论文部分内容阅读
随着车联网的逐渐发展,车辆的逐渐增多,这对车联网安全的认证方案和轨迹数据提交时的安全性提出了更高的要求。在进行LBS请求时,车辆密度大且同时进行大量的LBS请求,这会使服务器的存储空间和处理能力不足而丢包或者造成重要的LBS的时延变大产生重大的交通事故。轨迹隐私保护研究中,不同时间段有不同的隐私保护需求,这对轨迹隐私保护算法有了进一步的改进空间。本文针对上述问题提出了相应的解决方案,主要的内容和创新点包括以下两点:(1)针对在车辆密度大的车联网环境下,车辆用户进行LBS请求高时延和处理能力不足等问题,本文提出了一种基于LBS请求的车联网认证方案。该方案在大量雾计算架构下的身份认证研究基础上,实现了一种可以缓存身份认证结果的LBS消息认证方案。在进行身份认证后当车辆在雾服务器和雾区之间移动时,雾服务器可以根据场景对身份认证结果进行分发缓存。当进行LBS消息认证时雾服务器可以使用已经缓存的身份认证结果对LBS请求进行认证而无需重新进行身份认证,从而降低请求时延。并同时提出了一种基于优先级的LBS请求处理算法对雾服务器中的LBS请求进行处理。该算法在车辆LBS请求时进行优先级评价,经过优先级处理算法处理后使得处于高优先级的LBS请求优先认证,从而解决在大量请求同时到达雾服务器时重要的LBS请求丢包或者延迟的问题。因此,整个基于LBS请求的车联网认证方案在认证效率和平均请求时间方面都有较好的性能。(2)针对轨迹隐私保护中不同时间段轨迹有不同的隐私保护需求的问题,本文提出了一种LBS下的轨迹隐私保护算法。该算法包括轨迹聚类、条件约束、权重计算、构建无向权重图和构建匿名集合等步骤。首先根据轨迹起始时间和结束时间进行轨迹初步聚类,随后基于轨迹夹角和轨迹间距离的(S,D)约束条件来对轨迹进行约束,并根据轨迹间距离和轨迹夹角进行个性化的权重计算,在匿名集合构建前根据上述的个性化权重构建无向权重图,对于用户不同时间段有不同隐私需求的问题,通过贪心思想优先将相同隐私需求且权重较低的轨迹聚集成一个匿名集合,从而使同一个匿名集合的轨迹有最相近的隐私保护需求。因此,整个LBS下的轨迹隐私保护算法可以获得较好的轨迹隐私保护效果和信息损失率。