随着车联网技术在各国广泛的研究和普及，智能交通信号系统(Intelligent Traffic Signal System，ISIG)受到越来越多的关注，ISIG系统在真实的城市交通中表现出良好的效果，使城市交通信号规划迈入了新阶段。城市交通既要提高路口信号规划效率，也要保证车辆、行人和驾驶员的安全，针对ISIG系统的投毒攻击和安全性分析逐渐进入研究者的视野。攻击者通过篡改车载单元的数据直接影响系统的信号规划，造成交叉路口的拥堵，严重情况下会危及驾驶员和行人的安全，如何对多个车载单元可能受到的投毒攻击进行有效的防御成为ISIG系统安全研究的焦点。
　　一方面，由于车联网在实际交通环境中还没有大规模普及，在城市交通中不能保证所有车辆都配备了车载单元，在装配率较低的情况下，导致获取的车辆数据在路口中的分布离散，存在己知的最远距离投毒攻击可以通过篡改车载单元发送的数据，影响了系统的车辆运动估计算法(Estimate vehicle of Location and Speed，EVLS)，导致系统错误的估计了交叉路口的车辆信息和排队长度，从而使路口不同方向信号灯分配的时长出现异常并引发交通拥堵。论文提出了一种针对不同装配率环境和多点投毒攻击下的跟驰模型，来改进EVLS中车辆状态估计算法，同时构建ISIG系统的相关模块并进行仿真实验，来验证模型的有效性。
　　另一方面，对于ISIG系统收集到的车辆数据是否为投毒攻击的异常数据无法准确判断，因此在装配率低的情况下，系统只能监控到路口中的部分车辆数据，单个车辆的投毒攻击就会造成较大程度的拥堵；装配率较高的情况下，多个车辆的投毒攻击同样会带来相同的影响。研究表明，跟驰模型可以准确的估计车辆的位置信息，弱化少量攻击对系统造成的影响，但路段中多个车辆的数据篡改无法通过跟驰模型进行数据校正。因此本文通过收集一段时间内路口的历史数据，利用高斯过程对交通流的变化进行数学建模，基于贝叶斯预测构建EVLS防御模型，实现交通情况的有效预测和城市交通的正常运转。
　　本文针对ISIG中车载单元受到的投毒攻击进行分析，并构建防御模型对系统进行加固，实验采用美国交通部提供的ISIG系统源代码进行仿真模拟。实验结果表明，本文所改进的EVLS模块预测的排队长度误差在1～3m之间，基于贝叶斯预测的EVLS防御模型在分段式控制策略下有效地减少了异常情况路口的拥堵时间和排队长度，在10%～50%范围内的投毒攻击和不同装配率的情况下，防护模型使得针对ISIG的投毒攻击效果减少至92.2%以下，验证了防御模型的有效性和可行性。