[发明专利]用于检测异常的方法和装置

说明书

本申请实施例公开了用于检测异常的方法和装置。该方法的一具体实施方式包括：获取待检测车载网络的待检测控制器局域网CAN消息；将待检测CAN消息转化为N维空间上的待检测点；将待检测点输入至待检测车载网络的预先训练的CAN消息分布模型，得到待检测点的分布情况；基于待检测点的分布情况，生成待检测CAN消息的异常检测结果。该实施方式将CAN消息转化为N维空间上的点，基于点的分布情况对CAN消息进行异常检测，提高了异常检测的准确度，有助于阻止车辆入侵事件的发生。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于检测异常的方法和装置。

背景技术

车载网络CAN(Controller Area Network，控制器局域网)消息边界检测技术是能够检测在车载网络中传输的不符合当前车型DBC文档规定的异常CAN消息的技术。在当今互联网的浪潮中，车联网、自动驾驶等技术相继出现，带来了巨大的价值。但是与此同时不断发生的“黑客”通过网络技术袭击车辆的事件，也让人们认识到了它的安全风险。车载网络作为车辆信息安全的最后一道防线，其信息安全显得尤为重要。

目前，CAN消息边界检测技术普遍采用如下两种方案来解决。其一，使用深度学习预测。该方案使用DNN(Deep Neural Networks，深度神经网络)等深度学习技术，通过对收集到的CAN消息进行模型训练，利用当前历史最新的一定数量的CAN消息来预测未来下一条CAN消息，然后将预测的CAN消息与实际接收到的CAN消息进行比较，确定是否在能够接受的误差范围内，从而判断当前CAN消息是否异常。然而，该方案与CAN消息的时序有关，而车载网络的很多CAN消息是人为触发的，不具有规律性，其检测准确率较低。其二，使用硬编码来判断。该方案是利用DBC文档规定的CAN消息格式，采用程序设计语言来进行逻辑判断是否符合DBC文档规定的消息格式，从而识别出异常CAN消息。然而，该方案仅在已知CAN消息格式的情况下，能够高可靠的识别异常CAN消息，但是大部分无法得到CAN消息的具体格式的场景下无法应用，其应用范围有限。

发明内容

本申请实施例提出了用于检测异常的方法和装置。

第一方面，本申请实施例提出了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；将待检测CAN消息转化为N维空间上的待检测点；将待检测点输入至待检测车载网络的预先训练的CAN消息分布模型，得到待检测点的分布情况；基于待检测点的分布情况，生成待检测CAN消息的异常检测结果。

在一些实施例中，将待检测CAN消息转化为N维空间上的待检测点，包括：对待检测CAN消息进行数据维度划分和归一化处理，生成N维空间上的待检测点。

在一些实施例中，对待检测CAN消息进行数据维度划分和归一化处理，生成N维空间上的待检测点，包括：将待检测CAN消息划分为N部分，其中，待检测CAN消息是M位二进制数，N部分中的每部分包括至少一位二进制数；将N部分中的每部分转化为十进制数，生成待检测CAN消息对应的N维坐标点。

在一些实施例中，CAN消息分布模型通过如下步骤训练：获取训练样本集，其中，训练样本集中的训练样本包括待检测车载网络的正常CAN消息；将训练样本集转化为N维空间上的点集；基于点集训练出点集的范围分布表达式，作为CAN消息分布模型。

在一些实施例中，基于点集训练出点集的范围分布表达式，作为CAN消息分布模型，包括：在N维空间上确定包含点集的封闭几何图形，以及将封闭几何图形作为CAN消息分布模型。

在一些实施例中，在N维空间上确定包含点集的封闭几何图形，以及将封闭几何图形作为CAN消息分布模型，包括：在N维空间上学习点集的几何边界的表达式，将几何边界的表达式作为CAN消息分布模型。