骤:

3、1)构建基于区块链的车联网信任管理模型;

4、2)构建了一种综合考虑初始化信任、本地信任与全局信任的车辆信任评价体系;

5、3)构建基于cnns模型预测消息真实性的预奖惩机制;

6、4)设计一种基于预奖惩和信任的共识机制。

7、进一步,步骤1)中,构建基于区块链的车联网信任管理模型,上述的模型主要包括车辆(vehicle)、路边单元节点(rsu)以及可信认证机构(ta)。

8、(1)车辆(vehicle):在信任管理系统中,车辆不仅提供道路事件信息、交通条件、驾驶安全和地形服务等数据给其他车辆节点,还根据其他车辆节点的初始化信任和本地信任建立信任关系,并将这些数据上传至路边单元。作为领导者节点的车辆负责产生新的区块并上传至路边单元,而共识参与车辆节点则与其他车辆共同协作,验证和确认交通信息的有效性。这一过程中,车辆节点通过相互合作和信任建立,共同维护着整个车联网系统的安全稳定运行。

9、(2)路边单元节点(rsu):rsu在车联网信任管理系统中扮演着至关重要的角色。首先,它根据车辆节点上传的初始化信任和本地信任数据,计算出全局信任,并向区域内的车辆进行全局信任广播,从而建立车辆之间的信任关系网络。其次,rsu部署基于cnns模型的预测车辆信息准确性和预惩罚机制,以提高车辆信息传输的可信度和准确性,进一步保障系统的安全性和稳定性。最后,作为数据的中转和存储节点,rsu负责接收来自车辆节点的区块数据,并进行中转和存储,为后续的数据处理和分析提供了支持。

10、(3)可信认证机构(ta):可信认证机构(ta)承担着对车辆节点进行身份验证和信任建立的重要职责。通过验证车辆节点的身份信息,并颁发数字证书等凭证,ta确保只有合法的车辆节点才能参与到车联网系统中,并建立车辆节点之间的信任关系。在车辆节点注册阶段,ta生成初始化信任,在一定的周期或者违规事件发生后,对车辆的注册信息进行审核。审核完成后,ta对车辆的初始化信任进行更新赋值,并通过区块链广播,将更新后的信息发送至路边单元,以确保车辆节点的合法性和信任度。ta的作用不仅在于确认车辆身份的真实性,还在于维护车辆节点之间的信任网络,为系统的安全性和稳定性提供了可靠保障。

11、车联网信任管理系统采用了多种技术和算法,包括可信认证机构(ta)、路边单元(rsu)、预测模型、共识算法和区块链技术等。ta负责对车辆节点进行身份验证和信任建立,rsu负责接收和验证车辆节点上传的交通信息,并执行预测模型和预奖惩机制。系统通过区块链技术实现了交通信息的安全存储和不可篡改性。综合利用这些技术和算法,车联网信任管理系统为智能交通系统的安全、可靠和可信提供了重要支持。

12、进一步,步骤2)中,构建了一种综合考虑初始化信任、本地信任与全局信任的车辆信任评价体系。

13、车辆信任的定义:在本发明中使用一个区域来说明信任的定义,假设在这个指定区域内存在多个车辆节点。在这样的区域内,路边单元可以与多个车辆共存,形成用于信任管理和计算的集成系统。

14、步骤2-1:初始化信任(initialize trust):车辆在注册加入车辆时需要提交的车辆类型、品牌、型号、保险、行驶年限以及违章记录等信息,这些信息组成的信任属性集合(trust attribute matrix-tam)。

15、tam=ξta1,ta2,…,tal,…,tam}  (1)

16、使用表示信任属性tag的可信测量的相关度量函数。m表示信任属性的数量。

17、所以,车辆的初始化信任值可以表示为:

18、

19、值得注意的是,车辆管理部门在一定的周期或者违章发生后,对车辆的注册信息进行审核,审核完成后对车辆的初始化信任进行赋值。所以车辆的初始化信任并不是固定的。ω,表示每个属性的权重。

20、步骤2-2:本地信任(localtrust):每隔一段时间,车辆将在以区域内产生的信任反馈发送到路边单元,其对一个区域中所有其他设备的本地信任形成信任反馈列表。通过路径传输损失和提供消息的准确性来定义本地信任。

21、假设区域内车辆节点i对车辆节点,的本地信任定义为ltij。

22、路径损耗:lpij=l0+10nlog10(dij)  (3)

23、其中l0表示参考距离为1米时的路径损耗,n表示路径损耗指数,dij表示车辆节点i和车辆节点,之间的距离。

24、消息准确性:

25、其中α,β分别代表车辆节点i收到的车辆节点j的消息是正确和错误的数量。

26、

27、其中ω1和(1-ω1)表示路径损耗和消息传输准确性的权重,γ和ε是额外的参数,用于调整路径损耗和消息传输准确性的影响。

28、由于本地信任具有时间敏感性,所以定义车辆节点i对车辆节点j的本地信任关于时间t的集合如果在时间t内未进行信息交互,则使用初始化信任进行赋值。

29、本地信任的更新:

30、其中表示窗口时间内历史的本地信任的平均值。λδt表示用于调整信任值的更新程度,λδt选择的值需要考虑具体应用场景的特性和对信任值变化的敏感度。δt表示当前本地信任与历史的本地信任的平均值之间的差值,即:

31、

32、更新方法可以表示如下:

33、

34、表示窗口时间内第τ个历史的本地信任值,σ是一个衰减参数,用于控制历史信任值的权重。

35、步骤2-3:车辆节点i在进入某一路边单元区域内,将上传自身的本地信任列表至所在区域的路边单元。然后路边单元将进行全局信任的计算。为了防止恶意节点之间的串谋,各节点之间的具有一定的节点信任的相似度。

36、本发明中利用欧式距离来计算车辆节点信任的相似度:

37、

38、全局信任则可以表示为:

39、

40、表示某一区域在t时间内与车辆节点i、j相互进行本地信任评估的节点集。

41、进一步,步骤3)中,基于cnns模型预测消息真实性的预奖惩机制,提高车联网系统对车辆节点消息的准确性和可信度。

42、步骤3-1:使用车辆节点生成的区块数量和成功验证的交易数来衡量节点的贡献度。

43、路边单元记录车辆节点产生的区块数量与成功验证交易数,在区域内达成共识后,上传至路边单元进行存储,并由路边单元在区块链内进行广播。

44、节点的贡献度ci=ρ·mi+(1-ρ)·ni(11)

45、其中mi表示车辆节点i生成的区块数量,ni表示车辆节点i成功验证的交易数,ρ是待定的参数,用于调节区块数量和交易数对节点贡献度的影响。

46、步骤3-2:使用cnns模型来预测车辆提供的消息真实性。

47、在车辆信任评价体系和节点的贡献度中,可以看出,以上这些评价特征参数,都是基于时间的序列。如果想要预测车辆提供的消息的真实性,然后给与预奖惩,从而降低车辆参与恶意行为的意向,提高车联网的安全性。所以,本发明中我们使用基于cnns的消息事件真实性进行预测。

48、假设有一组消息事件数据集{(x(1),y(1)),(x(2),y(2)),…,(x(m),y(m))},其中x(i)是第i条消息事件的特征,包括消息发送者的初始化信任、本地信任以及全局信任,以及消息签名是否校验成功,y(i)是第i条消息事件的真实标签(0表示虚假,1表示真实)。

49、首先,本方法定义一个基于cnns的消息真实性预测模型,它可以将消息的特征x(i)映射到真实性预测模型的参数用θ表示。定义cnnss模型的输入层为接受消息事件的特征x(i),cnns用于学习序列特征,输出层用于预测消息事件的真实性的概率。

50、对于给定的消息事件特征x(i),进行向前传播计算,得到模型的预测输出

51、cκ=f(wκ*x(i)+bκ)          (12)

52、pκ=mean(cκ)    (13)

53、

54、其中wκ和bκ代表第k个卷积核的权重和偏差,f代表relu激活函数,wy和by是全连接层的权值和偏差,softmax是激活函数,k是类别的数量。是预测模型的概率分布。

55、其次,方法中定义交叉熵损失函数,用于衡量模型预测输出与真是标签y(i)之间的差异。

56、

57、最后,使用随机梯度下降优化算法,每次迭代选择一个样本(x(i),y(i)),计算目标函数在当前参数θ(t)处对选择的样本的梯度使用梯度下降更新规则,更新参数向量:

58、

59、其中μ是学习率,控制每次迭代中参数更新的补偿。重复迭代直到满足梯度的大小小于10-4,认为模型已经收敛,停止训练。

60、步骤3-3:预奖惩机制

61、在本方法中,设计的奖惩函数旨在考虑车辆节点的贡献度和信任度,并根据预测的消息事件真实性进行调整。

62、

63、其中,和δ是权重系数,用于调整不同因素的重要性。

64、ci是车辆的贡献度;ti是车辆的全局信任;confidence(x)是模型对消息真实性预测的置信度;是模型预测的消息事件的真实性;theshold是消息事件真实性的阈值;sig(x)是sigmoid函数,将x映射到(0,1)范围内。

65、

66、置信度是模型对消息真实性预测的预测概率分布的熵的负值。当熵值越低时,表示模型对预测结果的置信度越高;当熵值越高时,表示模型对预测结果的置信度越低。

67、通过本方法的设计可以更精细地调节奖励和惩罚,以更有效地激励车辆传输消息行为的良好表现和惩罚不良行为。

68、进一步,所述步骤4)中,设计一种基于预奖惩和信任共识机制,旨在提高车联网系统的容错性和性能,以确保在存在最多f个恶意节点的情况下系统依然能够达成一致。

69、步骤4-1:信任识别与角色划分:

70、根据车辆节点的全局信任与预奖惩,识别出共识参与者和候选参与者。

71、共识参与者数量为总节点数的1/3以上,并且大于2f+1,其中f是故障节点和恶意节点的总数量,剩余的节点为候选参与者。恶意节点不参与共识。具体为:全局信任+奖/-惩罚,从大到小排序,选择排序1/3以上,并且大于2f+1的车辆节点为共识参与者。

72、步骤4-2:领导者选择:

73、从共识参与者中选择具有最高信任且预奖励的车辆节点作为领导者,其次选择第二高信任的节点作为备选领导者。若领导者受到攻击,则备选领导者的车辆节点为领导者。

74、领导者在共识时间内负责广播交通信息,并使用自己的签名对信息进行认证,发送给所有区域内的其他共识参与者节点。如果消息验证成功,则共识参与者车辆节点进入准备阶段;否则,信息将被丢弃。

75、步骤4-3:消息验证与响应

76、共识参与者节点在收到领导者的广播信息后进行公钥验证,确保信息的完整性和消息来源的可信性。如果验证失败,节点将丢弃这些信息,防止信息被篡改或伪造。已验证节点继续验证信息,并将验证结果广播给其他参与者。如果一个节点从至少三分之一的参与者那里收到验证,它就会广播一个提交消息。在收到足够的提交消息后,将向领导者发送回复消息以确认事务。领导者在收到至少三分之一参与者的提交消息后,将交易打包到一个区块中。如果没有收到足够的结果消息,领导层会转移到信任度第二高的节点。这个过程重复进行,直到创建新区块或领导者转移三次。如果三次领导者更迭后仍未达成共识,则放弃当前一轮共识,开始下一轮或回退。

77、步骤4-4:信任与奖惩更新

78、领导者节点在共识完成并产生区块后,更新自身的信任评估。对于共识参与节点,根据其表现和对交通信息的处理结果,动态调整其信任值。同时依据预奖惩机制对车辆节点进行奖励或者惩罚。全局信任+奖/-惩罚=新的全局信任。

79、有益效果:本发明的基于区块链的车联网系统中预奖惩机制的信任管理方法,首先,通过构建综合考虑初始化信任、本地信任与全局信任的车辆信任评价体系,能够更准确地评估车辆节点的信任水平,提高了系统对车辆行为的理解和预测能力。其次,基于cnns模型预测消息真实性的预奖惩机制可以有效地识别和惩罚恶意车辆节点的行为,降低了恶意攻击的风险,提高了系统的安全性和稳定性。最后,设计基于预奖惩和信任的共识机制能够提高系统的容错性和性能,确保在存在恶意节点的情况下依然能够达成一致,从而保障了交通信息的可靠传递和共享。综合而言,该发明为车联网系统的安全、可信和高效运行提供了重要的技术保障。

80、本发明旨在解决基于区块链的车联网系统中存在的信任管理不足和共识机制不完善的问题。针对车联网应用中的低延迟要求和默认安全性的节点,容易遭受恶意攻击的问题,本文提出了一种基于预奖惩机制的信任管理方法。通过此方法,能够解决车辆信任管理不足、信息可靠性问题,并通过设计基于预奖惩和信任的共识机制来解决共识不完善的问题。因此,本发明旨在设计一种适用于基于区块链的车联网架构下的信任管理方法,从而提高车联网系统的安全性、稳定性和可靠性。

本文地址:https://www.jishuxx.com/zhuanli/20241106/321831.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。