[发明专利]对于CAN总线的ECU映射和消息的受控消息误差和基准真值的基于ML电压指纹识别

权利要求书

1.一种计算装置，包括：

处理器；和

存储机器学习（ML）模型和指令的存储器，所述指令当由处理器执行时，配置所述装置用于：

训练ML模型，以从与总线上传输的消息的多个消息标识（MID）相关联的电压特征推断多个电子控制单元（ECU）标签中的一个；

基于重叠阈值确定所述多个MID中的一些是否重叠；

响应于所述多个MID中的一些重叠的确定，将所述多个MID中的重叠MID折叠成所述多个ECU标签中的一个，以生成MID和ECU标签之间的更新映射；以及

针对在所述多个MID与所述多个ECU标签之间的更新映射来训练ML模型。

2.根据权利要求1所述的计算装置，所述指令当由处理器执行时，配置所述装置用于确定ML模型的准确度是否小于或等于准确度阈值。

3.根据权利要求2所述的计算装置，所述指令当由处理器执行时，配置所述装置用于：

响应于ML模型的准确度不小于或等于准确度阈值的确定，增加重叠阈值；

基于增加的重叠阈值确定所述多个MID中的一些是否重叠；

响应于基于增加的重叠阈值所述多个MID中的一些重叠的确定，将所述多个MID中的重叠MID折叠成所述多个ECU标签中的一个，以生成在所述多个MID与所述多个ECU标签之间的第二更新映射；以及

针对在所述多个MID与所述多个ECU标签之间的第二更新映射来训练ML模型。

4.根据权利要求2所述的计算装置，所述指令当由处理器执行时，配置所述装置用于响应于ML模型的准确度小于或等于准确度阈值的确定，确定是否所有的MID都包括在所述多个MID与所述多个ECU标签之间的更新映射中。

5.根据权利要求4所述的计算装置，所述指令当由处理器执行时，配置所述装置用于：

响应于所有的MID都不包括在所述多个MID与所述多个ECU标签之间的更新映射中的确定，基于重叠阈值来确定所述多个MID中的任一个是否重叠；

响应于基于增加的重叠阈值MID中的一些重叠的确定，将所述多个MID中的重叠MID折叠成所述多个ECU标签中的一个，以生成在所述多个MID与所述多个ECU标签之间的第二更新映射；以及

针对在所述多个MID与所述多个ECU标签之间的第二更新映射来训练ML模型。

6.根据权利要求4所述的计算装置，所述指令当由处理器执行时，配置所述装置用于在入侵检测系统（IDS）中部署经训练的ML模型，以响应于所有MID都包括在所述多个MID与所述多个ECU标签之间的第二更新映射中的确定，建立用于入侵检测系统的基准真值。

7.根据权利要求2所述的计算装置，其中，ML模型是监督分类器。

8.根据权利要求2所述的计算装置，其中，总线是车载网络。

9.根据权利要求2所述的计算装置，其中，准确度是ML模型的召回率、ML模型的F1分数或ML模型的精度。

10.一种方法，包括：

训练机器学习（ML）模型以从与总线上传输的消息的多个消息标识（MID）相关联的电压特征推断多个电子控制单元（ECU）标签中的一个；

基于重叠阈值确定所述多个MID中的一些是否重叠；

响应于所述多个MID中的一些重叠的确定，将所述多个MID中的重叠MID折叠成所述多个ECU标签中的一个，以生成MID和ECU标签之间的更新映射；以及

针对在所述多个MID与所述多个ECU标签之间的更新映射来训练ML模型。

11.根据权利要求10所述的方法，包括确定ML模型的准确度是否小于或等于准确度阈值。