[發明專利]基于物理層特征指紋的CAN總線識別方法及裝置

有效

• 申請號: 202011228824.6
• 申請日: 2020-11-06
• 公開（公告）號: CN112491677B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 趙彩丹;王藝霖;石明仙
• 申請（專利權）人: 廈門大學
• 主分類號: H04L12/40
• 分類號: H04L12/40;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廈門創象知識產權代理有限公司 35232
• 代理人: 尤懷成

本發明提出了一種基于物理層特征指紋的CAN總線識別方法及裝置，其中該方法包括：獲取閉集的CAN總線信號并進行預處理以得到訓練信號；采用時頻統計特征識別算法對訓練信號進行處理以提取多維統計特征；接著將多維統計特征輸入到多類監督學習的分類器中，以對閉集的CAN總線進行識別；再接著建立SigTLNet網絡模型；然后將訓練信號輸入到SigTLNet網絡模型以對SigTLNet網絡模型進行訓練，以得到訓練好的SigTLNet網絡模型；最后獲取開放集的CAN總線，并將開放集的CAN總線輸入到訓練好的SigTLNet網絡模型，以對開放集的CAN總線進行識別；由此，通過引入時頻統計特征識別算法與SigTLNet網絡識別認證算法，以實現閉集及開放集的CAN總線的識別，從而在降低識別時延的同時還提高了識別效果。

技術領域

本發明涉及通信技術領域，特別涉及一種基于物理層特征指紋的CAN總線識別方法、一種計算機可讀存儲介質、一種計算機設備以及一種基于物理層特征指紋的CAN總線識別裝置。

背景技術

相關技術中，空天地一體化車聯網絡的安全防護，除了實現對車輛節點與外部通信安全的保障，例如V2V、V2I、V2IoT等通信安全，還包括控制著車輛加速剎車等關鍵部件的CAN總線；因此無線連接的車載CAN總線網絡安全研究也至關重要。

傳統的射頻指紋識別分類過程大多需要對設備建立數據庫，完成閉集數據的識別；但在實際空天地一體化網絡環境中，由于車輛、無人機等節點數量龐大，建立數據庫的容量十分巨大且驗證時延較長，從而導致識別效果差。

發明內容

本發明旨在至少在一定程度上解決上述技術中的技術問題之一。為此，本發明的一個目的在于提出一種基于物理層特征指紋的CAN總線識別方法，該方法通過引入時頻統計特征識別算法與SigTLNet網絡識別認證算法，以實現閉集及開放集的CAN總線的識別，從而在降低識別時延的同時還提高了識別效果。

本發明的第二個目的在于提出一種計算機可讀存儲介質。

本發明的第三個目的在于提出一種計算機設備。

本發明的第四個目的在于提出一種基于物理層特征指紋的CAN總線識別裝置。

為達到上述目的，本發明第一方面實施例提出了一種基于物理層特征指紋的CAN總線識別方法，包括以下步驟：獲取閉集的CAN總線信號，并對所述閉集的CAN總線信號進行預處理，以得到預處理后的訓練信號；采用時頻統計特征識別算法對所述預處理后的訓練信號進行處理以提取所述預處理后的訓練信號的多維統計特征；將所述多維統計特征輸入到多類監督學習的分類器中，以對所述閉集的CAN總線進行識別；采用多層深度卷積神經網絡、改進的三元組損失函數和梯度剪裁模塊建立SigTLNet網絡模型；將所述預處理后的訓練信號輸入到所述SigTLNet網絡模型以對所述SigTLNet網絡模型進行訓練，以得到訓練好的SigTLNet網絡模型；獲取開放集的CAN總線，并將所述開放集的CAN總線輸入到所述訓練好的SigTLNet網絡模型，以對所述開放集的CAN總線進行識別。

根據本發明實施例的基于物理層特征指紋的CAN總線識別方法，首先獲取閉集的CAN總線信號，并對閉集的CAN總線信號進行預處理，以得到預處理后的訓練信號；再采用時頻統計特征識別算法對預處理后的訓練信號進行處理以提取預處理后的訓練信號的多維統計特征；接著將多維統計特征輸入到多類監督學習的分類器中，以對閉集的CAN總線進行識別；再接著采用多層深度卷積神經網絡、改進的三元組損失函數和梯度剪裁模塊建立SigTLNet網絡模型；然后將預處理后的訓練信號輸入到SigTLNet網絡模型以對SigTLNet網絡模型進行訓練，以得到訓練好的SigTLNet網絡模型；最后獲取開放集的CAN總線，并將開放集的CAN總線輸入到訓練好的SigTLNet網絡模型，以對開放集的CAN總線進行識別；由此，通過引入時頻統計特征識別算法與SigTLNet網絡識別認證算法，以實現閉集及開放集的CAN總線的識別，從而在降低識別時延的同時還提高了識別效果。