摘要
本发明公开了一种结合迁移学习的安全增强的车联网信任评估方法,涉及车联网安全领域,步骤包括:基于城市道路情况,构建城市道路车联网模型;基于城市道路车联网模型,设计基于椭圆曲线Diffie‑Hellman协议和椭圆曲线数字签名算法的交互认证模块;基于交互认证模块,引入基于迁移学习方法改进的三因素信任模型的识别真假消息方法,在速度期望子因素分析中设计迁移学习模型TranferMegaCRN来获取消息发送者的预测速度;基于迁移学习模型TranferMegaCRN,利用改进的贝叶斯方法与基于密度的聚类筛选算法设计车辆信任值计算方法,构建车联网信任管理模型;基于车联网信任管理模型,完成车辆信任评估。
技术关键词
信任评估方法
椭圆曲线数字签名算法
迁移学习模型
信任值计算方法
迁移学习方法
城市道路
消息识别方法
筛选算法
贝叶斯方法
发送者
协商共享密钥
卷积循环网络
车辆
速度预测模型
滑动窗口方法
时间序列模型
控制中心
协议
系统为您推荐了相关专利信息
预测补偿方法
迁移学习模型
多头注意力机制
船舶横摇运动
Stewart平台
轴承故障诊断方法
仿真数据
径向变形量
轴承故障分类
外圈
趋势预测方法
迁移学习模型
注意力机制
趋势预测系统
皮尔逊相关系数
迁移学习模型
多层感知机
混凝土抗压强度
随机梯度下降
参数