买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京邮电大学

摘要：本发明提供了一种新能源汽车车载网络入侵检测方法、设备及存储介质，属于汽车网络通信及汽车安全技术领域。通过利用改进的LSTM结构，更好地捕捉CAN信息的长期上下文依赖关系，提高入侵检测的准确性。采用动态梯度代理策略，该方法选择历史状态集中表现最好的状态作为LSTM输入，提高了模型的鲁棒性和适应性。通过采用Word2Vec技术对CAN数据进行嵌入编码，该方法能够捕捉CANID和载荷数据之间的语义相关性，提高了特征的表达能力。通过设计基于L2范数的网络剪枝方法，该方法能够压缩模型大小和计算复杂度，使模型具有更好的轻量级特性，适合车载CAN环境的部署。

主权项：1.一种新能源汽车车载网络入侵检测模型搭建方法，其特征在于，包括以下过程：步骤1，在相应汽车车型上采集某时间段内车辆CAN报文原始数据，包括CANID、时间戳和有效载荷数据作为输入特征数据；步骤2，数据预处理，获取训练数据集；预处理包括输入特征排列，将离散的CANID和有效载荷数据先映射为一个连续的向量空间，序列化为输入序列，每个序列对应一个时间戳；步骤3，构建基于LSTM改进的车载CAN入侵检测模型，包括策略梯度代理模块和标准LSTM单元模块两部分，所述策略梯度代理模块从历史状态集中反复选择最优状态，所述标准LSTM单元模块使用新选择的状态来完成任务；将两个模块得到的特征表示输入多层感知机进行网络入侵检测，得到对应的攻击类别；所述策略梯度代理模块以预处理后得到的编码后的特征作为网络输入，从历史状态集中反复选择最优状态；构造一个状态集，保留最近获得的个状态，策略梯度代理模块通过从多项式分布中采样的最优状态采取如下动作： 3 4如果k=i，[k=i]的值为1，否则为0；MLP表示一个多层感知器，用于将t时刻的状态转换为维度为的向量，并使用softmax函数将向量转换为概率分布；是条件概率；是中的第i个元素，然后，第K个状态被转移到标准LSTM单元模块中进一步计算；所述标准LSTM单元模块以得到的第K个状态作为LSTM单元的输入，获取长期上下文依赖：使用当前输入和上一个状态传递下来的拼接训练得到四个状态，包括当前阶段、忘记阶段、选择记忆阶段和输出阶段； 5 6 7 8其中，，，是由拼接向量乘以权重矩阵之后，再通过一个激活函数转化成0到1之间的数值，作为一种门控状态；而则是将结果通过一个tanh激活函数转换成-1到1之间的值；表示向量拼接；是连接到和当前阶段对应的权重，是连接到和当前阶段对应的偏置项；是连接到和选择记忆阶段对应的权重，是连接到和选择记忆阶段对应的偏置项；是连接到和忘记阶段对应的权重，是连接到和忘记阶段对应的偏置项；是连接到和输出阶段对应的权重，是连接到和输出阶段对应的偏置项；其中，所述忘记阶段是通过计算得到的作为忘记门控，对上一个节点传进来的输入进行选择性忘记，过滤要保留的长期信息；其中，所述选择记忆阶段，由前面计算得到的表示输入当前阶段，通过作为门控信号，将这个阶段的输入有选择性地进行“记忆”；其中，所述输出阶段，通过进行控制，决定哪些将会被当成当前状态的输出，通过一个tanh激活函数进行变化输出；所述标准LSTM单元模块输出后跟一个用于正则化的dropout层，然后由一个全连接层连接，将输出的序列特征进行汇总得到特征表示；其中，将两个模块得到的特征表示输入多层感知机进行网络入侵检测，得到对应的攻击类别，具体为：假设输入特征向量为，层的激活函数为，层到下一层的计算： 9 10其中，是上层到下层的权重矩阵，是单层的偏置向量，是单层的加权输入，是单层的输出；MLP的输出层使用softmax激活函数；每个输出单元对应一个类别，输出向量中的每个元素表示模型样本属于对应攻击类别的概率；步骤4，对构建的车载CAN入侵检测模型进行轻量化网络剪枝操作；步骤5，基于端到端的训练策略，使用步骤2预处理后的训练数据集对轻量化后的车载CAN入侵检测模型，获取最终车载网络入侵检测模型。

全文数据：

权利要求：

百度查询： 北京邮电大学 一种新能源汽车车载网络入侵检测方法、设备及存储介质