1.一种不依赖可信方的智能网联车数据隐私保护方法，其特征在于，所述不依赖可信方的智能网联车数据隐私保护方法包括：收集车辆安全报警报文，计算格式化后形成隐私源数据结构，去掉身份信息后在车端本地进行扰动处理隐藏原始数据信息，形成扰动隐私数据；

收集大量的扰动隐私数据后进行统计和分析，以支持后续的智慧化服务与安全预警需求。

2.如权利要求1所述的不依赖可信方的智能网联车数据隐私保护方法，其特征在于，所述不依赖可信方的智能网联车数据隐私保护方法具体包括以下步骤：步骤一，智能网联车端的车载隐私保护系统收集车辆安全报警报文，计算格式化后形成隐私源数据结构；

步骤二，车载隐私保护系统对隐私源数据结构进行处理，删除智能网联车的ID和IP地址，形成去身份结构；

步骤三，车载隐私保护系统对去身份结构通过智能网联车载端隐私保护算法做数据扰动，进行本地隐私保护处理，形成扰动隐私数据；

步骤四，扰动隐私数据通过TLS加密网络通道传输给智能网联车数据中心；

步骤五，智能网联车数据中心收集大量的智能网联车端的扰动隐私数据进行存储、处理和分析，得到大规模车联网统计特征。

3.如权利要求2所述的不依赖可信方的智能网联车数据隐私保护方法，其特征在于，步骤一所述车辆安全报警报文为智能网联车端的车载隐私保护系统的数据采集模块收集ECU，防火墙，IDS的数据；车载隐私保护系统的数据处理模块将收集的车辆安全报警报文格式化，形成隐私源数据结构保存在本地；隐私源数据结构包括：智能网联车的ID、IP地址，产生的安全威胁类型及其概率值，格式为：|1≤j≤li；kj∈k；vj∈v}>；

其中k＝{1，2，3，...n}，表示每个智能网联车端存在的威胁类型有n种；v＝[0，1]，表示每种威胁类型的发生概率值分布在[0,1]中；Si＝{|1≤j≤li；kj∈k；vj∈v}表示第i个智能网联车有li个键值对，表示产生的威胁类型和对应发生概率值的key-vaule对集合。

4.如权利要求2所述的不依赖可信方的智能网联车数据隐私保护方法，其特征在于，步骤二所述去身份结构为车载隐私保护系统的隐私保护模块将隐私源数据结构里的ID和IP地址删除掉之后的数据报文，格式为：。

5.如权利要求2所述的不依赖可信方的智能网联车数据隐私保护方法，其特征在于，步骤三中所述智能网联车载端隐私保护算法具体包括：

1)将去身份结构映射成定长的Key-Value对序列，序列长度根据威胁类型数目变化；

2)将映射后的去身份结构进行数据扰动，形成扰动隐私数据。

6.如权利要求5所述的不依赖可信方的智能网联车数据隐私保护方法，其特征在于，将去身份结构映射成一个定长的Key-Value对序列；按照威胁类型顺序排序；

数据扰动处理方法包括：以 的比例真实判断这种威胁类型是否真的存在，设ε＝0.1，以 的比例虚假回答这种威胁类型是否真的存在；判断这种威胁类型是否真的存在中，包括：

1→1，即存在→存在，这个键值对保持不变，即<1,v>→<1,v>；

1→0，即存在→不存在，表示原来的键存在，但是现在键不存在了，直接将键对应的值设为0，即<1,v>→<0,0>；

0→0，即不存在→不存在，表示原来不存在的键值对，现在还是不存在，<0,0>→<0,0>；

0→1，即不存在→存在，表示本来不存在的键值对变得存在，随机给值从[0,1]定一个，<0,0>→<1,v>。

7.如权利要求2所述的不依赖可信方的智能网联车数据隐私保护方法，其特征在于，步骤五中，以统计智能网联车中有多少车辆产生威胁类型为“*”的数据，记为 具体包括：

1)根据聚集的全部“扰动隐私数据”统计出结果中key值为1的数量，然后估计出全部去身份结构key值为1的比例，估计的Key的频率为：

2)对于威胁类型的value均值估计，假设有N个数据，假如原始数据中有x个是1，y个是-

1，原始数据的均值为： 那么收到的数据中，假如1的个数为A，-1的个数为B，则有：A＝x·p+y·(1-p)＝y+p(x-y)；

B＝y·p+x·(1-p)＝x+p(y-x)；

其中， 两个式子相减就有：

B-A＝(y-x)-2p(y-x)＝(1-2p)·N·M；

所以估计的均值为：

满足均值估计的一定是概率上的线性变化，离散化先把概率空间变到[0,1]，把[0,1]的概率空间压缩到 即把原始数据映射到概率空间 中。

3)智能网联车数据中心数据分析系统统计威胁类型的频率和对应的均值估计；

所述频率估计包括：统计全部智能网联车端中有多少车辆产生了某种威胁类型的数据：所述均值估计包括：统计出这种威胁类型对应的已知漏洞攻击概率值的均值：

8.一种实施权利要求1所述“不依赖可信方的智能网联车数据隐私保护方法”的“不依赖可信方的智能网联车数据隐私保护系统”，其特征在于，所述不依赖可信方的智能网联车数据隐私保护系统包括智能网联车端车载隐私保护系统和智能网联车数据中心；

所述智能网联车端的车载隐私保护系统负责收集的车辆安全报警报文，形成隐私源数据结构，去掉身份信息后在本地对数据进行隐私保护处理；

智能网联车数据中心负责收集大量的“扰动隐私数据”并进行统计和分析，以支持后续的智慧化服务与安全预警需求。

9.如权利要求8所述的不依赖可信方的智能网联车车载隐私保护系统，其特征在于，车载隐私保护系统包括数据收集模块，数据处理模块，隐私保护模块，加密通信模块；

数据收集模块负责搜集来自ECU、防火墙、IDS的数据，形成车辆安全报警报文；

数据处理模块负责将车辆安全报警报文格式化为隐私源数据结构；

隐私保护模块负责将隐私源数据结构经过去身份和智能网联车载端隐私保护算法做本地扰动处理后形成扰动隐私数据；

加密通信模块负责将扰动隐私数据通过安全的网络通道传输给智能网联车数据中心。

10.如权利要求8所述的不依赖可信方的智能网联车数据隐私保护系统，其特征在于，智能网联车端和智能网联车数据中心服务器之间的通信使用传输层安全性协议TLS进行加密；智能网联车数据中心端包括数据处理系统，数据分析系统；

数据处理系统负责接收大量的扰动隐私数据，并且对同时间到达的大量扰动隐私数据进行排队优化，然后进行大规模并行处理，分布式存储；

数据分析系统负责统计分析结果。