[发明专利]CAN信号异常检测方法、装置、车辆及存储介质

权利要求书

1.一种CAN信号异常检测方法，其特征在于，包括以下步骤：

采集车辆在多个不同形式状态下的CAN数据，并按照预设格式对每个CAN数据进行封装，得到多个封装CAN数据；

基于预设的身份标识白名单，筛选出满足预设合法条件的封装CAN数据，得到待检测数据；以及

根据所述待检测数据的标识信息从预设的异常信号检测模型中匹配最优检测模型，并通过所述最优检测模型预测所述待检测数据的异常概率值，在所述异常概率值小于或等于预设阈值时，判定所述待检测数据为异常数据，其中，所述预设的异常信号检测模型由目标CAN数据训练得到。

2.根据权利要求1所述的方法，其特征在于，在筛选出满足所述预设合法条件的封装CAN数据之后，还包括：

将所述封装CAN数据中十六进制表示的数据转化为二进制序列，得到转化CAN数据；

对所述转化CAN数据中数据量小于预设值的数据进行数据扩充，得到所述待检测数据。

3.根据权利要求2所述的方法，其特征在于，在根据所述待检测数据的标识信息从所述预设的异常信号检测模型中匹配所述最优检测模型之前，还包括：

采集所述车辆在不同形式状态下的所述目标CAN数据，并对所述目标CAN数据进行预处理，得到训练数据和测试数据；

通过Embeding层将所述训练数据中的二进制稀疏向量转化为稠密向量，输入到Bilstm层进行高级特征的提取；将所述Bilstm层提取到的特征与Attention层生成的权重向量按元素相乘，得到目标时刻状态的加权特征，并通过Sigmoid输出层得到第一输出结果；

以所述训练数据中未进行特征转化的十六进制数据序列作为Catboost模型的输入，得到第二输出结果；

对所述第一输出结果和所述第二输出结果进行加权融合得到初始异常信号检测模型；

基于预设的交叉熵损失函数和所述测试数据，评估所述初始异常信号检测模型，并根据评估结果对所述初始异常信号检测模型进行优化，得到所述预设的异常信号检测模型。

4.根据权利要求3所述的方法，所述对所述目标CAN数据进行预处理，得到训练数据和测试数据，包括：

将所述目标CAN数据中十六进制表示的数据转化为二进制序列，得到初始CAN训练数据；

对所述初始CAN训练数据的数据域进行修改，生成待训练数据；

将所述待训练数据中部分数据作为所述训练数据，剩余部分作为所述测试数据。

5.根据权利要求3所述的方法，其特征在于，所述预设的交叉熵损失函数为：

其中，样本(x,y)＝{(x₁,y₁),(x₂,y₂),…,(x_N,y_N)}，y_i∈[0,1]，为预测概率值，i∈[1,N]，N为自然数。

6.根据权利要求1所述的方法，其特征在于，在基于所述预设的身份标识白名单，筛选出满足所述预设合法条件的封装CAN数据之前，还包括：

根据车辆CAN数据的身份标识种类建立所述预设的身份标识白名单。

7.一种CAN信号异常检测装置，其特征在于，包括：

采集模块，用于采集车辆在多个不同形式状态下的CAN数据，并按照预设格式对每个CAN数据进行封装，得到多个封装CAN数据；

筛选模块，基于预设的身份标识白名单，筛选出满足预设合法条件的封装CAN数据，得到待检测数据；以及

判定模块，用于根据所述待检测数据的标识信息从预设的异常信号检测模型中匹配最优检测模型，并通过所述最优检测模型预测所述待检测数据的异常概率值，在所述异常概率值小于或等于预设阈值时，判定所述待检测数据为异常数据，其中，所述预设的异常信号检测模型由目标CAN数据训练得到。