一种针对充电桩CAN协议的模糊测试方法及系统技术方案

本发明专利技术公开了一种针对充电桩CAN协议的模糊测试方法及系统，通过将大量非预期的报文数据发送到充电桩CAN网络上，监视充电桩运行状态以及网络中的报文通信情况，发现并暴露充电桩中的潜在安全漏洞。本发明专利技术所述的模糊测试方法包含了一种针对充电桩CAN协议的模糊测试模型，该模型具体包括协议分析模块、数据生成模块、数据执行模块和异常检测模块。在数据生成模块中，本发明专利技术采用改进的遗传算法生成测试数据，以提高生成数据的针对性与有效性，进而提高模糊测试的效率。本发明专利技术提出的模糊测试方法可以有效发现并暴露充电桩CAN网络中的潜在安全漏洞，提高充电安全、汽车安全，保障电网的稳定性。定性。定性。

【技术实现步骤摘要】
一种针对充电桩CAN协议的模糊测试方法及系统


[0001]本专利技术涉及充电桩CAN网络安全
，尤其涉及一种针对充电桩CAN协议的模糊测试方法及系统。

技术介绍

[0002]针对充电桩CAN协议的模糊测试是通过将大量非预期的报文数据发送到充电桩CAN总线网络上，监视充电桩运行状态以及网络中的报文通信情况，发现并暴露充电桩中的潜在安全漏洞，提高充电过程的安全性。目前，针对充电桩CAN协议的模糊测试的相关研究较少。传统或通用的模糊测试方法通常采取随机变异策略，导致组合爆炸，并且协议针对性不足，模糊测试效率欠佳。因此需要提出一种适用于充电桩CAN协议的模糊测试模型，提高充电过程的安全性，保护充电桩的网络与信息安全。

技术实现思路

[0003]本专利技术提出一种针对充电桩CAN协议的模糊测试方法及系统，以更高的效率发现并暴露充电桩CAN网络的潜在安全问题，提高电动汽车充电过程的安全性。
[0004]为了达到上述目的，本专利技术技术方案为：
[0005]第一方面提供了一种针对充电桩CAN协议的模糊测试方法，包括：
[0006]S1：结合CAN协议规范进行协议分析，并根据充电桩正常运行时交互的CAN协议报文数据，构建初代种群；
[0007]S2：基于构建的初代种群采用改进的遗传算法生成测试数据，其中，改进的遗传算法根据种群中的错误响应个体和平均相似度两个特征，动态调整适应度函数，并对数据进行遗传操作；
[0008]S3：将生成的测试数据发送至充电桩与电池管理系统之间的CAN总线上；
[0009]S4：观察充电桩与电池管理系统之间的报文交互情况，监测充电桩运行状态，并记录导致充电桩异常的报文数据信息。
[0010]基于同样的专利技术构思，本专利技术第二方面提供了一种针对充电桩CAN协议的模糊测试系统，包括：
[0011]协议分析模块，用于结合CAN协议规范进行协议分析，并根据充电桩正常运行时交互的CAN协议报文数据，构建初代种群；
[0012]数据生成模块，用于基于构建的初代种群采用改进的遗传算法生成测试数据，其中，改进的遗传算法根据种群中的错误响应个体和平均相似度两个特征，动态调整适应度函数，并对数据进行遗传操作；
[0013]数据执行模块，用于将生成的测试数据发送至充电桩与电池管理系统之间的CAN总线上；
[0014]异常检测模块，用于观察充电桩与电池管理系统之间的报文交互情况，监测充电桩运行状态，并记录导致充电桩异常的报文数据信息。
[0015]在一种实施方式中，协议分析模块包括：
[0016]协议字段分析模块，用于结合CAN协议规范进行协议分析，编写配置文件对CAN协议报文的字段及其长度进行描述；
[0017]初始种群构造模块，用于根据充电桩正常运行时交互的CAN协议报文数据，构建初代种群，其中，初代种群中的个体以一维向量的形式表示，种群以矩阵的形式表示。
[0018]在一种实施方式中，数据生成模块具体用于执行下述步骤：
[0019]S2.1：判断当前种群中是否存在错误响应个体，如果不存在错误响应个体，则转至S2.2；否则，转至S2.3，其中，错误响应个体为可能引起充电桩严重错误的报文个体；
[0020]S2.2：计算种群个体的均值并根据平均相似度函数计算种群中所有个体的适应度，其中，为种群中个体Q
i
到均值的距离，表示种群中的最大距离；
[0021]S2.3：根据错误响应个体对种群进行划分，使用K
‑
means聚类算法划分子种群，将错误响应个体作为聚类算法的质心c，并根据基于错误响应个体指标的适应度函数错误响应个体作为聚类算法的质心c，并根据基于错误响应个体指标的适应度函数以子种群为单位计算个体的适应度，其中，d
i
‑
c
表示个体Q
i
到质心的距离，d
max
‑
c
表示子种群中个体到质心的最大距离；
[0022]S2.4：采用改进后的自适应遗传算子，执行选择、交叉、变异三种遗传操作；
[0023]S2.5：判断是否达到迭代周期，若未达到，则将生成的下一代种群输入到测试数据执行模块，并标记出错误响应个体，转至S2.1；若已达到，则测试数据生成完成。
[0024]在一种实施方式中，所述改进后的自适应遗传算子包括选择算子、交叉算子和变异算子，其中，选择算子与个体适应度有关，以f
i
表示个体i的适应度函数值，种群中个体总数为n，选择率P
s
的计算方法为：
[0025][0026]交叉算子根据当前种群状态动态调整交叉率，以f
avg
表示种群的平均适应度，f
max
表示最大适应度，交叉率P
c
的计算方法为：
[0027][0028]其中，k1为交叉算子系数；
[0029]变异算子根据当前种群状态动态调整变异率，变异率P
m
的计算方法为：
[0030][0031]其中，k2为变异算子系数。
[0032]在一种实施方式中，数据执行模块采用利用CAN协议分析仪，将其一端连接充电桩，另一端连接计算机，将测试数据发送至充电桩与电池管理系统之间的CAN总线网络上。
[0033]在一种实施方式中，异常检测模块包括：
[0034]异常监控模块，用于监测充电桩与电池管理系统之间的报文交互情况，同时监测充电桩的运行状态是否正常；
[0035]数据记录模块，用于记录导致充电桩异常的报文数据信息，包括时间戳、迭代次数、测试数据，并结合CAN协议规范分析报文含义及引起异常的原因。
[0036]基于同样的专利技术构思，本专利技术第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被执行时实现第一方面所述的方法。
[0037]基于同样的专利技术构思，本专利技术第四方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法。
[0038]相对于现有技术，本专利技术的优点和有益的技术效果如下：
[0039]本专利技术提供的针对充电桩CAN协议的模糊测试方法及系统，通过对CAN协议的分析以及改进遗传算法的运用，自适应的生成符合CAN协议规范的测试数据，提高测试数据生成的有效性和针对性，进而提高模糊测试的效率，可以发现并暴露更多潜在安全漏洞，保障充电桩的网络与信息安全。
附图说明
[0040]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0041]图1是本专利技术实施例提供的针对充电桩CAN协议的模糊测试系统框架图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对充电桩CAN协议的模糊测试方法，其特征在于，包括：S1：结合CAN协议规范进行协议分析，并根据充电桩正常运行时交互的CAN协议报文数据，构建初代种群；S2：基于构建的初代种群采用改进的遗传算法生成测试数据，其中，改进的遗传算法根据种群中的错误响应个体和平均相似度两个特征，动态调整适应度函数，并对数据进行遗传操作；S3：将生成的测试数据发送至充电桩与电池管理系统之间的CAN总线上；S4：观察充电桩与电池管理系统之间的报文交互情况，监测充电桩运行状态，并记录导致充电桩异常的报文数据信息。2.一种针对充电桩CAN协议的模糊测试系统，其特征在于，包括：协议分析模块，用于结合CAN协议规范进行协议分析，并根据充电桩正常运行时交互的CAN协议报文数据，构建初代种群；数据生成模块，用于基于构建的初代种群采用改进的遗传算法生成测试数据，其中，改进的遗传算法根据种群中的错误响应个体和平均相似度两个特征，动态调整适应度函数，并对数据进行遗传操作；数据执行模块，用于将生成的测试数据发送至充电桩与电池管理系统之间的CAN总线上；异常检测模块，用于观察充电桩与电池管理系统之间的报文交互情况，监测充电桩运行状态，并记录导致充电桩异常的报文数据信息。3.如权利要求2所述的针对充电桩CAN协议的模糊测试系统，其特征在于，协议分析模块包括：协议字段分析模块，用于结合CAN协议规范进行协议分析，编写配置文件对CAN协议报文的字段及其长度进行描述；初始种群构造模块，用于根据充电桩正常运行时交互的CAN协议报文数据，构建初代种群，其中，初代种群中的个体以一维向量的形式表示，种群以矩阵的形式表示。4.如权利要求2所述的针对充电桩CAN协议的模糊测试系统，其特征在于，数据生成模块具体用于执行下述步骤：S2.1：判断当前种群中是否存在错误响应个体，如果不存在错误响应个体，则转至S2.2；否则，转至S2.3，其中，错误响应个体为可能引起充电桩严重错误的报文个体；S2.2：计算种群个体的均值并根据平均相似度函数计算种群中所有个体的适应度，其中，为种群中个体Q
i
到均值的距离，表示种群中的最大距离；S2.3：根据错误响应个体对种群进行划分，使用K
‑
means聚类算法划分子种群，将错误响应个体作为聚类算法的质心c，并根据基于错误响应个体指标的适应度函数...

【专利技术属性】
技术研发人员：程昱，李俊娥，张家升，陆秋余，刘林彬，
申请(专利权)人：武汉大学，
类型：发明
国别省市：