本發明涉及車聯網信息安全，具體的是基于動態行為圖譜和區塊鏈的車聯網數據共享方法及系統。

背景技術：

1、在車聯網（internet?of?vehicles,?iov）系統中，基于環境感知與道路信息交互的實時數據共享技術，是支撐自動駕駛系統及智能輔助駕駛技術實現環境認知與決策控制的基礎要素。通過車輛、路側單元與云端的多源數據交互，車聯網能夠整合智能互聯車輛的傳感數據、鄰近車輛動態信息及遠程內容提供者的高精度地圖資源，形成多維交通態勢感知能力。其中，車輛間的實時數據共享不僅支持車輛的行駛參數優化（如路徑規劃、速度協同），更能提高系統對復雜交通場景的動態適應性。為智能交通系統的協同事故預警、實時決策支持等關鍵場景構建了可靠的技術支撐框架，最終實現從數據融合到駕駛行為優化的閉環鏈路。然而，由車聯網系統的高動態性拓撲結構、廣域覆蓋特性以及節點信任評估機制不健全，數據共享仍然面臨安全性、效率和可靠性方面的挑戰。

2、近年來，區塊鏈技術的去中心化、匿名性與數據不可篡改特性（如分片技術、零知識證明、dag結構）為車聯網數據共享提供了新型可信范式。針對傳統公共區塊鏈低吞吐量問題，分片技術通過動態節點分配（基于車輛信譽、算力及位置中心性）實現交易并行處理，顯著提升系統吞吐量；零知識證明則在不暴露原始數據的前提下完成匿名審計，兼顧隱私與可驗證性。為進一步降低共識延遲，部分研究將區塊鏈與邊緣計算結合，例如通過邊緣節點的本地化處理降低在線計算負載，或利用智能算法優化數據投遞策略以減少傳輸延遲。在信任管理領域，聯盟鏈信任模型通過信譽評分與惡意推薦過濾機制保障數據可靠性，動態博弈機制被引入以融合交通環境參數進行信譽評估，從而激勵車輛主動協作。此外，聯邦學習與深度強化學習技術的應用進一步拓展了技術邊界：機器學習被用于建模知識交易市場，時序預測模型結合自適應策略優化在隱私保護與數據效用間實現平衡。然而，現有方案在動態信任評估、共識效率提升與資源優化適配等方面仍存在顯著技術瓶頸，難以滿足車聯網高動態場景下的實時可信數據共享需求。

技術實現思路

1、為解決上述背景技術中提到的不足，本發明的目的在于提供基于動態行為圖譜和區塊鏈的車聯網數據共享方法及系統。

2、第一方面，本發明的目的可以通過以下技術方案實現：基于動態行為圖譜和區塊鏈的車聯網數據共享方法，方法包括以下步驟：

3、獲取車輛駕駛相關數據，對車輛駕駛相關數據進行預處理，對處理后的車輛駕駛相關數據采用非對稱密鑰進行加密，將加密后的車輛駕駛相關數據上傳至rsu，其中，所述車輛駕駛相關數據包括車輛位置、路況以及車輛車速；

4、基于加密后的車輛駕駛相關數據，以車輛和rsu為節點，車輛和rsu的交互關系為邊生成動態行為圖譜，基于動態行為圖譜查詢數據哈希值，并對加密后的車輛駕駛相關數據進行解密；

5、基于數據哈希值判定解密的車輛駕駛相關數據是否有效，若無效則觸發異常處理機制，否則說明數據可用，從而實現數據的共享。

6、結合第一方面，在第一方面的某些實現方式中，該方法還包括：所述對處理后的車輛駕駛相關數據采用非對稱密鑰進行加密，將加密后的車輛駕駛相關數據上傳至rsu的過程：

7、

8、式中，為第輛車輛；為第個路測單元；表示用路測單元公鑰對數據加密；為待傳輸的車輛駕駛相關數據；為使用車輛的私鑰對進行數字簽名；為車輛的第個偽標識符；為車輛位置信息；為車輛實時狀態信息；為數據生成的時間戳；為其他擴展數據字段。

9、結合第一方面，在第一方面的某些實現方式中，該方法還包括：所述rsu接收加密后的車輛駕駛相關數據后，驗證車輛駕駛相關數據的合法性和一致性，并檢測異常行為，更新車輛的惡意計數器，將車輛駕駛相關數據提交到圖譜觸發圖譜更新：

10、

11、式中，為車輛的惡意行為計數器；為動態行為圖譜；表示圖譜更新函數；為動態行為圖譜中的節點，為動態行為圖譜中的邊。

12、結合第一方面，在第一方面的某些實現方式中，該方法還包括：所述動態行為圖譜的生成過程：

13、以車輛和rsu為節點，交互關系為邊生成動態行為圖譜并賦予相應屬性，直接數據實時更新：車輛上傳的原始數據根據時間戳實時同步至圖譜；信任值動態調整：分為周期性維護與實時事件驅動；信任值更新分為周期性維護與實時事件驅動，每固定更新，實時事件驅動包括車輛與rsu或其他車輛發生交互、rsu檢測到異常行為、動態行為圖譜惡意行為檢測的事件發生時，動態行為圖譜中的節點和邊屬性被動態調整，觸發信任值重新評估；

14、

15、

16、式中，為動態行為圖譜；為圖譜中的節點集合；為邊集合；為節點和邊的屬性集合；為周期性更新；為事件驅動更新；為車輛與其他實體間的交互事件；為異常行為檢測事件。

17、動態行為圖譜定期清理長期未活躍的節點和邊，并重新計算行為特征向量，數據提交以及信任值更新將以交易形式上傳至動態行為圖譜區塊鏈：

18、

19、式中，為動態行為圖譜；為圖譜清理函數；為長期未活躍的節點和邊集合；為區塊鏈賬本；為矩陣形式交易；為更新后的節點信任值；為數據提交時間戳。

20、結合第一方面，在第一方面的某些實現方式中，該方法還包括：所述車輛信任值采用信任評估進行計算，所述信任評估采用時序加權衰減信任聚合算法twdt-trust，信任值由直接交互信任模塊、間接推薦信任模塊、時間衰減加權模塊、動態修正與懲罰模塊四個動態模塊合成：

21、

22、其中，為車輛在時間的信任值，；為直接交互信任；為間接推薦信任；為時間衰減間隔，為最近一次交互到當前的時間差；為環境修正因子，其中；為惡意懲罰項，其中；為權重系數；為衰減系數。

23、結合第一方面，在第一方面的某些實現方式中，該方法還包括：所述基于動態行為圖譜查詢數據哈希值，并對加密后的車輛駕駛相關數據進行解密的過程：

24、數據請求方發出請求，目標數據若為節點或邊屬性，則直接向動態行為圖譜查詢，通過動態行為圖譜區塊鏈查詢該數據的哈希值，使用供應方公鑰解密數據，并通過比對區塊鏈中存儲的數據哈希值sha-256驗證內容完整性；

25、

26、式中，為數據請求方；為動態行為圖譜；為查詢操作函數；為目標偽標識符；為使用?sha-256?算法生成的數據哈希值；為驗證函數；為使用供應方公鑰解密數據；為數據解密后重新計算的哈希值；為區塊鏈上存儲的原始數據哈希值。

27、若為其他數據或數據可信節點不足，將觸發數據征集流程，數據請求方通過rsu廣播數據需求，數據提供方將數據索引index發送給rsu，數據索引包含元數據和其哈希值，rsu收集響應的index，檢查發送方的信任值，若信任值高于閾值tthreshold，則添加到數據共享區塊鏈中，否則忽略：

28、

29、式中，為數據請求方；為數據需求描述；為數據提供方；為數據索引；為元數據；為數據的哈希值。

30、結合第一方面，在第一方面的某些實現方式中，該方法還包括：所述基于數據哈希值判定解密的車輛駕駛相關數據是否有效的過程：

31、數據請求方通過區塊鏈瀏覽器或本地輕節點檢索最新區塊，解析目標數據的索引信息，若當前區塊未包含所需數據，可沿區塊鏈歷史回溯查詢，直至找到匹配記錄，數據請求者通過動態行為圖譜查看數據提供者信任值，選擇信任值高的數據提供方，數據提供方發送完整數據，請求方解密數據，再次計算哈希并與鏈上記錄比對，若一致則判定數據有效，否則觸發異常處理機制；

32、

33、其中，為數據請求方；為區塊鏈賬本；為解析索引操作；為數據提供方；為完整數據內容；為驗證函數；為請求方對接收到的數據重新計算的哈希值；為區塊鏈上存儲的原始數據哈希值。

34、所述異常處理機制為，當哈希比對不一致時，觸發分級響應策略，包括：

35、初級響應階段：請求方通過路側單元發起數據重傳請求，要求原提供方重新發送完整數據包并執行二次哈希驗證，同時在本地區塊緩存中標記該數據為待驗證狀態，暫停參與決策流程；

36、中級信任調整：智能合約根據異常事件等級執行動態信任評估，對首次驗證失敗的節點實施信任值初步降級并觸發告警通知，對連續發生驗證異常的節點啟動權限分級限制機制；

37、高級處置措施：針對持續異常節點，信任評估體系將執行信任值重置操作，將持續異常節點納入隔離名單并廣播安全通告，數據請求方自動切換至信任評估層級最高的備用節點建立通信通道。

38、結合第一方面，在第一方面的某些實現方式中，該方法還包括：所述數據的共享依據提供方的數據質量、響應速度及請求方的使用反饋，通過智能合約自動增加或降低信任值，均通過區塊鏈共識機制，驗證并記錄，數據共享完成后進一步進行動態行為圖譜的更新，將共享過程作為交易生成區塊添加到區塊鏈中，形成閉環可審計的共享生態；

39、

40、其中，為智能合約；為數據質量；為響應速度；為反饋；為信任值；為區塊鏈賬本；為存儲交易；為共享的原始數據；為信任值更新記錄；為數字簽名。

41、第二方面，為了達到上述目的，本發明公開了基于動態行為圖譜和區塊鏈的車聯網數據共享系統，包括：

42、數據處理模塊，用于獲取車輛駕駛相關數據，對車輛駕駛相關數據進行預處理，對處理后的車輛駕駛相關數據采用非對稱密鑰進行加密，將加密后的車輛駕駛相關數據上傳至rsu，其中，所述車輛駕駛相關數據包括車輛位置、路況以及車輛車速；

43、數據驗證模塊，用于基于加密后的車輛駕駛相關數據，以車輛和rsu為節點，車輛和rsu的交互關系為邊生成動態行為圖譜，基于動態行為圖譜查詢數據哈希值，并對加密后的車輛駕駛相關數據進行解密；

44、數據共享模塊，用于基于數據哈希值判定解密的車輛駕駛相關數據是否有效，若無效則觸發異常處理機制，否則說明數據可用，從而實現數據的共享。

45、在本發明的另一方面，為了達到上述目的，公開了一種終端設備，包括存儲器、處理器及存儲在存儲器中并能夠在處理器上運行的計算機程序，所述存儲器中存儲有能夠在處理器上運行的計算機程序，所述處理器加載并執行計算機程序時，采用了如上所述的基于動態行為圖譜和區塊鏈的車聯網數據共享方法。

46、本發明的有益效果：

47、本發明基于動態行為圖譜的時序建模技術，通過融合車輛軌跡、通信頻次與異常事件序列的多維度數據，同步量化節點的局部交互可信度與全局網絡影響力，解決傳統方法中信任評估維度單一的問題，顯著提升對偽裝攻擊與潛伏惡意節點的識別準確率；信任加權混合拜占庭容錯算法（twh-bft）通過分層共識架構與信任加權投票機制，將核心共識流程限定于高可信節點群，僅需少量高信任節點完成核心共識，避免了pbft的全網多輪廣播，相比傳統pbft算法減少通信開銷。本發明通過動態行為圖譜的多維度信任評估與twh-bft共識機制的高效協同，在保障車聯網數據共享安全性的同時，顯著降低了系統通信與計算開銷，實現了復雜動態場景下“安全-效率-可擴展性”的全局優化，為自動駕駛與智能交通系統提供了高可靠、低延遲的協同決策支持。