申请/专利权人：重庆长安汽车股份有限公司

申请日：2022-08-09

公开（公告）日：2024-05-07

公开（公告）号：CN115499159B

主分类号：H04L9/40

分类号：H04L9/40;H04L12/40;H04L67/12

优先权：

专利状态码：有效-授权

法律状态：2024.05.07#授权;2023.01.03#实质审查的生效;2022.12.20#公开

摘要：本申请涉及车辆技术领域，特别涉及一种CAN信号异常检测方法、装置、车辆及存储介质，其中，方法包括：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；根据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，并通过最优检测模型预测待检测数据的异常概率值，在异常概率值小于或等于预设阈值时，判定待检测数据为异常数据，其中，预设的异常信号检测模型由目标CAN数据训练得到。由此，解决了异常数据识别率低，且依赖大量人工特征工程构建工作的问题，提高识别效率。

主权项：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；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；所述预设的交叉熵损失函数为： 其中，样本x,y＝{x1,y1,x2,y2,…,xN,yN}，yi∈[0,1]，为预测概率值，i∈[1,N]，N为自然数。

全文数据：

权利要求：

百度查询： 重庆长安汽车股份有限公司 CAN信号异常检测方法、装置、车辆及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD