车辆自组网中基于分类的位置隐私保护技术的研究

摘要

随着汽车工业的发展和私家车的普及，道路拥堵、交通事故等交通安全问题日益增多，作为智能交通系统(ITS)重要组成部分的车辆自组网就是在这样的背景下提出的。车辆自组网中随时随地的位置服务功能在解决道路安全问题、为驾乘者提供便捷服务的同时，也带来了相应的隐私保护问题。
　　 本文总结车辆自组网中的隐私保护内容，在分析现有的主要位置隐私保护技术的基础上，提出一个基于车辆隐私级别分类的安全框架，形式化分析和证明其中车与车(V2V:Vehicle to Vehicle)通信协议的隐私保护性能，仿真车辆在城市道路上的V2V通信过程，并对隐私级别分类的方法进行研究，提出基于KNN的混合多距离度量加权多分类器集成方法，并且设计完成相应的实验。本文的主要研究工作如下:
　　 (1)系统分析车辆自组网的假名和签名2类隐私保护技术，其中假名方案分为基于特殊地形、基于安静时段、加密mix-zone和mix-zone通信代理;签名方案分为数字签名、群签名、环签名。继而针对隐私保护水平的高低，分析了匿名集合、熵度量、数学理论分析和形式化证明几类主要的位置隐私度量方法，并对其各自的特点和使用频度进行总结。
　　 (2)提出一个基于隐私级别分类的车辆自组网安全框架，对VANET中的车辆按隐私级别进行归类，从隐私保护、组内消息共享和数据安全3个方面对框架进行设计，从而提高认证性、不可否认性，达到有针对性地保护隐私，减少通信延迟，提高隐私保护效率的目的。给出V2V通信过程的Applied Pi演算形式化描述，并且在此形式化基础上，证明了通信协议的前向安全性和不可跟踪性。
　　 (3)采用VanetMobiSim工具模拟车组网在城市道路上的运动场景，在前一章通信协议的基础上，通过NS2平台仿真V2V通信过程中的认证时间与认证效率，并在不同车速条件下与V2I通信过程进行比较。分析认证的效率，证明通信协议的有效性。
　　 (4)提出一个基于多混合距离度量的分类加权集成的方法，针对KNN多分类器集成，结合曼哈顿距离、欧氏距离、切比雪夫距离，设计混合距离度量加权方法，使用加权投票组合规则集成各分类器的输出结果。实验表明，与单一的度量方法相比，该方法鲁棒性较好，分类正确率较高。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景

1．2 课题研究意义

1．3 本文的研究内容与主要工作

1．4 论文的结构

第二章 车辆自组网的位置隐私保护技术综述

2．1 车辆自组网的概念与结构

2．2 隐私保护的基本内容及性能需求

2．2．1 VANET中隐私保护的基本内容

2．2．2 位置隐私的性能需求

2．3 现有的位置隐私保护技术的研究

2．3．1 基于mix-zone的假名方案

2．3．2 基于签名的方案

2．3．3 混合方案

2．3．4 位置隐私保护方案的性能比较

2．4 隐私保护水平的度量方法

2．4．1 基于区域匿名集的度量

2．4．2 基于熵的关联性度量

2．4．3 基于分布概率的数学理论分析

2．4．4 隐私保护顽健性的形式化证明

2．5 本章小结

第三章 基于隐私级别分类的车辆自组网安全框架研究

3．1 车辆自组网安全框架的总体目标

3．1．1 认证性与不可否认性

3．1．2 隐私性

3．1．3 数据安全性

3．2 车辆自组网安全框架的构成

3．2．1 车辆的归类位置隐私保护

3．2．2 车辆自组网中的认证

3．2．3 车辆自组网内共享消息

3．2．4 数据安全

3．3 V2V通信的形式化分析与证明

3．4 安全框架的总体性能分析与比较

3．5 本章小结

第四章 安全框架中V2V通信模型的NS2仿真

4．1 VanetMobiSim工具简介

4．1．1 场景模型

4．1．2 运动模型

4．2 NS2工具简介

4．3 仿真场景设置

4．4 仿真结果分析

4．5 本章小结

第五章 车辆自组网中有关隐私级别分类方法的研究

5．1 引入分类的重要意义

5．2 分类方法及多分类器集成的简介

5．2．1 KNN的简介

5．2．2 常用的KNN距离度量方法

5．2．3 基于KNN的加权集成方法简介

5．3 基于KNN的混合多距离度量加权多分类器集成方法

5．3．1 方法简介

5．3．2 仿真实验

5．3．3 实验效果与分析

5．4 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读硕士学位期间完成的论文和参与的科研项目