[发明专利]用于检测异常的方法和装置在审

专利信息
申请号: 202111293053.3 申请日: 2020-03-02
公开(公告)号: CN114019940A 公开(公告)日: 2022-02-08
发明(设计)人: 郭青龙 申请(专利权)人: 阿波罗智联(北京)科技有限公司
主分类号: G05B23/02 分类号: G05B23/02
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100176 北京市大兴区经济*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 检测 异常 方法 装置
【权利要求书】:

1.一种用于检测异常的方法,包括:

获取待检测车载网络的待检测控制器局域网CAN消息,其中,CAN消息包括正常CAN消息和异常CAN消息,所述正常CAN消息包括车辆上的各种传感器数据或控制车辆行驶的各种指令消息;

将所述待检测CAN消息转化为N维空间上的待检测点;

将所述待检测点输入至所述待检测车载网络的预先训练的CAN消息分布模型,得到所述待检测点的分布情况;

基于所述待检测点的分布情况,生成所述待检测CAN消息的异常检测结果;

其中,所述将所述待检测CAN消息转化为N维空间上的待检测点,包括:

将所述待检测CAN消息划分为N部分,其中,所述待检测CAN消息是M位二进制数,所述N部分中的每部分包括至少一位二进制数;

将所述N部分中的每部分转化为十进制数,生成所述待检测CAN消息对应的N维坐标点。

2.根据权利要求1所述的方法,其中,所述CAN消息分布模型通过如下步骤训练:

获取训练样本集,其中,所述训练样本集中的训练样本包括所述待检测车载网络的正常CAN消息;

将所述训练样本集转化为所述N维空间上的点集;

基于所述点集训练出所述点集的范围分布表达式,作为所述CAN消息分布模型。

3.根据权利要求2所述的方法,其中,所述基于所述点集训练出所述点集的范围分布表达式,作为所述CAN消息分布模型,包括:

在所述N维空间上确定包含所述点集的封闭几何图形,以及将所述封闭几何图形作为所述CAN消息分布模型。

4.根据权利要求3所述的方法,其中,所述在所述N维空间上确定包含所述点集的封闭几何图形,以及将所述封闭几何图形作为所述CAN消息分布模型,包括:

在所述N维空间上学习所述点集的几何边界的表达式,将所述几何边界的表达式作为所述CAN消息分布模型。

5.一种用于检测异常的装置,包括:

获取单元,被配置成获取待检测车载网络的待检测控制器局域网CAN消息,其中,CAN消息包括正常CAN消息和异常CAN消息,所述正常CAN消息包括车辆上的各种传感器数据或控制车辆行驶的各种指令消息;

转化单元,被配置成将所述待检测CAN消息转化为N维空间上的待检测点;

输入单元,被配置成将所述待检测点输入至所述待检测车载网络的预先训练的CAN消息分布模型,得到所述待检测点的分布情况;

生成单元,被配置成基于所述待检测点的分布情况,生成所述待检测CAN消息的异常检测结果;

其中,所述转化单元包括:

划分模块,被配置成将所述待检测CAN消息划分为N部分,其中,所述待检测CAN消息是M位二进制数,所述N部分中的每部分包括至少一位二进制数;

生成模块,被配置成将所述N部分中的每部分转化为十进制数,生成所述待检测CAN消息对应的N维坐标点。

6.根据权利要求5所述的装置,其中,所述CAN消息分布模型通过如下步骤训练:

获取训练样本集,其中,所述训练样本集中的训练样本包括所述待检测车载网络的正常CAN消息;

将所述训练样本集转化为所述N维空间上的点集;

基于所述点集训练出所述点集的范围分布表达式,作为所述CAN消息分布模型。

7.根据权利要求6所述的装置,其中,所述基于所述点集训练出所述点集的范围分布表达式,作为所述CAN消息分布模型,包括:

在所述N维空间上确定包含所述点集的封闭几何图形,以及将所述封闭几何图形作为所述CAN消息分布模型。

8.根据权利要求7所述的装置,其中,所述在所述N维空间上确定包含所述点集的封闭几何图形,以及将所述封闭几何图形作为所述CAN消息分布模型,包括:

在所述N维空间上学习所述点集的几何边界的表达式,将所述几何边界的表达式作为所述CAN消息分布模型。

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阿波罗智联(北京)科技有限公司,未经阿波罗智联(北京)科技有限公司许可,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/202111293053.3/1.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