一种面向车联网的异常行为检测方法及系统与流程

本申请涉及行车联网异常行为检测领域，且更为具体地，涉及一种面向车联网的异常行为检测方法及系统。

背景技术：

1、当下，车联网技术(vehicle-to-everything，v2x)已成为汽车行业的热点和重要发展方向。它是指车辆与周围的交通基础设施、其他车辆和行人之间的通信技术，为汽车工业带来了巨大的变革和创新机会。v2x技术在实现自动驾驶方面起到了关键的辅助作用，为自动驾驶系统提供了更全面的感知和决策能力。大力发展v2x技术对于提升道路安全性、改善交通效率、推动智能交通系统的发展以及促进创新和产业发展都具有重要的好处。它是实现智能交通和自动驾驶的关键技术之一，将为未来的出行方式和交通管理带来革命性的变化。

2、但是，当前v2x通信系统中，攻击者可能尝试干扰或篡改v2x通信，从而对车辆和驾驶员造成威胁。

3、因此，期望一种面向车联网的异常行为检测方法及系统，对恶意的v2x消息进行检测和判断，进而确保待检测车联网接收终端接收到的消息的真实有效性。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种面向车联网的异常行为检测方法及系统，其首先采集待检测车联网接收终端接收所述车联网发送终端发送的车联网消息，其中所述车联网消息包括：v2x消息内容、通信元数据、通信环境数据和系统日志。接着对车联网消息进行上下文特征提取以得到多个车联网消息特征向量，然后通过卷积神经网络模型对多个车联网消息特征向量进行语义特征提取以得到车联网消息语义理解特征向量以及通过双向长短期记忆神经网络以得到车联网消息关联特征向量，最后基于车联网消息语义理解特征向量和车联网消息关联特征向量以得到用于表示待检测车联网接收终端接收到的v2x消息是否异常的分类结果。

2、根据本申请的第一方面，提供了一种面向车联网的异常行为检测方法，其包括：

3、采集待检测车联网接收终端接收所述车联网发送终端发送的车联网消息；

4、对所述车联网消息的特征信息进行特征提取以得到车联网消息分类特征向量；

5、对所述车联网消息分类特征向量进行特征分类以得到分类结果。

6、根据本申请的第二方面，提供了一种面向车联网的异常行为检测系统，其包括：

7、v2x消息采集模块，用于采集待检测车联网接收终端接收所述车联网发送终端发送的车联网消息；

8、v2x消息特征提取模块，用于对所述车联网消息的特征信息进行特征提取以得到车联网消息分类特征向量；

9、v2x消息检测分类模块，用于对所述车联网消息分类特征向量进行特征分类以得到分类结果。

10、结合本申请的第一方面，在本申请的第一方面的一种面向车联网的异常行为检测方法中，对所述车联网消息的特征信息进行特征提取以得到车联网消息分类特征向量，包括：将所述车联网消息排列为多个车联网消息输入向量；通过车联网消息特征提取模块提取所述多个车联网消息输入向量的特征信息以得到多个车联网消息特征向量；以及基于所述多个车联网消息特征向量的语义信息和关联信息以得到所述车联网消息分类特征向量。其中，所述车联网消息特征提取模块是基于上下文编码器的车联网消息特征提取模块。

11、结合本申请的第二方面，在本申请的第二方面的一种面向车联网的异常行为检测系统中，所述v2x消息检测分类模块，用于：通过分类器对所述车联网消息分类特征向量进行特征分类以得到分类结果，所述分类结果用于表示待检测车联网接收终端接收到的v2x消息是否异常。

12、与现有技术相比，本申请提供的一种面向车联网的异常行为检测方法及系统，其首先采集待检测车联网接收终端接收所述车联网发送终端发送的车联网消息，其中所述车联网消息包括：v2x消息内容、通信元数据、通信环境数据和系统日志。接着对车联网消息进行上下文特征提取以得到多个车联网消息特征向量，然后通过卷积神经网络模型对多个车联网消息特征向量进行语义特征提取以得到车联网消息语义理解特征向量以及通过双向长短期记忆神经网络以得到车联网消息关联特征向量，最后基于车联网消息语义理解特征向量和车联网消息关联特征向量以得到用于表示待检测车联网接收终端接收到的v2x消息是否异常的分类结果。

技术特征：

1.一种面向车联网的异常行为检测方法，其特征在于，包括：

2.根据权利要求1所述的面向车联网的异常行为检测方法，其特征在于，对所述车联网消息的特征信息进行特征提取以得到车联网消息分类特征向量，包括：

3.根据权利要求2所述的面向车联网的异常行为检测方法，其特征在于，所述车联网消息特征提取模块是基于上下文编码器的车联网消息特征提取模块。

4.根据权利要求3所述的面向车联网的异常行为检测方法，其特征在于，基于所述多个车联网消息特征向量的语义信息和关联信息以得到所述车联网消息分类特征向量，包括：

5.根据权利要求4所述的面向车联网的异常行为检测方法，其特征在于，分别提取所述多个车联网消息特征向量的语义信息和关联信息以得到车联网消息语义理解特征向量和车联网消息关联特征向量，包括：

6.根据权利要求5所述的面向车联网的异常行为检测方法，其特征在于，所述关联特征提取模块是基于双向长短期记忆神经网络的关联特征提取模块。

7.根据权利要求6所述的面向车联网的异常行为检测方法，其特征在于，融合所述车联网消息语义理解特征向量和所述车联网关联特征向量以得到所述车联网消息分类特征向量，包括：

8.根据权利要求7所述的面向车联网的异常行为检测方法，其特征在于，对所述车联网消息语义理解特征向量和所述车联网关联特征向量进行特征节点间的拓扑信息匹配以得到拓扑语义匹配系数，用于：以如下公式对所述车联网消息语义理解特征向量和所述车联网关联特征向量进行特征节点间的拓扑信息匹配以得到拓扑语义匹配系数；其中，所述公式为：

9.根据权利要求8所述的面向车联网的异常行为检测方法，其特征在于，对所述车联网消息分类特征向量进行特征分类以得到分类结果，用于：通过分类器对所述车联网消息分类特征向量进行特征分类以得到分类结果，所述分类结果用于表示待检测车联网接收终端接收到的v2x消息是否异常。

10.一种面向车联网的异常行为检测系统，其特征在于，包括：

技术总结
本申请涉及车联网异常行为检测领域，其具体地公开了一种面向车联网的异常行为检测方法及系统，其首先采集待检测车联网接收终端接收所述车联网发送终端发送的车联网消息，其中所述车联网消息包括：V2X消息内容、通信元数据、通信环境数据和系统日志。接着对车联网消息进行上下文特征提取以得到多个车联网消息特征向量，然后通过卷积神经网络模型对多个车联网消息特征向量进行语义特征提取以得到车联网消息语义理解特征向量以及通过双向长短期记忆神经网络以得到车联网消息关联特征向量，最后基于车联网消息语义理解特征向量和车联网消息关联特征向量以得到用于表示待检测车联网接收终端接收到的V2X消息是否异常的分类结果。

技术研发人员：杨爱科,吴先应
受保护的技术使用者：深圳市卓联启航科技有限公司
技术研发日：
技术公布日：2024/3/4