在智能交通系统中,车联网是其重要组成部分,尤其是为道路安全和智能交通管理方面给社会带来了巨大的便捷。由于恶意车辆节点可以通过伪造虚假信息、串通攻击等手段对车联网正常节点进行攻击,严重影响网络性能。因此,车联网中检测恶意节点对保证车联网系统的安全十分重要。本文针对车联网中恶意节点检测关键技术进行了深入研究。主要贡献如下:1、针对车联网中存在恶意节点进行虚假信息攻击的问题,提出了一种基于重复博弈和信任评价的恶意节点检测机制。在重复博弈模型的基础上得到恶意节点和正常节点的收益函数,为了使其更加适用于实际的车联网,引入效益参数对效益函数模型进行优化。通过多次博弈,计算出每个节点的最大收益。当每个节点收益达到最大化时,将节点收益转化为节点信任值。将节点信任值和阈值进行比较,筛选出恶意节点。仿真实验表明,本章提出的方法提高了恶意车辆节点的检测率,降低了网络丢包率,有效隔离了恶意车辆节点。2、针对目前车联网中恶意节点检测方法中忽略节点历史信任值的缺陷,提出一种基于改进贝叶斯算法和自适应调整的车联网恶意节点检测方法。在计算两个交互节点的直接信任值时,加大否定事件的影响权重。在推荐信任值时,引入了“推荐信任距离”作为推荐的信任度量方式,首先排除恶意推荐的意见。由于恶意节点的行为不可确定,引入自适应阈值调整的方式,避免恶意节点逃避检测。通过仿真实验表明,该方法能够快速的检测恶意节点,并可以避免节点的串通攻击。3、本文针对车联网恶意节点检测任务,设计并实现了车联网恶意节点检测系统。根据本文提出的两种检测方法的不同使用场景,设计并实现了一个便捷高效的恶意节点检测系统,可以为用户提供车联网节点态势总览、恶意节点分析、恶意节点预测等功能,方便用户对车辆节点进行分析和判断。