公开(公告)号：CN119545361A

公开(公告)日：2025-02-28

申请号：CN202411668738.5

申请日：2024-11-21

Applicant: 华南理工大学

Inventor： 徐红云 ,  林志辉 ,  黄炜贤 ,  李凤

IPC: H04W12/60 ,  H04W12/63 ,  H04W4/44 ,  H04L67/12 ,  H04L67/08 ,  G06N3/0442 ,  G06N3/0985

Abstract: 本发明公开了一种基于改进LSTM神经网络的车联网信任管理方法，利用交通仿真模拟器SUMO和离散事件仿真平台OMNet++进行城市交通仿真，收集仿真过程中车辆之间发送的消息数据以此构建数据集，再划分训练集和测试集；利用训练集和测试集训练和测试改进LSTM神经网络，并将性能最优的神经网络部署到车辆服务器中；使用改进LSTM神经网络对接收到的消息进行真实性判断，并对车辆的信任值进行更新，以实现车联网环境中的信任管理。本发明基于深度学习技术，可以有效应用于车联网环境中车辆的可信度评估并建立长期的信任管理，从而实现全局范围内的恶意或不可信车辆的检测，具有广阔的应用前景。

公开(公告)号：CN119475153A

公开(公告)日：2025-02-18

申请号：CN202411475169.2

申请日：2024-10-22

Applicant: 华南理工大学

Inventor： 徐红云 ,  黄炜贤 ,  李凤 ,  林志辉

IPC: G06F18/2433 ,  H04W12/121 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0495 ,  G06N3/088 ,  G06N3/096 ,  G16Y10/40 ,  G16Y20/10 ,  G16Y20/20 ,  G16Y40/10 ,  G16Y40/20 ,  G16Y40/50 ,  G06N3/048 ,  G06F123/02

Abstract: 本发明公开了一种基于深度学习和知识蒸馏的车联网异常检测轻量化方法，包括：利用公开的车联网数据集VeReMi Extension，对数据集中每个车辆的时序消息采用滑动窗口策略进行预处理，得到时间窗口，并划分为训练集和测试集；构建教师网络，利用训练集中大量正常时间窗口进行基于重构的无监督学习训练；构建轻量级学生网络，利用已训练好的教师网络指导学生网络对训练集中的正常时间窗口实现知识蒸馏；将训练好的轻量级学生网络与测试所得的预设阈值部署到车联网的路边单元上，实现快速的车联网异常检测。本发明将精度高容量大的教师网络所学习到的知识迁移到轻量级学生网络中，在保证检测精度同时，实现快速的车联网异常检测。

公开(公告)号：CN118945615A

公开(公告)日：2024-11-12

申请号：CN202411096857.8

申请日：2024-08-12

Applicant: 华南理工大学

Inventor： 徐红云 ,  李凤 ,  刘志康 ,  黄炜贤 ,  林志辉

IPC: H04W4/40 ,  H04W12/60 ,  H04W12/00 ,  G06N3/045

Abstract: 本发明公开了一种基于改进Transformer的车联网信任管理方法，首先，使用使用交通仿真模拟器SUMO和离散事件仿真平台OMNet++进行城市交通仿真，收集仿真过程中路况信息，生成训练集和验证集；然后，利用训练集和验证集对改进Transformer网络进行训练和验证；最后，将性能最优的神经网络部署到车辆上，使车辆能够对交互节点进行判断，并根据判断结果调整对方的信任值，当信任值低于设定阈值时，该节点将无法正常通信，从而实现车联网的信任管理。本发明基于改进Transformer神经网络进行车联网信任管理，能够尽可能真实地模拟车辆在路网环境中的移动和通信情况，提取车辆交互消息中的特征，具有广阔的应用前景。