[發明專利]車載網絡虛假信息注入異常行為檢測方法

在審

• 申請號: 202110321628.1
• 申請日: 2021-03-25
• 公開（公告）號: CN113098853A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 冀浩杰;于海洋;楊燦;張俊杰;徐遲
• 申請（專利權）人: 北京航空航天大學合肥創新研究院;北京航空航天大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06K9/62;G06N3/04;G06N3/08;H04L29/08
• 代理公司: 廣州容大知識產權代理事務所(普通合伙) 44326
• 代理人: 劉新年

1.一種車載網絡虛假信息注入異常行為檢測方法，其特征在于：包括如下步驟：

步驟1，根據CNN網絡的基本結構，結合車載網絡檢測數據的特征，建立基于車載網絡異常檢測的CNN網絡，

步驟2，通過CNN網絡提取車載網絡檢測數據的特征；

步驟3，通過車載網絡攻擊實驗平臺，借助數據采集設備對實車進行數據采集，并通過仿真測試軟件對采集的正常數據進行分析，從而得到車載網絡虛假信息注入的異常數據集，完成車載網絡虛假信息注入異常行為檢測；

其中，對CNN算法超參數進行模型訓練，選擇車載網絡中固定周期發送的報文及其字段內容，通過構建車載網絡異常模型進行分類算法分析，按照實際報文變化規則構建異常數據集。

2.根據權利要求1所述的車載網絡虛假信息注入異常行為檢測方法，其特征在于：所述步驟2中提取車載網絡檢測數據特征的方式為結合汽車電子元器件、車載網絡通信協議、駕駛場景的信息，分析車載網絡通信數據存在的部分特征。

3.根據權利要求1或2所述的車載網絡虛假信息注入異常行為檢測方法，其特征在于：所述步驟2中的部分特征的提取的過程中先根據報文時序的信號特征選擇漢明距離與CNN網絡進行異常行為的分類與檢測。

4.根據權利要求1或2所述的車載網絡虛假信息注入異常行為檢測方法，其特征在于：所述步驟1中的CNN網絡包括5個層級結構：輸入層、卷積層、激活層、池化層和輸出層，并且采用CNN網絡進行數據特征的自學習和分類的具體步驟如下：

步驟11，在輸入層對數據進行預處理，將輸入數據的二維矩陣轉化為三維矩陣；

步驟12，通過卷積層進行局部感知，提取數據特征；

步驟13，在激勵層利用ReLU函數對卷積層的輸出結果做非線性映射；

步驟14，在池化層進行特征降維，壓縮數據和參數的數量，減小過擬合，同時提高模型的容錯性；

步驟15，在全連接層將前面從不同角度生成的網絡流量特征綜合到一起，將學習到的多個特征映射到樣本標記空間；

步驟16，采用softmax函數輸出最終分類，判斷輸出的二維測試集標識矩陣是否異常，實現對車載網絡中數據特征的自學習和分類。

5.根據權利要求1或2所述的車載網絡虛假信息注入異常行為檢測方法，其特征在于：所述CNN算法超參數包括epoch、迭代次數、時間開銷、小批量損失、小批量精度和基本學習率。

6.根據權利要求5所述的車載網絡虛假信息注入異常行為檢測方法，其特征在于：所述按照實際報文變化規則構建異常數據集的步驟如下：

步驟4，首先選擇字段內容為某一固定周期變化的報文，通過構建異常模型進行分類算法分析；

步驟5，然后將單精度數值的時間戳轉化為二進制數列，轉化方式為將整數部分整除2，依次取余數，然后從高位到低依次排列，小數部分乘以2，依次取整數部分，然后按倒序排列；

步驟6，最后根據預處理的數列矩陣進行不同分類算法的異常檢測與分析對比，構建異常數據集。