对控制器局域网或者汽车以太网的数据分类的设备和方法技术

本发明专利技术涉及对控制器局域网或者汽车以太网络的数据分类的设备和方法。用于对尤其是用于控制器局域网或者汽车以太网的数据进行分类的设备和计算机实施的方法，其中接收（502）来自通信网络的多个消息，其中针对人工神经网络的多个输入模型中的分配给预先给定的消息类型的输入模型的输入变量，选出（504）具有所述预先给定的消息类型的消息，其中根据所述消息来确定（506）该输入变量，其中在人工神经网络的输出区域中输出预测，所述预测可用于根据所述输入变量对消息进行分类，或者输出输入变量的重构，所述重构可用于（510）根据该输入变量对消息进行分类。

【技术实现步骤摘要】
对控制器局域网或者汽车以太网的数据分类的设备和方法
本专利技术涉及一种用于对尤其是用于控制器局域网（ControllerAreaNetzwerk）或者汽车以太网（automotiveEthernetNetzwerk）的数据进行分类的设备和方法。
技术介绍
在车辆中，在控制设备之间经由控制器局域网或者以太网来交换数据。值得期望的是，可靠地识别出在经由这样的网络交换的数据中的异常。
技术实现思路
在许多车辆中，安装（verbaut）尤其是根据标准族ISO11898的控制器局域网。该网络在下文中称作CAN。CAN是串行现场总线系统，该串行现场总线系统允许微控制器、尤其是控制设备经由车辆中的CAN总线进行通信。在CAN总线上的数据业务（Datenverkehr）在此原则上可细分成两组：正常行为：正常行为描述了如在正常运行时（也就是在没有差错、故障、外部操纵或者诸如此类的情况下）发生的这种类型的数据。在正确工作的系统中，只有无差错的数据出现，并且各个数据一般而言都通过特定的（不仅是固定的而且是在时间上的）相互关本文档来自技高网...

【技术保护点】
1.一种用于对尤其是用于控制器局域网或者汽车以太网的数据进行分类的计算机实施的方法，其特征在于，接收（502）来自通信网络的多个消息，其中针对人工神经网络的多个输入模型（I

【技术特征摘要】
20190117 DE 102019200565.91.一种用于对尤其是用于控制器局域网或者汽车以太网的数据进行分类的计算机实施的方法，其特征在于，接收（502）来自通信网络的多个消息，其中针对人工神经网络的多个输入模型（IX1，...，IXn）中的分配给预先给定的消息类型（X）的输入模型（IX）的输入变量（vX），选出（504）具有所述预先给定的消息类型（X）的消息，其中根据所述消息来确定（506）所述输入变量（vX），其中在所述人工神经网络的输出区域（O）中，输出预测（vX’(t+1)），所述预测（vX’(t+1)）能够用于根据所述输入变量（vX(t)）对所述消息进行分类，或者输出输入变量（vX(t)）的重构，所述重构能够用于根据所述输入变量（vX(t)）对所述消息进行分类。


2.根据权利要求1所述的计算机实施的方法，其特征在于，所述人工神经网络训练成，根据所述通信网络中的网络业务的至少一部分来使得能够判定：所述通信网络以相对于其他可能的状态更高的概率处于多个可能的状态中的何种状态中。


3.根据上述权利要求中任一项所述的计算机实施的方法，其特征在于，根据多个预先给定的网络类型（X），多个消息作为针对多个输入模型（Ix）的输入变量被选出（504），其中消息类型（X）明确地分配给所述多个输入模型（IX）中的一个，其中所述多个输入模型（Ix）的输出被聚集（508）为所述输出区域（O）的输入。


4.根据权利要求3所述的计算机实施的方法，其特征在于，所述多个输入模型（Ix）实现为递归人工神经网络。


5.根据权利要求3或者4所述的计算机实施的方法，其特征在于，所述多个输入模型（Ix）的状态（sX）被聚集，尤其是通过将所述状态（sX）级联到向量或者张量（a）上来聚集。


6.根据上述权利要求中任一项所述的计算机实施的方法，其特征在于，针对第一时间步长（t）选出（504）第一输入变量（vX），其中根据所述第一输入变量（vX）确定（510）针对第二输入变量（vY(t+1)）的预测（vY’(t+1)），其中根据所述第二输入变量（vY(t+1)）与所述预测（vY’(t+1)）的比较（512）的结果，当所述结果满足限定异常的标准时，识别出（512）异常。


7.根据权利要求6所述的计算机实施的方法，其特征在于，根据针对所述预测（vY’(t+1)）与所述第二输入变量（vY(t+1)）的偏差的度量，限定所述结果，其中通过所述偏差的阈值来限定所述标准，其中当所述偏差的所述度量超过所述阈值时，识别出（512）异常。


8.一种用于对通信网络中的尤其是用于控制器局域网或者汽车以太网的数据进行分类的设备，其特征在于，所述设备包括人工神经网络，其中所述人工神经网络包括针对输入变量（vX）的输入模型（IX）并且包括输出区域（O），其中所述设备包括选出装置（304），所述选出装置（304）构造为，针对所述输入变量（vX）选出来自所述通信网络的具有预先给定的消息类型（X）的消息，并且其中所述输出区域（O）构造为，输出预测（vX’(t+1)），所述预测（vX’(t+1)）能够用于根据所述输入变量（vX(t)）对所述消息进行分类，或者输出输入变量（vX(t)）的重构，所述重构能够用于根据所述输入变量（vX(t)）对所述消息进行分类。


9.根据权利要求8所述的设备，其特征在于，所述人工神经网络训练成，根据所述通信网络中的网络业务的至少一部分来使得能够判定：所述通信网络以相对于其他可能的状态更高的概率处于多个可能的状态中的何种状态中。


10.根据权利要求8或者9所述的设备，其特征在于，所述设备包括多个输入模型（Ix），其中在所述多个输入模型（Ix）与所述输出区域（O）之间布置有尤其是构造为人工神经网络的聚集部分（A），所述聚集部分（A）构造为将所述多个输入模型（Ix）的输出聚集为所述输出区域（O）的输入。


11.根据权利要求10所述的设备，其特征在于，所述多个输入模型（Ix）实现为递归人工神经网络。


12.根据权利要求10或者11所述的设备，其特征在于，所述聚集部分（A）构造为，聚集所述多个输入模型（Ix）的状态（sX），尤其是通过将所述状态（sX）级联到向量（a）上来聚集。


13.根据权利要求8至12中任一项所述的设备，其特征在于，所述选出装置（304）构造为，针对第一时间步长（t）选出第一输入变量（vX），其中所述输出区域（O）构造为，根据所述第一输入变量（vX）来确定针对第二输入变量（vY(t+1)）的预测（vY’(t+1)），...

【专利技术属性】
技术研发人员：M汉泽尔曼，H乌尔默，K多尔曼，T施特劳斯，A容京格，JS布希纳，S博布莱斯特，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：德国;DE