本发明专利技术公开了一种基于Serverless的车联网数据传输方法及装置、存储介质和终端，其中方法包括：车载主板向所述云端中心服务器发送配对请求；云端中心服务器获取Serverless虚拟化平台的流地址并生成键值；基于键值与车载主板进行配对；接收车载主板发送的检测信息，并进行分类存储；其中，所述基于Serverless的车联网数据传输方法基于Serverless虚拟化平台实施。本发明专利技术有效避免车辆边缘节点端存储容量和计算能力不够导致的安全防御运行对硬件要求过高的问题；同时可抵抗流量冲击并短时间进行相应的操作响应；通过在云端中心服务器内部署深度学习的检测模型，对超过阈值条件的函数信息进行处理分析，以实现函数信息的异常判断，进而实现对车辆及车辆用户的预警。进而实现对车辆及车辆用户的预警。进而实现对车辆及车辆用户的预警。
【技术实现步骤摘要】
基于Serverless的车联网数据传输方法及装置、存储介质和终端
[0001]本专利技术涉及信息通讯
，尤其涉及一种基于Serverless的车联网数据传输方法及装置、存储介质和终端。
技术介绍
[0002]随着移动互联网和工业智能化的快速发展，以智能网联汽车为中心的车联网逐渐深入人们的生活，但车联网为人们提供更多便利的同时，也暴露出更多的安全隐患，例如车辆可能会被远程控制或恶意攻击等，造成重大的社会安全事件。
[0003]目前主流的车联网安全威胁主要来自于三个层面：边缘节点设备层、网络层和数据处理层。针对上述层面现有如下解决方案：第一：增加车上内置车载主板的存储力和算力，搭载包含静态分析、符号执行、模糊测试、机器学习等漏洞检测方法的嵌入式设备配件，从而对边缘节点设备层进行安全保护；该类方法由于车联网环境下车辆的车载主板计算和存储能力有限，因此移动环境下无法保证对车辆进行实时有效的动态监测并立即作出相应处理以保证安全；第二：针对车外部网络安全通信解决方案，最早提出的V2X通信则是基于公钥架构PKI传递和验证证书，后期也有众多学者也提出了群签名、共享型匿名认证等方案；但该类方法由于每次通信必须传递证书，并验证证书等，增加了网络负载，并且公钥密码体制计算过程非常复杂，增加了移动设备的计算需求；第三，建立数据安全存储的云服务平台保护数据处理层；但该类方法由于车流量因特殊时间节点可能会导致大幅增多或减少，这必将对云服务器资源负载是个考验，攻击者也可以伪造正常联网车辆虚拟量进行DDos等负载攻击。
[0004]因此现如今亟需一种数据存储能力大、过程简单且具有安全防护作用的车联网数据传输方式。
技术实现思路
[0005]本专利技术所要解决的技术问题是现有的车联网数据传输方式存在数据存储能力有限、计算过程复杂以及安全性不高等问题。
[0006]为了解决上述技术问题，本专利技术提供了一种基于Serverless的车联网数据传输方法，包括：接收云端中心服务器发送的键值；基于所述键值与车载主板进行配对；接收所述车载主板发送的检测信息，并基于函数类别对所述检测信息进行分类，以获取多类函数信息并存储；其中，所述基于Serverless的车联网数据传输方法基于Serverless虚拟化平台实施；且所述键值生成过程包括：所述车载主板向所述云端中心服务器发送配对请求，所述配对请求包括所述车载
主板的配置参数信息；所述云端中心服务器获取Serverless虚拟化平台的流地址，并基于所述车载主板的配置参数信息和所述Serverless虚拟化平台的配置参数信息生成键值；所述云端中心服务器将所述流地址和所述键值发送给所述车载主板，并将所述键值发送给所述Serverless虚拟化平台。
[0007]优选地，基于Serverless的车联网数据传输方法还包括：分别判断多类函数信息是否大于对应预设阈值，若是则将对应所述函数信息发送给所述云端中心服务器，以便于所述云端中心服务器基于训练完成的检测模型对对应所述函数信息进行异常判断。
[0008]优选地，所述云端中心服务器基于训练完成的检测模型对对应所述函数信息进行异常判断包括：将所述函数信息输入到训练完成的检测模型中，若所述训练完成的检测模型输出结果为异常，则所述云端中心服务器向所述车载主板发送预警指令，以便于所述车载主板基于所述预警指令进行相应预警动作，若所述训练完成的检测模型输出结果为正常，则所述云端中心服务器不向所述车载主板发送预警指令。
[0009]优选地，所述训练完成的检测模型包括依次串联连接的LSTM模型、Attention模型和CNN模型；或所述训练完成的检测模型包括CNN模型、LSTM模型和Attention模型，所述CNN模型和所述LSTM模型并行输入样本，所述CNN模型和所述LSTM模型的输出分别与Attention模型连接。
[0010]优选地，所述车载主板的检测信息获取方式为：所述车载主板所属车辆上的车载边缘节点采集信息数据，并将所述信息数据发送给所述车载主板；所述车载主板对所述信息数据进行压缩并加密，以获取检测信息。
[0011]优选地，所述云端中心服务器、所述车载主板和所述Serverless虚拟化平台之间均基于WebRTC的串流技术实现信号传输。
[0012]优选地，所述车载主板的配置参数信息包括所述车载主板的MAC地址，所述Serverless虚拟化平台的配置参数信息包括所述Serverless虚拟化平台的MAC地址，所述Serverless虚拟化平台的流地址包括所述Serverless虚拟化平台的配置参数信息。
[0013]为了解决上述技术问题，本专利技术还提供了一种基于Serverless的车联网数据传输装置，包括键值接收单元、配对单元和数据接收单元；所述键值接收单元，用于接收云端中心服务器发送的键值；所述配对单元，用于基于所述键值与车载主板进行配对；所述数据接收单元，用于接收所述车载主板发送的检测信息，并基于所述函数类别对所述检测信息进行分类，以获取多类函数信息并存储；其中，所述基于Serverless的车联网数据传输装置实施的传输方法基于Serverless虚拟化平台实施；且所述键值生成过程包括：所述车载主板向所述云端中心服务器发送配对请求，所述配对请求包括所述车载
主板的配置参数信息；所述云端中心服务器获取Serverless虚拟化平台的流地址，并基于所述车载主板的配置参数信息和所述Serverless虚拟化平台的配置参数信息生成键值；所述云端中心服务器将所述流地址和所述键值发送给所述车载主板，并将所述键值发送给所述Serverless虚拟化平台。
[0014]为了解决上述技术问题，本专利技术还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现基于Serverless的车联网数据传输方法。
[0015]为了解决上述技术问题，本专利技术还提供了一种终端，包括：处理器以及存储器，所述存储器与所述处理器之间通信连接；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如基于Serverless的车联网数据传输方法。
[0016]与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：应用本专利技术实施例提供的基于Serverless的车联网数据传输方法，通过车载主板将车载边缘节点采集的信息数据发送给Serverless虚拟化平台，可有效避免各个车载边缘节点因为通讯协议不一样而无法进行实时转译和通讯的问题，同时避免车辆边缘节点端存储容量和计算能力不够导致的安全防御运行对硬件要求过高的问题；通过设置Serverless虚拟化平台，可提高数据安全性，且在车联网遭遇流量高峰时，Serverless虚拟化平台可以迅速膨胀扩张资源，抵抗流量冲击并短时间进行相应的操作响应；通过在云端中心服务器内部署深度学习的检测模型，对超过阈值条件的函数信息进行处理分析，以实现函数信息的异常判断，进而实现对车辆及车辆用户的预警。
[0017]本发本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于Serverless的车联网数据传输方法，包括：接收云端中心服务器发送的键值；基于所述键值与车载主板进行配对；接收所述车载主板发送的检测信息，并基于函数类别对所述检测信息进行分类，以获取多类函数信息并存储；其中，所述基于Serverless的车联网数据传输方法基于Serverless虚拟化平台实施；且所述键值生成过程包括：所述车载主板向所述云端中心服务器发送配对请求，所述配对请求包括所述车载主板的配置参数信息；所述云端中心服务器获取Serverless虚拟化平台的流地址，并基于所述车载主板的配置参数信息和所述Serverless虚拟化平台的配置参数信息生成键值；所述云端中心服务器将所述流地址和所述键值发送给所述车载主板，并将所述键值发送给所述Serverless虚拟化平台。2.根据权利要求1所述的方法，其特征在于，还包括：分别判断多类函数信息是否大于对应预设阈值，若是则将对应所述函数信息发送给所述云端中心服务器，以便于所述云端中心服务器基于训练完成的检测模型对对应所述函数信息进行异常判断。3.根据权利要求2所述的方法，其特征在于，所述云端中心服务器基于训练完成的检测模型对对应所述函数信息进行异常判断包括：将所述函数信息输入到训练完成的检测模型中，若所述训练完成的检测模型输出结果为异常，则所述云端中心服务器向所述车载主板发送预警指令，以便于所述车载主板基于所述预警指令进行相应预警动作，若所述训练完成的检测模型输出结果为正常，则所述云端中心服务器不向所述车载主板发送预警指令。4.根据权利要求3所述的方法，其特征在于，所述训练完成的检测模型包括依次串联连接的LSTM模型、Attention模型和CNN模型；或所述训练完成的检测模型包括CNN模型、LSTM模型和Attention模型，所述CNN模型和所述LSTM模型并行输入样本，所述CNN模型和所述LSTM模型的输出分别与Attention模型连接。5.根据权利要求1所述的方法，其特征在于，所述车载主板的检测信息获取方式为：所述车载主板所属车辆上的车载边缘节点采集信息数据，并将所述信息...
【专利技术属性】
技术研发人员：肖赟，
申请(专利权)人：浙江云针信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。