一种数据模型混合的车联网安全评估方法

本发明属于车联网网络安全技术领域，提出了一种数据模型混合的车联网安全评估方法。结合车辆动力学模型和实时数据生成车辆的全局安全评分，利用集成员滤波和统计学习算法检测攻击行为，使用深度学习方法识别车间通信流量中的攻击；基于Dempster‑Shafer理论，将车辆动力、驾驶行为和通信数据融合，以实时调整车辆的全局安全评分并反映风险等级，同时确保评估结果的可靠性和一致性；通过CARLA和OMNeT++联合仿真，构建了一个接近真实的车联网运行环境，验证了所提出的车联网安全评估方法的有效性，有助于及时识别和应对网络威胁，保障智能交通系统的安全性、可靠性和用户信任度。