【技术实现步骤摘要】
本专利技术涉及汽车安全领域，尤其涉及一种轻量级车载can总线ecu入侵检测方法及系统。
技术介绍
1、随着智能互联汽车的迅速发展，车载网络的安全性正面临着日益增多的潜在威胁，对于can总线下的电子控制单元ecu(electronic control unit)身份识别与入侵检测的确立显得尤为紧迫和至关重要。can总线(controller area network)在维护车辆ecu网络的完整性以及确保乘客的安全方面扮演着至关重要的角色。
2、传统技术的应用局限性已难以适应不断演化的复杂威胁环境，而随着轻量级应用需求的不断增加，现有技术未能完全减轻数据训练和分类负担，亦未充分验证相关分类模型。此外，当前的研究方法仅在有限数量的实际汽车或can总线原型上进行了验证。
技术实现思路
1、本专利技术的目的在于公开一种轻量级车载can总线ecu入侵检测方法，解决
技术介绍
中提出的技术问题。
2、为了达到上述目的，本专利技术提供如下技术方案：
3、一方面，本专利技术提供了一种轻量级车载can总线ecu入侵检测方法，包括：
4、步骤s1：对已知ecu在can总线通信过程中产生的canh和canl电平相减获得can总线差分电压并且对差分电压进行预处理；
5、步骤s2：使用递归特征消除算法对预处理后得到的数据样本在时域和频域的代表性特征进行筛选；
6、步骤s3：对不同的机器学习模型进行对比，确定用来作为分类器的机器学习模型，使用筛
7、步骤s4：利用训练好的分类器对未知ecu发送的can消息进行ecu身份识别与入侵检测。
8、优选地，步骤s1包括：
9、步骤s1.1：将采集的canh和canl电平相减获得can总线的差分电压，在整段差分电压中选取can协议data数据段当中任意一个完整的信号作为数据样本；
10、步骤s1.2：将数据样本拆分为三部分：上升沿、下降沿和显性状态。
11、优选地，步骤s2包括：
12、步骤s2.1：分别计算数据样本上升沿、下降沿和显性状态三个部分在时域和频域上的特征，形成上升沿特征子集、下降沿特征子集和显性状态特征子集这三个特征子集，整合三个特征子集生成总特征集，同时标记相对应的ecu id序号；
13、步骤s2.2：将总特征集和三个特征子集分别引入多种机器学习模型，分别获取上升沿特征子集、下降沿特征子集、显性状态特征子集和总特征集在每种机器学习模型的准确率；
14、将上升沿特征子集、下降沿特征子集、显性状态特征子集这三方中，准确率与总特征集的准确率最相似的一方作为代表性特征子集；
15、步骤s2.3：使用递归特征消除方法在迭代的过程中筛选代表性特征子集中最重要的特征，消除冗余特征，生成最优代表性特征子集。
16、优选地，步骤s3包括：
17、步骤s3.1：在训练数据过程中，将步骤s2中的ecu id序号作为标签标记的代表性特征子集分别输入预设的多种机器学习模型进行实验训练，对比不同算法的准确率；
18、步骤s3.2：将含有ecu id序号标签的由最优代表性状态特征子集刻画的样本集输入步骤3.1中的准确率最高的算法模型进行训练，生成分类器。
19、优选地，步骤s4包括：
20、步骤s4.1：对未知ecu采集can总线的差分电压并且对差分电压进行预处理；
21、步骤s4.2：使用递归特征消除算法对步骤s4.1中预处理后得到的数据样本在时域和频域的代表性特征进行筛选，采用含有ecu id序号作为标签标记的最优代表性特征子集；
22、步骤s4.3：将步骤s4.2中最优代表性特征子集输入训练好的分类器得出预测值，实现身份识别；
23、步骤s4.4：获取未知ecu与训练集中每一类已知ecu之间的概率值，将对应于未知ecu的概率值与设定的阈值进行比较，低于阈值的情况则判断为非法入侵的ecu，高于阈值则为准确身份配对的ecu，实现入侵检测。
24、另一方面，本专利技术还提供了一种实现上述检测方法的轻量级车载can总线ecu入侵检测系统，其包括数据采集预处理模块、特征提取模块、分类器训练模块和身份识别与入侵检测模块；
25、数据采集预处理模块用于对已知ecu在can总线通信过程中产生的canh和canl电平相减获得can总线差分电压并且对差分电压进行预处理；
26、特征提取模块用于使用递归特征消除算法对预处理后得到的数据样本在时域和频域的代表性特征进行筛选；
27、分类器训练模块用于对机器学习模型进行对比，确定用来作为分类器的机器学习模型，使用筛选得到的特征对机器学习模型进行训练，得到训练好的分类器；
28、身份识别与入侵检测模块用于利用训练好的分类器对未知ecu发送的can消息进行ecu身份识别与入侵检测。
29、本专利技术的有益效果至少包括：
30、1、本专利技术重点关注can通信的物理层特征，而不涉及数据内容。这意味着它不需要访问或理解can消息的内容，因此不受can消息长度限制的影响；
31、2、本专利技术对can消息差分电压信号分割提取显性状态可以降低数据的维度，减少训练数据量；利用递归特征消除(rfe)方法筛选其中最重要的特征，减少训练时间和计算复杂度，消除冗余特征有助于减少过拟合的风险；
32、3、本专利技术通过实验性能对比多种机器学习模型确定最终采用的模型，实现更高的模型准确性。使用轻量级的机器学习模型，不需要大量的计算资源，适合嵌入式系统或资源受限的车载环境；
33、4、本专利技术在实验验证方面采用两种不同的场景，一是真实车辆的公共数据集，另一是自行搭建的can总线原型。分别对两种场景进行实验验证显著突显了方法的独特性和创新性，进一步确立了其合理性和可行性。
本文档来自技高网...【技术保护点】
1.一种轻量级车载CAN总线ECU入侵检测方法，其特征在于，包括：
2.根据权利要求1所述的轻量级车载CAN总线ECU入侵检测方法，其特征在于，步骤S1包括：
3.根据权利要求2所述的轻量级车载CAN总线ECU入侵检测方法，其特征在于，步骤S2包括：
4.根据权利要求3所述的轻量级车载CAN总线ECU入侵检测方法，其特征在于，步骤S3包括：
5.根据权利要求4所述的一种轻量级车载CAN总线ECU入侵检测方法，其特征在于，步骤S4包括：
6.一种轻量级车载CAN总线ECU入侵检测系统，其特征在于，用于实现权利要求1-5任一项所述的检测方法，其包括数据采集预处理模块、特征提取模块、分类器训练模块和身份识别与入侵检测模块；
【技术特征摘要】
1.一种轻量级车载can总线ecu入侵检测方法，其特征在于，包括：
2.根据权利要求1所述的轻量级车载can总线ecu入侵检测方法，其特征在于，步骤s1包括：
3.根据权利要求2所述的轻量级车载can总线ecu入侵检测方法，其特征在于，步骤s2包括：
4.根据权利要求3所述的轻量级车载can总线ecu入侵...
【专利技术属性】
技术研发人员：张曼，赖煜，李纪霓，孙荣禧，尚文利，
申请(专利权)人：广州大学，
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。