公开(公告)号：CN119051882B

公开(公告)日：2025-01-10

申请号：CN202410917168.2

申请日：2024-07-10

Applicant: 重庆大学

Inventor： 杨正益 ,  刘炼 ,  刘轩 ,  张秋婧 ,  冯羽佳 ,  牟镜吉 ,  周永佳 ,  王晓伟 ,  刘旭

IPC: H04L9/40 ,  G06N3/08 ,  G06N3/045

Abstract: 本发明提供了一种基于深度学习的智能网联汽车车载网络异常检测方法。该方法包括：获取车载网络中每个ECU在时间步长t之前预设时间窗口内的消息时间序列；获取车载网络在时间步长t之前预设时间窗口内的网络状态时间序列；输入消息时间序列至LSTM预测网络获得消息时间序列对应的ECU在时间步长t的预测消息；输入网络状态时间序列至ConvLSTM预测网络获得车载网络在时间步长t的预测网络状态；融合预测网络状态和所有ECU的预测消息，获得时间步长t的融合网络状态；基于融合网络状态和实际网络状态计算预测误差；输入预测误差至高斯朴素贝叶斯分类器，获得步长t的异常检测结果。本发明能够提高车载网络异常检测的准确性。

公开(公告)号：CN119051882A

公开(公告)日：2024-11-29

申请号：CN202410917168.2

申请日：2024-07-10

Applicant: 重庆大学

Inventor： 杨正益 ,  刘炼 ,  刘轩 ,  张秋婧 ,  冯羽佳 ,  牟镜吉 ,  周永佳 ,  王晓伟 ,  刘旭

IPC: H04L9/40 ,  G06N3/08 ,  G06N3/045

Abstract: 本发明提供了一种基于深度学习的智能网联汽车车载网络异常检测方法。该方法包括：获取车载网络中每个ECU在时间步长t之前预设时间窗口内的消息时间序列；获取车载网络在时间步长t之前预设时间窗口内的网络状态时间序列；输入消息时间序列至LSTM预测网络获得消息时间序列对应的ECU在时间步长t的预测消息；输入网络状态时间序列至ConvLSTM预测网络获得车载网络在时间步长t的预测网络状态；融合预测网络状态和所有ECU的预测消息，获得时间步长t的融合网络状态；基于融合网络状态和实际网络状态计算预测误差；输入预测误差至高斯朴素贝叶斯分类器，获得步长t的异常检测结果。本发明能够提高车载网络异常检测的准确性。