刘湘雯，石亚丽，冯霞

（1. 江苏大学计算机科学与通信工程学院，江苏 镇江 212013；2. 安徽大学信息保障技术协同创新中心，安徽 合肥 230000）

基于弱分类器集成的车联网虚假交通信息检测

刘湘雯1，石亚丽1，冯霞2

（1. 江苏大学计算机科学与通信工程学院，江苏 镇江 212013；2. 安徽大学信息保障技术协同创新中心，安徽 合肥 230000）

车联网中车辆以自组织的方式相互报告交通信息，开放的网络环境需要甄别消息，然而，要快速移动的车辆在短时间内检测出大量的交通警报信息是非常困难的。针对这一问题，提出一种基于弱分类器集成的虚假交通信息检测方法。首先，扩充交通警报信息的有效特征，并设计分割规则，将信息的特征集划分为多个特征子集；然后，根据子集特征的不同特性，使用对应的弱分类器分别进行处理。仿真实验和性能分析表明，选用弱分类器集成方法检测车联网中的虚假交通信息减少了检测时间，且由于综合特征的应用，检测率优于仅使用部分特征的检测结果。

车联网；虚假信息检测；弱分类器集成；BP神经网络

1 引言

随着移动通信技术、物联网和无线传感网络技术的广泛应用，车联网逐渐成为智能交通的有效途径之一[1]。车联网可为车辆提供交互通信功能，通过信息的共享和及时发布，在事故预警、保障交通安全以及为用户提供舒适的驾驶环境等方面起到巨大的作用[2]。在交通安全应用中，车联网中的车辆节点向邻居车辆广播交通信息，如车辆位置、速度、加速度等，提前告知道路状况，从而降低交通阻塞带来的时间和资源的浪费，提高交通安全[3]。……