公开(公告)号：CN114222304A

公开(公告)日：2022-03-22

申请号：CN202111428923.3

申请日：2021-11-27

Applicant: 北京工业大学

Inventor： 赖英旭 ,  李含梅 ,  陈业 ,  刘静

IPC: H04W12/63 ,  H04W12/02 ,  H04W12/03 ,  H04W12/12

Abstract: 本发明公开了一种基于静默与广播周期的假名更改方法，收集以往车辆轨迹数据根据经纬度坐标与时间得到停留点。所有进入停留点区域的车辆将会循环使用该停留点区域假名池的假名，并保证同一车辆至少不会连续两次使用同一假名。将位置服务隐私保护中的停留点概念引入车联网环境中的假名更改场景的选取中，使假名更改方法覆盖更多能够使攻击者混淆混合区域。将Mean Shift聚类方法运用到车联网环境中的假名更改场景选取上得到停留点区域。通过在停留点区域内执行静默与广播周期使车辆在停留点区域内同步更改假名并且使攻击者无法预测车辆位置，同时防止语法链接攻击与语义链接攻击，保护车辆位置隐私，通过控制静默期时长保证车辆在假名更改时的行驶安全。

公开(公告)号：CN114172704A

公开(公告)日：2022-03-11

申请号：CN202111426698.X

申请日：2021-11-27

Applicant: 北京工业大学

Inventor： 赖英旭 ,  张兆宜 ,  陈业 ,  刘静

IPC: H04L9/40 ,  H04L41/142 ,  H04L41/14 ,  H04L67/12

Abstract: 本发明公开了一种基于BSM数据包时空关系的异常节点检测方法，在车端的周边节点的BSM数据包，并记录本车在接收每一条BSM数据包时的位置信息。从BSM数据包中提取所需数据。检测器在接收到打包的数据后，计算出每个发送者的预估信源并根据积分规则进行积分操作，生成积分表。根据积分表对预估信源以及BSM数据包发送者进行分类，完成检测。本方法精准地检测出场景中绝大多数异常节点，将异常节点划分为Sybil节点与恶意节点，保证后续可以高效地对Sybil节点与恶意节点分别处理，从而保证正常节点的行驶安全。本方法在攻击概率较低的场景中更精确地找出场景中的异常节点，避免将正常节点误判为异常节点，并且可以更稳定的找出场景中的大多数异常节点，避免漏报。

公开(公告)号：CN114222304B

公开(公告)日：2025-04-11

申请号：CN202111428923.3

申请日：2021-11-27

Applicant: 北京工业大学

Inventor： 李含梅 ,  赖英旭 ,  陈业 ,  刘静

IPC: H04L9/08 ,  H04W4/40 ,  H04W12/64 ,  H04W12/02 ,  H04W12/122

Abstract: 本发明公开了一种基于静默与广播周期的假名更改方法，收集以往车辆轨迹数据根据经纬度坐标与时间得到停留点。所有进入停留点区域的车辆将会循环使用该停留点区域假名池的假名，并保证同一车辆至少不会连续两次使用同一假名。将位置服务隐私保护中的停留点概念引入车联网环境中的假名更改场景的选取中，使假名更改方法覆盖更多能够使攻击者混淆混合区域。将Mean Shift聚类方法运用到车联网环境中的假名更改场景选取上得到停留点区域。通过在停留点区域内执行静默与广播周期使车辆在停留点区域内同步更改假名并且使攻击者无法预测车辆位置，同时防止语法链接攻击与语义链接攻击，保护车辆位置隐私，通过控制静默期时长保证车辆在假名更改时的行驶安全。

公开(公告)号：CN113660662B

公开(公告)日：2024-06-18

申请号：CN202110999647.X

申请日：2021-08-29

Applicant: 北京工业大学

Inventor： 赖英旭 ,  张晗 ,  陈业 ,  靳晓宁

IPC: H04W12/06 ,  H04W12/122 ,  H04W12/60 ,  H04W4/40 ,  H04W12/041 ,  H04W12/0431 ,  H04W12/10

Abstract: 本发明公开了一种车联网环境中基于可信连接架构的认证方法，车辆和路侧单元在可信机构的注册阶段；车辆和路侧单元在云服务提供商处进行的双向身份认证阶段；车辆和路侧单元在云服务提供商处进行的双向平台鉴别阶段。步骤4，在认证成功后，云服务提供商与车辆通过会话密钥加密通信。本发明既能够实现车辆与路侧单元的身份认证，也能够实现车辆与路侧单元的平台鉴别，进而保证车辆可信接入受保护的网络。本发明考虑了车辆和路侧单元的平台安全，能够保证终端接入网络的可信。

公开(公告)号：CN113824684B

公开(公告)日：2022-11-29

申请号：CN202110958643.7

申请日：2021-08-20

Applicant: 北京工业大学

Inventor： 赖英旭 ,  王宇航 ,  陈业 ,  庄俊玺

IPC: H04L9/40 ,  H04L67/12 ,  G06F21/55 ,  G06K9/62 ,  G06N3/02

Abstract: 本发明公开了一种基于迁移学习的车载网络入侵检测方法及系统，提取连续的29条CAN报文的ID，将CANID序列转为特征矩阵作为输入。由基于DenseNet的检测模型提取该特征矩阵的时序特征；由基于GAN的检测模型提取该特征矩阵的时序特征，判断是否符合未知攻击特征，若是则发出警报，并将其作为未知攻击样本存储下来，当检查到存储的样本达到一定数量，使用PCA方法对存储的未知攻击样本进行降维，使用Meanshift方法对降维后的样本进行分类，得到具有预分类标签的未知攻击数据集，完成入侵检测系统的更新。本发明所提出的PCA与Meanshift结合的方法能够有效对未知攻击进行分类，所提出的使用迁移学习更新检测模型的方法能够有效减少模型学习时对训练数据的需求量。