[发明专利]一种保障自动驾驶安全的人工智能检测方法、装置、设备或存储介质

说明书

本发明涉及人工智能与智能车辆通信及其车辆安全技术领域，公开了一种保障自动驾驶安全的人工智能检测方法、装置、设备以及存储介质。通过本发明创造，提供了一种相比较于LSTM网络具有更低误报率、更快和更低硬件资源需求的且能够实现车辆驾驶行为异常检测的新人工智能检测方法，即采用了与现有技术不同的角度来考虑自动驾驶员的行为模型，具体是通过部署基于经验的智能设备来收集和管理自动驾驶员的行为经验，然后利用三角均值算法来对这些行为经验进行重复使用，进而通过使用自动驾驶员的行为经验，能使得对自动驾驶员预期的行为进行更快的推理和预测，适用于很多像自动驾驶这样对时间要求比较高的任务，可有效保障自动驾驶安全。

技术领域

本发明属于人工智能与智能车辆通信及其车辆安全技术领域，具体涉及一种保障自动驾驶安全的人工智能检测方法、装置、设备以及存储介质。

背景技术

智能汽车，作为计算机技术和物联网技术相融合的一个产物，能够实现汽车的高效运行和丰富多样的综合信息服务；有相关报告指出，全球范围内使用汽车的用户已经达到十亿且在2035年之前有望达到二十亿；因此对于车联网中相关业务信息是否能满足相应的安全性需求和可靠性需求，对于车联网的普及甚至是发展是至关重要的问题。车联网的核心网络还是传统的网络，只是相较于传统的网络具有通信环境更加复杂，连接节点数庞大等特点。相比之下车联网相较于其他传统网络来说其节点更易遭受攻击，且造成的影响不仅局限于虚拟化的信息资料，还会影响到现实中的人员伤亡和经济损失，严重甚至会涉及到一个国家的安全。

在近几年，汽车的安全问题频繁出现，曝光的汽车安全事件主要分为两类：一是遭受外部入侵攻击，使驾驶员失去车辆控制权，导致用户的安全遭到威胁。2015年，克莱斯勒的Jeep车型被国外的安全专家入侵，利用Linux系统漏洞，远程控制汽车的多媒体系统，进而攻击V850控制器，并对其固件进行修改，获取远程向CAN(Control Area Network)总线发送指令的权限，达到远程控制动力系统和刹车系统的目的，可在用户不知情的情况下降低汽车的行驶速度、关闭汽车引擎、突然制动或者让制动失灵。2016年，同款Jeep车型在被物理接触的情况下，被攻击者通过OBD(On-Board Unit)接口注入指令，控制车辆的动力系统,可操控方向盘和刹车系统，严重威胁驾驶员人身安全。二是遭受内部系统决策失误，这类事件主要发生在自动驾驶网联汽车上，由于道路交通复杂，行人行为预测困难，导致自动驾驶网联汽车无法准确判断交通信息，从而发生汽车安全事故。如2016年2月，日产LEAF汽车API遭泄露，使得黑客可远程控制对汽车进行相应的控制；2017年7月28日，腾讯科恩实验室通过远程无接触式破解Tesla，可以在驻车状态和行驶状态下远程控制。实现了以“远程无物理接触”的方式侵入特斯拉Model X，获得了最高权限。因此，越来越多的人开始关注于汽车信息安全的话题；同时，各国政府和其主要汽车制造商也逐渐愈加关注车联网的信息安全问题。

为了确保汽车的安全性，各式各样的互联网安全技术被部署到汽车上。传统互联网中第一道防御体系通常是防火墙，但是由于其是静态式的保护方式使得其无法适应智能汽车这一复杂多变的环境以及各式各样的攻击手段。而其他方式的网络安全方式，例如：数字签名、数字证书以及对数据进行相应的加密；尽管这些方式能够在某些互联网安全防护方面实现较好的安全防御效果，但是我们注意到由于车内CAN总线拥有独有的特征，使得传统的用于互联网环境的安全技术不能立刻运用到汽车上。入侵检测技术是这些信息安全技术当中的一个关键技术，也面临着上诉所阐述的问题。在近年来的研究中，很多都是通过基于规则或基于统计的方法来进行实时的入侵检测，然而将这些入侵检测系统部署在汽车上是难以实现的。

综上所述，现有技术存在的问题是：

(1)汽车上设备有限的计算资源和存储空间：很多IDS(IDS,Intrusion DetectionSystem)在进行对异常行为进行检测的时候，需要消耗系统大量的计算资源和存储空间，如基于主机的入侵检测系统(HIDS,Host Intrusion Detection System)，在进行入侵检测的时候需要调用大量的系统资源，也就使得HIDS在运行的时候会导致系统资源的紧张；