车联网作为5G技术的重要垂直应用领域,具有巨大的应用价值和社会效益。伴随着5G网络的日益普及,车联网将迎来大规模部署,它通过节点、路边单元相互之间不间断的信息交互来保证交通安全。然而在网络中,往往存在着一些自私节点为了自己的利益而发布虚假信息,或者一些流氓节点发送大量的恶意数据来破坏通信网络。这导致节点间难以建立可靠稳定的信任关系,车辆间的协作效率大大降低。本课题主要研究车联网的信任管理机制,完成的主要工作如下:第一,提出了一种车联网中的数据过滤方案EDFS（An Effective Data Filtering Scheme）,基于EDFS建立了以数据为中心的信任管理机制。提出的机制对系统组成、交通流模型及通信方式做了详细的设计,EDFS作为核心组件独立部署在每个车辆上,不依赖任何第三方设施（如路边单元）。EDFS方案运用离群点检测算法来消除偏差值较大的异常数据,聚类算法则会根据数据特征并结合上下文,依据时序对比聚簇变化过滤大量的恶意数据。该机制面对女巫攻击,即大量虚假数据存在的情况下,依旧能够做到高效过滤,从而建立起节点间信任关系。第二,设计并实现了一种基于Veins的车联网信任管理仿真平台,拓展了相关的安全组件与功能,并在此平台上对提出的车联网信任管理机制进行了实验与评估。所开发的平台集成了交通流加载,密钥管理、加解密、参数可视化配置、多消息监听及信任管理等功能。其中信任管理模块实现了离群点检测算法及聚类算法。测试时结合虚假消息注入设计了女巫攻击组件,验证了基于Veins的信任管理机制的有效性。使用者可自行配置该平台,模块可拔插,大大弥补了车联网仿真平台在安全相关应用上的不足。