申请/专利权人：德清阿尔法创新研究院

申请日：2024-04-12

公开（公告）日：2024-07-05

公开（公告）号：CN118300854A

主分类号：H04L9/40

分类号：H04L9/40;H04L67/12;G06N3/042

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明为一种基于图神经网络的网联汽车数据安全检测方法，该方法针对网联汽车内部的各个接口之间以及内外接口之间的数据流动，通过图神经网络技术实现对数据流动的监测与分析，实现对数据异常的检测和预警，该方法步骤如下：1）数据采集与建模；2）针对动态图数据，基于已有的历史数据训练具备对特定模式进行计数能力的图神经网络；3）将每一个观察窗口的图视为一个静态的图，即在整个数据流更新的过程中会得到一系列的分布相似的图数据集，从而将问题转移为图数据集上的异常图判定问题。本发明采用不同的模式对应着不同的数据传输方式，由被判定为异常的观察窗口图可以逆向回溯发现数据攻击出现的形式，从而更好地定位和进行下一步预防。

主权项：1.一种基于图神经网络的网联汽车数据安全检测方法，其特征在于：所述方法主要针对网联汽车内部的各个接口之间以及内外接口之间的数据流动，通过图神经网络技术实现对数据流动的监测与分析，进而实现对数据异常的检测和预警，该方法的步骤如下：1数据采集与建模：针对网联汽车内部各个接口之间以及内外接口之间的数据流动，采集实时数据并建立相应的数据模型，通过采集的数据，构建动态更新的异构图结构G＝V，E，T，其中节点v∈V表示数据流中的各个数据点，边e∈E表示数据之间的关联关系，边存在时间戳属性t∈T；2针对动态图数据，基于已有的历史数据训练具备对特定模式进行计数能力的图神经网络；3由于网联汽车采集接收的数据一直是动态更新的，因此将最近m秒内的数据作为一个观察窗口，构建出相应的观察窗口图，再对于该图使用训练好的图神经网络对齐进行规模不大于5的所有模式的计数，并通过该计数获取数据流图的特征，将该特征和图中其它固有特征总活跃节点数或边数综合到一起，输入到异常检测模型中，这里将每一个观察窗口的图视为一个静态的图，即在整个数据流更新的过程中会得到一系列的分布相似的图数据集，从而将问题转移为图数据集上的异常图判定问题。

全文数据：

权利要求：

百度查询： 德清阿尔法创新研究院 一种基于图神经网络的网联汽车数据安全检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD