如今,随着智能车辆的增多,城市车联网的规模越来越大,这使得车辆在行驶过程中,能够为驾驶员和乘客提供随时随地的信息访问。与此同时,网络中的通信用户对城市车联网安全的要求越来越高。由于车联网中车辆节点移动的随机性,网络拓扑的时变性以及通信环境的复杂性,城市车联网面临众多安全问题,主要存在的问题有以下两点。一是在存在多种网络攻击的情况下,难以保证车辆节点身份识别的准确性;二是车联网在向用户提供云计算服务,方便用户进行数据获取的同时,增大了用户隐私信息被侵犯的风险。因此,在城市车联网环境下,如何对车辆的身份进行准确认证以及有效保障用户隐私安全有着重要的研究意义。针对城市车联网存在的以上安全问题,本文给出可行的解决方案。本文的主要研究内容和创新点如下:（1）针对城市车联网环境中存在节点破坏网络通信,特别是节点进行DDOS攻击,灰洞攻击和信息篡改,同时考虑此类节点之间存在合谋攻击的情况,本文提出基于图神经网络的恶意节点检测框架。考虑网络中车辆节点的社会属性,本文将节点间通信链接关系建模为社交网络拓扑,并定义节点间亲密度,表示节点间链接的权重值。本文将车辆的通信行为特征作为网络模型中节点的特征,根据节点特征的差异性以及节点间的亲密度关系,利用图神经网络对节点的属性进行预测。经仿真验证,该方法对车辆节点身份的识别准确性和对时变拓扑网络的适应性都有显著提高。（2）针对城市车联网环境中,网络在提供云计算服务时,可能存在的恶意节点频繁获取其他节点数据信息,侵犯用户隐私的行为,本文提出了基于云雾结合的车辆节点安全通信框架。该框架结合云服务器端与雾节点对网络中恶意节点进行入侵检测和管理。云服务器端利用卷积神经网络完成对正常的车辆节点进行身份授权和恶意节点的筛选,并利用长短期记忆网络实现对可疑节点的身份确认。在进行雾内通信的过程中,雾节点不断监视雾内车辆行为,判断节点传递消息的真实性,同时对节点进行信用评估,将可疑节点数据上传到云服务器端,以进行身份确认。经仿真验证,本文提出的基于云雾结合的车辆节点安全通信框架有效保障了用户隐私安全。