基于改进LSTM神经网络的车联网信任管理方法

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。