[发明专利]基于自编码器和递归神经网络的车载系统入侵检测方法有效

专利信息
申请号: 202010053614.1 申请日: 2020-01-17
公开(公告)号: CN111294341B 公开(公告)日: 2021-12-28
发明(设计)人: 李飞;章嘉彦;李如翔;宋佳琦;周启杨 申请(专利权)人: 成都信息工程大学
主分类号: H04L29/06 分类号: H04L29/06;H04L29/08;G06N3/08;G06N3/04
代理公司: 北京轻创知识产权代理有限公司 11212 代理人: 刘红阳
地址: 610225 四川省成都*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 编码器 递归 神经网络 车载 系统 入侵 检测 方法
【说明书】:

发明属于深度学习与智能网联车通信及其信息安全技术领域,公开了一种基于自编码器和递归神经网络的车载系统入侵检测方法,通过利用USB转CAN线连接至OBD‑II端口收集车辆相关CAN总线数据;通过将所收集的结果进行标准化操作后作为自编码器的输入,利用自编码器来实现对数据特征的自主学习和特征降维;随后利用自编码的输出作为递归神经网络的输入来对车辆的行为进行相应的分类学习过程,并利用SoftMax分类器来完成对汽车行为异常与否的判断。本发明利用基于时间的反向传播算法来实现对模型参数的自主优化和更新,以此来整体提升对车辆边界行为的高效检测,同时降低车载入侵检测系统的误报率。

技术领域

本发明属于深度学习与智能网联车通信及其信息安全技术领域,尤其涉及一种基于自编码器和递归神经网络的车载系统入侵检测方法。

背景技术

目前,最接近的现有技术:当今社会,随着互联网技术和物联网技术的不断发展,将互联网技术与各式各样的智能设备相结合成了当前网络技术的发展要点。智能网联车的出现便是这两个技术相结合的产物。智能网联车作为汽车产业当今的核心,已经成为了未来汽车行业发展的方向。相关的汽车网络安全也成为了当今现有技术的重要举措。

目前,很多汽车厂商遭到漏洞威胁,越来越多汽车相关的漏洞取得了CVE编号,攻击面从汽车终端到云端均有涉及,对汽车厂商及供应商造成了极大地影响,暴露出来的问题层出不穷,因此信息安全产业不断地推出针对汽车安全防护的解决方案及产品,由于车联网信息安全产业刚刚起步,针对的方向很片面,没有进行车载系统方面较为全局的入侵检测模型。

综上所述,现有技术存在的问题是:(1)现有技术中,没有建立安全可靠的汽车电子系统架构,不能满足开放式网络互联环境下的安全需求,造成不能部署有效措施防范安全风险。

(2)现在对智能网联车信息安全的研究过于片面,即仅仅针对于车联网网络、或是基于云端方面,较少对车辆某一部件或是车载信息系统的研究。

(3)现在针对智能网联车入侵检测的研究均是仅考虑和使用传统的密码技术或是统计技术来对车辆外部入侵行为进行防范,没有考虑汽车通信拓扑环境复杂情况下所可能带来问题,如非入侵行为下导致的汽车参数异常问题等。

(4)针对于现有的入侵检测模型中,如基于互联网或是局域网的入侵检测方法,对于现有的汽车内部网络实用性较差。而现有的针对某些车内网络的检测方法,通常是基于汽车行为统计建模或是基于特征码或是签名的入侵检测模型,难以在汽车遇到非异常的特殊情况时对汽车的实时情况进行预判,从而导致模型具有较高的误报率。同时,现有的大量方法都缺乏对于汽车上不同特征数据之间相关性和时序性之间分析,仅依靠简单的神经网络方法难以实现对高维数据的特征提取和相关建模,整体降低了方法的警报率。

解决上述技术问题的难度:当前智能网联车环境较不成熟,且相关实验数据缺乏。

解决上述技术问题的意义:类似于互联网入侵检测的出现,智能网联车车载系统的复杂性以及不确定性一定不亚于互联网相关设备,也一定会出现应接不暇的各种攻击,智能网联车的入侵检测是智能网联车信息安全未来的趋势,本发明在网联车信息安全方面起未雨绸缪的作用。

发明内容

针对现有技术存在的问题,本发明提供了一种基于自编码器和递归神经网络的车载系统入侵检测方法。

本发明是这样实现的,一种基于自编码器和递归神经网络的车载系统入侵检测方法,所述基于自编码器和递归神经网络的车载系统入侵检测方法包括:

第一步,通过利用USB转CAN线连接至OBD-II端口收集车辆相关CAN总线数据;

第二步,将所收集的车辆相关CAN总线数据结果进行标准化操作后作为自编码器的输入,利用自编码器对输入的标准化操作数据进行数据特征的自主学习和特征降维;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都信息工程大学,未经成都信息工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010053614.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top