【技术实现步骤摘要】
本专利技术涉及一种基于半监督强化学习的车载网络异常检测方法及系统，属于工程机械车载网络安全。
技术介绍
1、工程机械领域的车载网络系统在现代生产和运输过程中发挥着关键作用。车载网络系统通常用于控制和监测各种设备和机器，如发动机、转向系统、制动系统、悬挂系统等。然而，由于车载网络系统的复杂性和高度集成性，它们也容易受到各种威胁和攻击，如网络入侵、恶意软件、拒绝服务攻击等。这些威胁可能导致网络故障、数据泄露、系统崩溃等严重后果，从而影响工程机械的运行效率和安全性。因此，开发一种高效、可靠的车载网络异常检测方法和系统对于保障工程机械的安全运行至关重要。
2、第一种现有技术是基于统计方法进行特征提取，难以获取数据中复杂和高层次的特征，无法应对复杂的车载网络环境。
3、第二种现有技术基于已建立的预测模型预测输出对应字节序的报文值，判断预测的报文值与实际的报文值之间的偏差来识别异常，无法应对未知攻击威胁。
4、第三种现有技术基于动态异构冗余架构的车载网络内生安全防御机制，通过动态生成虚拟报文id保证其异构冗余来提...
【技术保护点】
1.一种基于半监督强化学习的车载网络异常检测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于半监督强化学习的车载网络异常检测方法，其特征在于：所述获取车载网络数据，对车载网络数据进行预处理，得到预处理后的数据，具体包括：
3.根据权利要求1所述的一种基于半监督强化学习的车载网络异常检测方法，其特征在于：所述利用预处理后的数据，通过强化学习的方法对教师网络进行训练，获得更新后的教师网络的参数，利用更新后的教师网络的参数更新教师网络，得到更新后的教师网络，具体包括：
4.根据权利要求3所述的一种基于半监督强化学习的车载...
【技术特征摘要】
1.一种基于半监督强化学习的车载网络异常检测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于半监督强化学习的车载网络异常检测方法，其特征在于：所述获取车载网络数据，对车载网络数据进行预处理，得到预处理后的数据，具体包括：
3.根据权利要求1所述的一种基于半监督强化学习的车载网络异常检测方法，其特征在于：所述利用预处理后的数据，通过强化学习的方法对教师网络进行训练，获得更新后的教师网络的参数，利用更新后的教师网络的参数更新教师网络，得到更新后的教师网络，具体包括：
4.根据权利要求3所述的一种基于半监督强化学习的车载网络异常检测方法，其特征在于：所述状态集s包括但不限于：车载网络数据的基本特征、上下文特征、流量特征、时间特征、通用功能特征和/或连接功能特征；
5.根据权利要求1所述的一种基于半监督强化学习的车载网络异常检测方法，其特征在于：所述使用预处理后的数据，采用知识蒸馏的方法对更新后的教师网络和学生...
【专利技术属性】
技术研发人员：刘雷，王斌，王前，
申请(专利权)人：江苏徐工国重实验室科技有限公司，
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。