城市交通问题一直是全球关注的重要问题,而利用动态寻路是解决这一问题的有效手段。车辆利用本地的电子地图以及从车载机会网络中采集的路况信息,动态地调整行驶路线,来避开拥堵路段。大部分车载机会网络应用着重于有效转发路况信息,改善车辆行程时间,而对于车辆发送的路况信息本身的有效性和真实性不予鉴别。这给恶意节点篡改和伪造这些信息提供了便利,因此在车载机会网络的路由应用中引入信任评价方法对于改善一般寻路应用的鲁棒性有重要意义。大部分车载机会网络动态寻路应用都利用路况信息进行寻路,因此直接利用基于数据的信任来判断路况信息的有效性,相比实体信任模式在判断出实体是否可信后,再判断其提供的路况信息有效性更加简单有效。同时,基于数据的信任不需要引入过多额外的信息交换,减少了车辆之间的通信开销,也避免了基于实体信任的诸多问题。另外,车辆广播的路况信息包含了车辆当前位置、方向、速度以及周边路况等内容。这些消息如果被攻击车辆嗅探,就会暴露车辆的行车路线和车主的习惯这些敏感信息。为了解决车辆的隐私问题,车辆的匿名和隐私机制应当被引入到车载机会网络中,从而使攻击者难以通过收集路况信息确认车辆身份。但是隐私机制的引入也会给攻击者提供更多的攻击条件,需要考虑如何解决这些额外的问题。本课题将以智能交通中的动态寻路应用为基础,提出基于数据信任的路况信息评价模型和匿名分层模型来解决安全和隐私的问题。通过仿真证明以上模型都具有很高的正确率,适用于各类场景。