本研究针对联网车辆（CV）面临的Sybil攻击威胁，提出了一种基于车载数字孪生（DT）的碰撞预警框架，该框架内嵌了Sybil攻击检测能力。Sybil攻击中，攻击者通过伪造多个虚假车辆身份来欺骗通信系统，可能引发安全事故。框架核心包含两部分：一是时序卷积网络（TCN），用于学习车辆轨迹数据中的时间依赖性；二是分层可导航小世界（HNSW）算法，用于基于相似性的高效分类，从而识别虚假车辆。通过实地实验收集真实Sybil攻击数据，框架在检测虚假车辆时达到0.984的准确率、1.00的召回率和0.944的F1分数。安全评估方面，该框架将接近碰撞事件的暴露时间均值（TET）和积分时间均值（TIT）分别降低了88%和72%。此外，真实环境可行性测试表明，框架满足安全应用标准允许的最大延迟，且运行负载在现代处理器容量范围内，证明了车载DT框架作为下一代CV的Sybil攻击缓解机制的潜力。