[發明專利]一種車聯網漏洞管理方法及裝置

在審

• 申請號: 202310631982.3
• 申請日: 2023-05-31
• 公開（公告）號: CN116541851A
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 吳天海;魯滔
• 申請（專利權）人: 上海均勝普聯智能科技有限公司
• 主分類號: G06F21/57
• 分類號: G06F21/57;G06F21/56;G06N3/0464;G06N3/08
• 代理公司: 北京市萬慧達律師事務所 11111
• 代理人: 陳曉磊

1.一種車聯網漏洞管理方法，其特征在于，所述方法包括：

獲取待檢索漏洞的外部開源庫信息；

根據所述外部開源庫信息，確定對應的車聯網的初始漏洞信息；

根據預選特征信息，從所述初始漏洞信息中提取特征漏洞信息；

根據所述特征漏洞信息，基于預先訓練的匹配模型管理所述待檢索漏洞。

2.根據權利要求1所述的方法，其特征在于，所述根據所述外部開源庫信息，確定對應的車聯網的初始漏洞信息，包括：

獲取所述外部開源庫信息對應的網絡漏洞信息和車聯網標簽信息；

基于所述外部開源庫信息、所述網絡漏洞信息和所述車聯網標簽信息，得到所述初始漏洞信息。

3.根據權利要求1所述的方法，其特征在于，所述根據預選特征信息，從所述初始漏洞信息中提取特征漏洞信息，包括：

確定包含所述預選特征信息的初始漏洞信息為特征漏洞信息，并提取所述特征漏洞信息。

4.根據權利要求1所述的方法，其特征在于，所述根據所述特征漏洞信息，基于預先訓練的匹配模型管理所述待檢索漏洞，包括：

將所述特征漏洞信息輸入所述預先訓練的匹配模型，得到所述特征漏洞信息與所述外部開源庫信息的匹配度值；

根據所述匹配度值和預設匹配度閾值，管理所述待檢索漏洞。

5.根據權利要求4所述的方法，其特征在于，所述根據所述匹配度值和預設匹配度閾值，管理所述待檢索漏洞，包括：

當所述匹配度值大于所述預設匹配度閾值時，確定處理所述特征漏洞信息對應漏洞的操作用戶；

根據所述特征漏洞信息，生成漏洞票信息；

向所述操作用戶發送所述漏洞票信息，以使所述操作用戶根據所述漏洞票信息處理所述特征漏洞信息對應的漏洞。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

當所述匹配度值小于或等于預設匹配度閾值時，丟棄所述特征漏洞信息。

7.根據權利要求1至6任一項所述的方法，其特征在于，所述外部開源庫信息包括多種外部開源軟件；所述預選特征信息的確定方法包括：

提取每條初始漏洞信息的初始特征信息，所述初始特征信息包括多種外部開源軟件對應的不同類型的特征信息；

計算所述初始特征信息中多種外部開源軟件對應的不同類型的特征信息的相關系數；

根據所述多種外部開源軟件對應的不同類型的特征信息的相關系數，確定備選特征信息；

計算所述預備特征信息中任意兩種外部開源軟件對應的同種類型的特征信息的線性系數；

根據所述任意兩種外部開源軟件對應的同種類型的特征信息的線性系數，確定所述預選特征信息。

8.根據權利要求1至6中任一項所述的方法，其特征在于，所述根據所述特征漏洞信息，基于預先訓練的匹配模型管理所述待檢索漏洞之前，所述方法還包括：

獲取樣本數據，所述樣本數據為根據所述預選特征信息提取的測試漏洞信息；

將所述測試漏洞信息輸入卷積神經網絡，得到測試匹配值；

根據所述測試匹配值和預設匹配值，訓練所述卷積神經網絡，得到所述匹配模型。

9.根據權利要求8所述的方法，其特征在于，所述卷積神經網絡包括全連接層、下采樣層和卷積層；所述根據所述測試匹配值和預設匹配值，訓練所述卷積神經網絡，包括：

當所述測試匹配值和預設匹配值的差值大于預設閾值時，根據所述差值分別調整所述卷積神經網絡中全連接層、下采樣層和卷積層對應的權值；

將所述測試漏洞信息輸入調整后的卷積神經網絡，得到新的測試匹配值；

根據所述新的測試匹配值和預設匹配值，訓練所述調整后的卷積神經網絡，直至所述新的測試匹配值和預設匹配值的差值小于或等于預設閾值，結束訓練。

10.一種車聯網漏洞管理裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待檢索漏洞的外部開源庫信息；

確定模塊，用于根據所述外部開源庫信息，確定對應的車聯網的初始漏洞信息；

提取模塊，用于根據預選特征信息，從所述初始漏洞信息中提取特征漏洞信息；

管理模塊，用于根據所述特征漏洞信息，基于預先訓練的匹配模型管理所述待檢索漏洞。