[發(fā)明專利]基于智能網(wǎng)聯(lián)汽車的安全態(tài)勢(shì)感知方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010512660.3
• 申請(qǐng)日: 2020-06-08
• 公開(kāi)（公告）號(hào): CN113839904B
• 公開(kāi)（公告）日: 2023-08-22
• 發(fā)明（設(shè)計(jì)）人: 闞志剛;袁森;盧佐華;陳彪
• 申請(qǐng)（專利權(quán)）人: 北京梆梆安全科技有限公司
• 主分類號(hào): H04L9/40
• 分類號(hào): H04L9/40;H04L67/12;H04L41/142;H04L12/40;G06F18/214;G06F18/241;G06N20/00;G06N20/10
• 代理公司: 北京國(guó)昊天誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 11315
• 代理人: 朱文杰

1.一種基于智能網(wǎng)聯(lián)汽車的安全態(tài)勢(shì)感知方法，其特征在于，包括：

獲取預(yù)設(shè)探針采集的智能網(wǎng)聯(lián)汽車的目標(biāo)信息；所述目標(biāo)信息包括：CAN總線的信號(hào)、MCU的網(wǎng)絡(luò)流量信息和所述MCU的運(yùn)行狀態(tài)信息中的至少一種；

根據(jù)預(yù)設(shè)異常檢測(cè)規(guī)則，檢測(cè)所述目標(biāo)信息中是否存在異常信息；

若存在異常信息，將所述目標(biāo)信息中的待檢測(cè)信息輸入至訓(xùn)練好的異常檢測(cè)模型，得到所述目標(biāo)信息中的待檢測(cè)信息的異常檢測(cè)結(jié)果；其中，所述待檢測(cè)信息包括所述目標(biāo)信息中除所述異常信息以外的信息；

根據(jù)所述異常信息和所述異常檢測(cè)結(jié)果，進(jìn)行信息安全狀態(tài)評(píng)估，以得到所述智能網(wǎng)聯(lián)汽車的安全事件態(tài)勢(shì)。

2.如權(quán)利要求1所述的方法，其特征在于，所述獲取預(yù)設(shè)探針采集的智能網(wǎng)聯(lián)汽車的目標(biāo)信息，包括：

獲取預(yù)設(shè)信號(hào)探針捕捉的所述CAN總線上的信號(hào)，其中，所述預(yù)設(shè)信號(hào)探針預(yù)先部署于所述智能網(wǎng)聯(lián)汽車的網(wǎng)關(guān)中；和/或，獲取預(yù)設(shè)流量探針檢測(cè)的所述MCU的網(wǎng)絡(luò)流量信息，其中，所述預(yù)設(shè)流量探針預(yù)先部署于所述智能網(wǎng)聯(lián)汽車中的網(wǎng)關(guān)中；和/或，獲取預(yù)設(shè)運(yùn)行狀態(tài)探針采集的所述MCU的運(yùn)行狀態(tài)信息，其中，所述預(yù)設(shè)運(yùn)行狀態(tài)探針預(yù)先部署于所述智能網(wǎng)聯(lián)汽車中的MCU中。

3.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)預(yù)設(shè)異常檢測(cè)規(guī)則，檢測(cè)所述目標(biāo)信息中是否存在異常信息，包括：

根據(jù)預(yù)設(shè)信號(hào)白名單和預(yù)設(shè)信號(hào)傳輸規(guī)則，檢測(cè)所述CAN總線的信號(hào)中是否存在不在所述預(yù)設(shè)信號(hào)白名單中和不滿足所述預(yù)設(shè)信號(hào)傳輸規(guī)則的異常信號(hào)；

基于深度包檢測(cè)技術(shù)和預(yù)設(shè)異常流量檢測(cè)規(guī)則，檢測(cè)所述MCU的網(wǎng)絡(luò)流量信息中是否存在不滿足所述預(yù)設(shè)異常流量檢測(cè)規(guī)則的異常流量；

所述異常信息包括所述異常信號(hào)和所述異常流量。

4.如權(quán)利要求3所述的方法，其特征在于，所述運(yùn)行狀態(tài)信息包括：進(jìn)程信息、系統(tǒng)日志和網(wǎng)絡(luò)連接信息，則，所述根據(jù)預(yù)設(shè)異常檢測(cè)規(guī)則，檢測(cè)所述目標(biāo)信息中是否存在異常信息，包括：

基于預(yù)設(shè)進(jìn)程白名單和預(yù)設(shè)資源占用率閾值，分析所述進(jìn)程信息和系統(tǒng)日志，檢測(cè)是否存在不在所述預(yù)設(shè)進(jìn)程白名單中和資源占用率達(dá)到所述預(yù)設(shè)資源占用率閾值的異常進(jìn)程；

根據(jù)預(yù)設(shè)路由和所述網(wǎng)絡(luò)連接信息，檢測(cè)MCU上應(yīng)用程序的網(wǎng)絡(luò)連接中是否存在不在所述預(yù)設(shè)路由中的異常連接；

所述異常信息包括所述異常進(jìn)程和所述異常連接。

5.如權(quán)利要求1所述的方法，其特征在于，所述訓(xùn)練好的異常檢測(cè)模型為基于機(jī)器學(xué)習(xí)算法訓(xùn)練得到的異常檢測(cè)模型，則，將所述目標(biāo)信息中的待檢測(cè)信息輸入至訓(xùn)練好的異常檢測(cè)模型，得到所述目標(biāo)信息中的待檢測(cè)信息的異常檢測(cè)結(jié)果，包括：

基于所述待檢測(cè)信息生成輸入特征信息，并輸入至所述訓(xùn)練好的異常檢測(cè)模型中；

通過(guò)所述訓(xùn)練好的異常檢測(cè)模型，輸出所述待檢測(cè)信息的異常檢測(cè)結(jié)果。

6.如權(quán)利要求1所述的方法，其特征在于，根據(jù)所述異常信息和異常檢測(cè)結(jié)果，進(jìn)行信息安全狀態(tài)評(píng)估，以得到所述智能網(wǎng)聯(lián)汽車的安全事件態(tài)勢(shì)，包括：

根據(jù)預(yù)設(shè)安全性評(píng)估標(biāo)準(zhǔn)，對(duì)所述異常信息進(jìn)行量化評(píng)估，得到評(píng)估值；

對(duì)所述評(píng)估值和所述異常檢測(cè)結(jié)果進(jìn)行加權(quán)求和，得到態(tài)勢(shì)感知指數(shù)；其中，所述態(tài)勢(shì)感知指數(shù)用于指示所述智能網(wǎng)聯(lián)汽車的安全事件的安全事件態(tài)勢(shì)，所述安全事件包括與所述異常信息和/或所述異常檢測(cè)結(jié)果對(duì)應(yīng)的事件。

7.如權(quán)利要求6所述的方法，其特征在于，所述方法還包括：

基于所述態(tài)勢(shì)感知指數(shù)，結(jié)合所述安全事件的產(chǎn)生時(shí)間、產(chǎn)生安全事件時(shí)所述智能網(wǎng)聯(lián)汽車的地理位置和所述智能網(wǎng)聯(lián)汽車的車輛信息，確定所述安全事件中具有信息安全風(fēng)險(xiǎn)的風(fēng)險(xiǎn)事件；

根據(jù)所述風(fēng)險(xiǎn)事件所對(duì)應(yīng)的態(tài)勢(shì)感知指數(shù)，進(jìn)行風(fēng)險(xiǎn)事件的預(yù)警。