一种车载网络通信异常的检测方法技术

本发明专利技术涉及通信技术领域，具体涉及到一种车载网络通信异常的检测方法。一种车载网络通信异常的检测方法，检测方法包括：对电动汽车车载网络通信系统的结构模型进行分析，得出CAN报文数据的有效字节为8个；利用CAN分析仪采集电动汽车车载网络通信系统的CAN报文数据；对CAN报文数据构成的数据矩阵进行降维，对CAN报文数据进行主成分分析，提取CAN报文数据的主成分；将提取的CAN报文数据的主成分作为训练样本集，采用支持向量机分类方法对训练样本集进行分类训练，判断CAN报文数据是否异常。本发明专利技术是建立在主成分分析法与支持向量机分类法上的的CAN总线异常检测方法，能有效地减少计算量、提高检测效率高。

【技术实现步骤摘要】
一种车载网络通信异常的检测方法
本专利技术涉及通信
，具体涉及到一种车载网络通信异常的检测方法。
技术介绍
车载网络狭义上是指汽车内部各硬件如传感器、控制器和执行器之间通过点对点的方式连接形成的网状结构，广义上是指采用CAN(ControllerAreaNetwork)、LIN(LocalInterconnectNetwork)、FlexRay、MOST(MediaOrientedSystemTransport)等多种总线技术和协议组合搭建成复杂的汽车电子网络系统。车载网络通信是车辆内部的硬件通过无线终端实现与外部环境的实时通信系统，是行驶在道路上的“超级计算机”。这个“超级计算机”在为人们提供高效、智能服务的同时也成为了网络黑客攻击的对象。要想保护好这个“超级计算机”，就必须守住车载网络通信这一道最后的防线。在汽车信息安全方面已有学者开展相关研究。如MichaelMuter等人提出一种对CAN总线报文帧ID、数据负载、消息频率、消息顺序篡改的异常检测方法。Kleberger等人研究了车载总线网络的安全威胁焦点问题。Groza等人本文档来自技高网...

【技术保护点】
1.一种车载网络通信异常的检测方法，其特征在于，所述检测方法包括以下步骤：/nS1，对电动汽车车载网络通信系统的结构模型进行分析，得出CAN报文数据的有效字节为8个；/nS2，利用CAN分析仪采集电动汽车车载网络通信系统的CAN报文数据；/nS3，将CAN报文数据的每个有效字节都视为一个特征，即有8个特征，对CAN报文数据构成的数据矩阵进行降维，对CAN报文数据进行主成分分析，提取CAN报文数据的主成分；/nS4，将提取的CAN报文数据的主成分作为训练样本集，采用支持向量机分类方法对训练样本集进行分类训练，判断CAN报文数据是否异常。/n

【技术特征摘要】
1.一种车载网络通信异常的检测方法，其特征在于，所述检测方法包括以下步骤：
S1，对电动汽车车载网络通信系统的结构模型进行分析，得出CAN报文数据的有效字节为8个；
S2，利用CAN分析仪采集电动汽车车载网络通信系统的CAN报文数据；
S3，将CAN报文数据的每个有效字节都视为一个特征，即有8个特征，对CAN报文数据构成的数据矩阵进行降维，对CAN报文数据进行主成分分析，提取CAN报文数据的主成分；
S4，将提取的CAN报文数据的主成分作为训练样本集，采用支持向量机分类方法对训练样本集进行分类训练，判断CAN报文数据是否异常。


2.根据权利要求1所述的一种车载网络通信异常的检测方法，其特征在于，在所述步骤S3中,具体包括以下步骤:
S3.1，把CAN报文数据看成是n×8的矩阵，n为样本数量，每个样本有8个特征变量，具体描述为：



上式中，Bi表示n个样本的第i个特征变量，Bi＝[b1ib2i…bni]T，i＝1,2,…,8；
S3.2，将样本数据矩阵进行标准化处理，计算公式为：



上式中：



S3.3，求样本数据的相关系数矩阵R，计算公式为：



S3.4，求R的特征根λi及特征向量Ai，计算公式为：
由特征方程|λi-R|＝0得到R的8个特征根，满足λ1＞λ2＞…＞λ8＞0，所对应的单位特征向量Ai＝[a1i,a2i,…,a8i]T，i＝1,2,…,8；
S3.5，求主成分的方差贡献率Gi和累计方差贡献率G(m)，计算公式为：
<...

【专利技术属性】
技术研发人员：李芳丽，曹青松，
申请(专利权)人：江西科技学院，
类型：发明
国别省市：江西;36