[發(fā)明專利]一種基于決策樹的車載CAN總線異常檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910515204.1
• 申請(qǐng)日: 2019-06-14
• 公開（公告）號(hào): CN110365648A
• 公開（公告）日: 2019-10-22
• 發(fā)明（設(shè)計(jì)）人: 黃杰;丁艷軍
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): H04L29/06
• 分類號(hào): H04L29/06;H04L12/24;H04L12/40
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 康燕文

1.一種基于決策樹的車載CAN總線異常檢測(cè)方法，其特征在于，包括以下步驟：

(1)對(duì)預(yù)先獲取的車載CAN總線報(bào)文進(jìn)行預(yù)處理，擴(kuò)充樣本；

(2)生成車載CAN總線報(bào)文屬性，并標(biāo)記報(bào)文的狀態(tài)；

(3)生成車載CAN總線異常樣本；

(4)劃分車載CAN總線報(bào)文，得到訓(xùn)練樣本和測(cè)試樣本；

(5)將訓(xùn)練樣本集輸入到?jīng)Q策樹模型中進(jìn)行訓(xùn)練，生成車載CAN總線異常檢測(cè)模型。

2.根據(jù)權(quán)利要求1所述的一種基于決策樹的車載CAN總線異常檢測(cè)方法，其特征在于，所述步驟(3)包括以下步驟：

(31)根據(jù)ID隨機(jī)選擇一個(gè)樣本集合D；

(32)從樣本集合D中隨機(jī)的抽取一個(gè)樣本d，統(tǒng)計(jì)每個(gè)字節(jié)的最大值和最小值，隨機(jī)的改變數(shù)據(jù)域上的某一個(gè)或幾個(gè)連續(xù)的字節(jié)，每個(gè)字節(jié)的取值范圍是0～最小值和最大值～255，將改變后的樣本d’放入新的集合E中；

(33)將樣本d放回原始樣本集合D中；

(34)重復(fù)步驟(32)和(33)，直到生成的異常報(bào)文數(shù)量與正常報(bào)文的數(shù)據(jù)量相同。

3.根據(jù)權(quán)利要求1所述的一種基于決策樹的車載CAN總線異常檢測(cè)方法，其特征在于，所述按照50％異常樣本和50％的正常樣本的方式組合成測(cè)試報(bào)文樣本和訓(xùn)練報(bào)文樣本。

4.根據(jù)權(quán)利要求1所述的一種基于決策樹的車載CAN總線異常檢測(cè)方法，其特征在于，步驟(5)所述決策樹模型是以CART算法生成的決策樹模型，CART算法以基尼指數(shù)作為數(shù)據(jù)純度的度量指標(biāo)，基尼度公式為：

其中，D表示車載CAN總線報(bào)文樣本集合，k表示車載CAN總線報(bào)文類別，k＝1表示正常車載CAN總線報(bào)文樣本，k＝2表示異常車載總線報(bào)文樣本，p_k表示不同車載CAN總線類別的分布，p表示車載CAN總線報(bào)文正常樣本的概率；

CAN總線報(bào)文數(shù)據(jù)的基尼指數(shù)定義為：

其中，D¹和D²分別表示樣本D按照特征A是否取某個(gè)可能值a劃分出的兩個(gè)子集合，|D¹|和|D²|表示上述兩個(gè)子集合包含的樣本個(gè)數(shù)，|D|表示樣本D的樣本個(gè)數(shù)，屬性A的CAN總線報(bào)文基尼指數(shù)越小表示屬性A越適合作為最優(yōu)劃分屬性。

5.根據(jù)權(quán)利要求1所述的一種基于決策樹的車載CAN總線異常檢測(cè)方法，其特征在于，所述步驟(5)包括以下步驟：

(51)計(jì)算某一屬性對(duì)報(bào)文樣本的CAN總線報(bào)文基尼指數(shù)；

(52)在所有可能的屬性A以及它們所有可能的二值切分點(diǎn)a中，選擇CAN總線報(bào)文基尼指數(shù)最小的屬性及其對(duì)應(yīng)的二值切分點(diǎn)作為此次用于屬性劃分的最優(yōu)二值切分點(diǎn)和最優(yōu)屬性；

(53)根據(jù)最優(yōu)二值切分點(diǎn)和最優(yōu)屬性將當(dāng)前報(bào)文劃分為兩個(gè)子集合；

(54)遞歸的調(diào)用步驟(1)到(3)，當(dāng)沒有可分的屬性或者基尼指數(shù)為0停止調(diào)用，最終形成CAN總線決策樹模型。