[發明專利]一種基于網絡安全的車聯網數據態勢感知方法和裝置

有效

• 申請號: 201910588117.9
• 申請日: 2019-07-02
• 公開（公告）號: CN110324336B
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 李飛;張鵬飛;廖祖奇;章嘉彥;李如翔
• 申請（專利權）人: 成都信息工程大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/24;H04L29/08
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 吳東勤

1.一種基于網絡安全的車聯網數據態勢感知方法，其特征在于，所述基于網絡安全的車聯網數據態勢感知方法包括：

第一步，對單個車狀態相關信息進行分析：選擇因素集U和評語集V；確定各個因素評價向量；利用AHP層次分析法確定因素集中各因素的權重向量，進行模糊分析運算；

具體包括：對單個車狀態相關信息進行分析的方法包括：

(1)選擇因素集U和評語集V；

因素集U＝{T-Box、CAN總線、OBD接口、ECU、車載操作系統、IVI、OAT、傳感器、多功能汽車鑰匙}，其中，T-Box為u1，CAN總線為u2，OBD接口為u3，ECU為u4，車載操作系統為u5，IVI為u6，OAT為u7，傳感器為u8，多功能汽車鑰匙為u9；

評定等級分為五個等級，評語集為V＝{正常(v1)、比較安全(v2)、基本安全(v3)、不安全(V4)、危險(v5)}；

(2)確定各個因素評價向量：

感知層得到的數據對影響車輛安全的因素集U進行評價；

每一種部件為一種攻擊載體，通過每一種攻擊載體的安全性包括的部件漏洞及其危險性、agent收集的當前與攻擊載體相關的狀態對某個攻擊載體的安全性進行分析；得到T-Box(u1)評價向量為(0.05，0.15，0.15，0.6，0.05)；

攻擊載體分析模型表示為F(漏洞庫相關，Agent狀態信息)＝評價向量；

對其他安全因素的評價向量分別為u2(0.2，0.15，0.15，0.3，0.2)、u3(0，0.1，0.3，0.4，0.2)、u4(0.5，0.3，0.1，0.05，0.15)、u5(0.1，0.2，0.4，0.1，0.2)、u6(0.2，0.1，0.3，0.1，0.3)、u7(0.2，0.1，0.2，0.3，0.2)、u8(0.6，0.1，0.1，0.1，0.1)、u9(0.3，0.2，0.25，0.15，0.1)；

根據以上九個因素的評價向量，構造模糊評價矩陣R：

(3)AHP層次分析法確定因素集中各因素的權重向量：

計算各列之和；

各列的每個元素去除以每列的和，得到正規化矩陣，除后每個元素的值即為各自的權重；

根據正規化原則去獲取矩陣的特征向量以及對應的最大特征根λ_max；

用C.R驗證矩陣的一致性，若通過，則特征向量為因素的權重值；

最終得到權重向量W_1×9；

(4)模糊分析運算：

根據已獲得的汽車的評價矩陣和各個攻擊載體的安全指標的權重向量，則單輛車的安全分析模型為：M_1×5＝W_1×9R_9×5；

設置加權向量為{0.4，0.3，0.2，0.1，0}；最終得到的單輛車態勢值取值為[0，1]；

第二步，對車所在區域安全整體態勢進行分析：在感知層次獲取標識地區的數據，由標識地區的數據得到區域標簽；得到如下集合：集合s＝{V₁，V₂，V₃，V₄...V_n}，表示一個地區內車輛態勢的集合，其中V_i表示區域內某一輛汽車的態勢取值；

所述區域及整體分析的方法進一步包括：

將所有汽車分為a種類別，則不同類別的權重向量為在一個區域內，若為i類別的車輛有n_i輛，在一個區域內，第i類別中的第j輛車的態勢表示為V_ij，區域態勢值Z表示為：

第三步，對總體區域的態勢進行分析得出車聯網整體態勢值；總體態勢分析方法包括：

將第i級城市的權重值表示為w_i(w₁+w₂+w₃+w₄＝1)，分別設i級城市中含有區域的數量為N_i，則第i級城市中的第j個區域的態勢值表示為Z_ij，總體態勢值為：

最終得出對車聯網整體態勢值T∈[0，100]；

第四步，進行車聯網整體態勢值趨勢預測，采用馬爾科夫鏈對區域態勢進行預測，根據統計數據得到狀態轉移矩陣，獲得穩定的態勢的概率；

態勢值趨勢預測的方法包括：

某區域態勢是一個連續數值Z，這里采用等寬法對其進行離散化，具體采用如下分段函數S進行離散化；

如上述公式，某一時刻區域的態勢值劃分為五個等級：正常、比較安全、基本安全、不安全、危險；分別用1～5表示這五個狀態；p_ij表示i狀態像j狀態轉移的概率；

采用馬爾科夫鏈對區域態勢進行預測，根據統計數據得到狀態轉移矩陣，即

若在t₁時刻狀態為5，下一個時刻的某一狀態的概率為

t₂＝[p₅₁，p₅₂，p₅₃，p₅₄，p₅₅]；

t₃時刻的狀態概率為

通過分析馬爾科夫鏈的穩態性得出按照當時發展最終穩定態勢的概率。