车载自组网(VANET)作为一种高速移动的移动自组网应用,在交通事故预警、路况监测等交通安全应用方面有着巨大潜力。目前已存在的恶意软件抑制方法研究大多基于在线社交网,车载自组网上恶意软件传播与抑制的研究少之又少。且大多数车载网中恶意软件传播的研究都基于简单的道路场景和随机生成的车辆轨迹,这样的研究缺乏可扩展性和现实性。基于以上特点,本课题主要进行了以下研究:构建贴近现实的车载网环境,分析车载网络拓扑结构及车载网中恶意软件传播的特点,并对车载网中恶意软件传播的影响因素进行了量化分析。提出新的恶意软件传播抑制策略,与以往的抑制策略进行对比,使车载网中的恶意软件传播及其抑制的研究更具现实性和可扩展性。为了使仿真实验更具真实性,选取卢森堡市的24小时交通场景和真实车辆的移动轨迹作为仿真场景。基于此场景实现了车辆间的通信以及模拟SIR传染病模型的恶意软件传播过程,将车载网中的节点分为易感状态,感染状态,免疫状态。利用信息熵和正交实验设计来研究不同感染因素对恶意软件传播过程的影响,并对所有因素进行排秩,判断不同因素对感染过程的影响大小,得出了车辆的有效传播半径和接收概率对恶意软件传播的影响更大。提取出特定时刻车辆的相关信息构建车载网络拓扑图,例如节点的位置,节点感染状态,通信节点之间连接的边。根据此网络拓扑图计算网络中节点的介数中心性,度中心性,紧密中心性,聚类系数等指标,并利用CRITIC方法计算各指标的客观权重系数,从而得出节点的影响力计算公式。提出了基于贪婪算法的最大影响力节点目标抑制策略,与随机策略、基于最大度数节点的目标抑制策略进行了对比,得出基于最大影响力节点的目标免疫策略的效果最好。