本發(fā)明涉及通信技術(shù)領(lǐng)域，特別是涉及一種車輛攻擊檢測(cè)方法和裝置。

背景技術(shù)：

隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，車輛可以通過(guò)3G(3rd-Generation，第三代移動(dòng)通信技術(shù))/4G(the 4th Generation mobile communication technology，第四代移動(dòng)通信技術(shù))、Wi-Fi(WIreless-Fidelity，無(wú)線保真)等方式接入互聯(lián)網(wǎng)，從互聯(lián)網(wǎng)中下載視頻、音樂(lè)等資源，或者，還可以通過(guò)互聯(lián)網(wǎng)對(duì)車輛實(shí)現(xiàn)遠(yuǎn)程控制，為用戶帶來(lái)極大的便利。

在互聯(lián)網(wǎng)為用戶帶來(lái)便利的同時(shí)，車輛信息安全問(wèn)題也變得尤為重要，越來(lái)越多的車輛局域網(wǎng)采用互聯(lián)網(wǎng)標(biāo)準(zhǔn)，突破車輛內(nèi)部的“防火墻”也就變得輕而易舉，對(duì)于接入互聯(lián)網(wǎng)的車輛，黑客經(jīng)由外部網(wǎng)絡(luò)就能夠?qū)π旭傊械能囕v發(fā)起攻擊。造成車載設(shè)備和車載導(dǎo)航儀系統(tǒng)異常，或是泄露車內(nèi)信息以及駕駛員個(gè)人隱私信息等，為用戶駕駛以及用戶信息帶來(lái)極大的安全隱患。

然而，目前各大車輛廠商均缺乏對(duì)聯(lián)網(wǎng)車輛攻擊行為的主動(dòng)檢測(cè)以及防御能力。因此，亟需一種能夠?qū)诳偷墓粜袨檫M(jìn)行主動(dòng)檢測(cè)的安全機(jī)制，以提高用戶的行車安全以及信息安全。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述問(wèn)題，提出了本發(fā)明以便提供一種克服上述問(wèn)題或者至少部分地解決上述問(wèn)題的一種車輛攻擊檢測(cè)方法和裝置。

依據(jù)本發(fā)明的一個(gè)方面，提供了一種車輛攻擊檢測(cè)方法，包括：

采集車身總線數(shù)據(jù)；

確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵；

若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息。

可選地，所述確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵的步驟，包括：

獲取預(yù)設(shè)時(shí)間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量；

根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵。

可選地，所述方法還包括：

判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；

若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。

可選地，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，包括：

將所述車身狀態(tài)參數(shù)值與正常參數(shù)值進(jìn)行比對(duì)，若所述車身狀態(tài)參數(shù)值與所述正常參數(shù)值的差異超出預(yù)設(shè)閾值，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，包括：

判斷具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值是否分別符合對(duì)應(yīng)的正常范圍；

若具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值中有至少一個(gè)參數(shù)值不符合對(duì)應(yīng)的正常范圍，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，包括：

將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測(cè)模型；所述狀態(tài)檢測(cè)模型為根據(jù)收集的車身狀態(tài)參數(shù)值樣本進(jìn)行訓(xùn)練所得到；

若所述狀態(tài)檢測(cè)模型的輸出結(jié)果為異常狀態(tài)，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，所述方法還包括：

收集用戶的駕駛行為數(shù)據(jù)；

根據(jù)所述用戶的駕駛行為數(shù)據(jù)對(duì)所述狀態(tài)檢測(cè)模型進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的狀態(tài)檢測(cè)模型。

可選地，所述狀態(tài)檢測(cè)模型設(shè)置在云服務(wù)器中，所述將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測(cè)模型的步驟，包括：

將所述車身狀態(tài)參數(shù)值上傳至所述云服務(wù)器，以將所述車身狀態(tài)參數(shù)值輸入所述云服務(wù)器中的狀態(tài)檢測(cè)模型進(jìn)行異常狀態(tài)檢測(cè)。

可選地，所述車身狀態(tài)參數(shù)值至少包括如下參數(shù)：車速、轉(zhuǎn)速、邁速、擋位、油量、水溫。

根據(jù)本發(fā)明的另一方面，提供了一種車輛攻擊檢測(cè)裝置，包括：

數(shù)據(jù)采集模塊，用于采集車身總線數(shù)據(jù)；

信息熵確定模塊，用于確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵；

第一攻擊確定模塊，用于若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息。

可選地，所述信息熵確定模塊，包括：

數(shù)據(jù)量獲取子模塊，用于獲取預(yù)設(shè)時(shí)間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量；

信息熵確定子模塊，用于根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵。

可選地，所述裝置還包括：

異常狀態(tài)判斷模塊，用于判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；

第二攻擊確定模塊，用于若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。

可選地，所述異常狀態(tài)判斷模塊，包括：

第一判斷子模塊，用于將所述車身狀態(tài)參數(shù)值與正常參數(shù)值進(jìn)行比對(duì)，若所述車身狀態(tài)參數(shù)值與所述正常參數(shù)值的差異超出預(yù)設(shè)閾值，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，所述異常狀態(tài)判斷模塊，包括：

第二判斷子模塊，用于判斷具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值是否分別符合對(duì)應(yīng)的正常范圍；

異常確定子模塊，用于若具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值中有至少一個(gè)參數(shù)值不符合對(duì)應(yīng)的正常范圍，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，所述異常狀態(tài)判斷模塊，包括：

模型輸入子模塊，用于將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測(cè)模型；所述狀態(tài)檢測(cè)模型為根據(jù)收集的車身狀態(tài)參數(shù)值樣本進(jìn)行訓(xùn)練所得到；

結(jié)果輸出子模塊，用于若所述狀態(tài)檢測(cè)模型的輸出結(jié)果為異常狀態(tài)，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，所述裝置還包括：

行為收集模塊，用于收集用戶的駕駛行為數(shù)據(jù)；

模型調(diào)整模塊，用于根據(jù)所述用戶的駕駛行為數(shù)據(jù)對(duì)所述狀態(tài)檢測(cè)模型進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的狀態(tài)檢測(cè)模型。

可選地，所述狀態(tài)檢測(cè)模型設(shè)置在云服務(wù)器中，所述模型輸入子模塊，包括：

上傳單元，用于將所述車身狀態(tài)參數(shù)值上傳至所述云服務(wù)器，以將所述車身狀態(tài)參數(shù)值輸入所述云服務(wù)器中的狀態(tài)檢測(cè)模型進(jìn)行異常狀態(tài)檢測(cè)。

可選地，所述車身狀態(tài)參數(shù)值至少包括如下參數(shù)：車速、轉(zhuǎn)速、邁速、擋位、油量、水溫。

根據(jù)本發(fā)明實(shí)施例提供的一種車輛攻擊檢測(cè)方法和裝置，通過(guò)檢測(cè)車身總線數(shù)據(jù)的信息熵來(lái)判斷車身總線是否受到攻擊。由于車身總線數(shù)據(jù)的信息熵可以反映車身總線數(shù)據(jù)的穩(wěn)定狀態(tài)，如果該信息熵超出預(yù)置范圍，則說(shuō)明車身總線數(shù)據(jù)處于不穩(wěn)地狀態(tài)，也即車身總線數(shù)據(jù)中有可能出現(xiàn)用于攻擊的異常數(shù)據(jù)，因此，可以確定所述車身總線受到攻擊，并發(fā)出告警信息，以使用戶盡早采取措施制止攻擊的深入發(fā)展，進(jìn)而提高用戶的行車安全以及信息安全。

上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說(shuō)明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

附圖說(shuō)明

通過(guò)閱讀下文可選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出可選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：

圖1示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種車輛攻擊檢測(cè)方法的步驟流程圖；

圖2示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種車輛攻擊檢測(cè)方法的步驟流程圖；以及

圖3示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種車輛攻擊檢測(cè)裝置的結(jié)構(gòu)框圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

參照?qǐng)D1，示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種車輛攻擊檢測(cè)方法的步驟流程圖，具體可以包括如下步驟：

步驟101、采集車身總線數(shù)據(jù)；

步驟102、確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵；

步驟103、若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息。

在實(shí)際應(yīng)用中，攻擊者通常通過(guò)對(duì)車身總線數(shù)據(jù)進(jìn)行篡改，以達(dá)到攻擊車輛的目的。本發(fā)明實(shí)施例可用于對(duì)車輛總線進(jìn)行安全檢測(cè)，以及時(shí)發(fā)現(xiàn)對(duì)車輛總線的攻擊行為，并且發(fā)出告警信息，進(jìn)而提高用戶的行車安全以及信息安全。

在實(shí)際應(yīng)用中，本發(fā)明實(shí)施例可以預(yù)先設(shè)置安全檢測(cè)規(guī)則，并且利用所述安全檢測(cè)規(guī)則對(duì)實(shí)時(shí)采集的車身總線數(shù)據(jù)進(jìn)行檢測(cè)，以判斷車身總線是否受到攻擊。可選地，所述安全檢測(cè)規(guī)則可以置于車輛本地，例如，可以將所述安全檢測(cè)規(guī)則設(shè)置于T-BOX(Telematics BOX，車載智能終端)、OBD(On-Board Diagnostic，車載診斷系統(tǒng))等車聯(lián)網(wǎng)設(shè)備中，由于所述車聯(lián)網(wǎng)設(shè)備具有采集車身總線數(shù)據(jù)的功能，因此，本發(fā)明實(shí)施例可以不用再額外增加獨(dú)立的功能模塊，以節(jié)省硬件成本。

或者，所述安全檢測(cè)規(guī)則還可以置于云服務(wù)器中，由云服務(wù)器向車輛的車聯(lián)網(wǎng)設(shè)備下發(fā)所述安全檢測(cè)規(guī)則。所述車聯(lián)網(wǎng)設(shè)備通過(guò)云服務(wù)器下發(fā)的安全檢測(cè)規(guī)則對(duì)實(shí)時(shí)采集的車身總線數(shù)據(jù)進(jìn)行安全檢測(cè)，在確定車身總線受到攻擊時(shí)，發(fā)出告警信息。所述車聯(lián)網(wǎng)設(shè)備還可以將采集的車身總線數(shù)據(jù)以及檢測(cè)結(jié)果上傳至云服務(wù)器，以使云服務(wù)器可以對(duì)各車聯(lián)網(wǎng)設(shè)備上傳的車身總線數(shù)據(jù)以及檢測(cè)結(jié)果進(jìn)行分析，以不斷對(duì)所述安全檢測(cè)規(guī)則進(jìn)行優(yōu)化和更新。

本發(fā)明實(shí)施例中，車身總線數(shù)據(jù)的信息熵在車身運(yùn)轉(zhuǎn)狀態(tài)過(guò)程中通常在一定范圍內(nèi)進(jìn)行波動(dòng)，也即車身總線數(shù)據(jù)通常處于某個(gè)穩(wěn)定狀態(tài)。如果車身總線數(shù)據(jù)的信息熵超出正常的波動(dòng)范圍，則可以認(rèn)為車身總線有可能受到攻擊。因此，所述安全檢測(cè)規(guī)則具體可以為：監(jiān)控車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵，若所述信息熵超出預(yù)置范圍，則確定車身總線受到攻擊。其中，所述預(yù)置范圍可以為在車身總線正常狀態(tài)下統(tǒng)計(jì)得到的車身總線數(shù)據(jù)信息熵的波動(dòng)范圍。

在本發(fā)明的一種可選實(shí)施例中，所述確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵的步驟，具體可以包括：

步驟S11、獲取預(yù)設(shè)時(shí)間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量；

步驟S12、根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵。

在實(shí)際應(yīng)用中，不同型號(hào)的車輛通常具有不同的總線控制命令，攻擊者在對(duì)車身總線進(jìn)行攻擊前，通常首先對(duì)車輛進(jìn)行攻擊嘗試，對(duì)應(yīng)的攻擊嘗試過(guò)程可以包括：通過(guò)發(fā)送大量的嘗試命令，以嘗試得出某輛車輛的總線控制命令，如剎車命令、開門命令等，并利用得到的總線控制命令進(jìn)行車輛攻擊。在車輛正常行駛的過(guò)程中，車身總線數(shù)據(jù)的總數(shù)據(jù)量通常維持在某個(gè)穩(wěn)定的范圍內(nèi)，如果在某段時(shí)間內(nèi)，攻擊者通過(guò)車身總線發(fā)送大量的剎車嘗試命令，則該段時(shí)間內(nèi)車身總線數(shù)據(jù)中會(huì)出現(xiàn)大量的異常車身狀態(tài)參數(shù)值，使得車身狀態(tài)參數(shù)值的數(shù)據(jù)量顯著增多，進(jìn)而車身總線數(shù)據(jù)的總數(shù)據(jù)量也隨之增加，從而導(dǎo)致車身總線數(shù)據(jù)的總數(shù)據(jù)量超出正常的波動(dòng)范圍。

也即在攻擊者對(duì)車輛進(jìn)行攻擊嘗試的過(guò)程中，攻擊者會(huì)通過(guò)車身總線發(fā)送大量的嘗試命令，使得車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量發(fā)生明顯的變化，因此，本發(fā)明實(shí)施例通過(guò)獲取預(yù)設(shè)時(shí)間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，并且根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵。該信息熵可以反映預(yù)設(shè)時(shí)間段內(nèi)車身總線數(shù)據(jù)的狀態(tài)，該狀態(tài)可以包括穩(wěn)定狀態(tài)或者不穩(wěn)定狀態(tài)，例如，攻擊者發(fā)送大量的嘗試剎車的命令，則計(jì)算得到的車身總線數(shù)據(jù)的信息熵可能為一個(gè)較大的值，并且超出預(yù)置范圍，則可以確定所述車身總線因受到攻擊而不穩(wěn)定，故可以發(fā)出告警信息。

在本發(fā)明實(shí)施例中，可以通過(guò)如下步驟計(jì)算所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵：確定所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量與所述車身總線數(shù)據(jù)的總數(shù)據(jù)量的比值，計(jì)算所述比值、以及所述比值的對(duì)數(shù)值(取對(duì)數(shù)得到的值)的乘積，將得到的乘積的負(fù)值作為所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵。

可以理解，上述計(jì)算車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵的方式僅作為本發(fā)明的一種應(yīng)用示例，在具體應(yīng)用中，本發(fā)明實(shí)施例對(duì)于所述信息熵的具體計(jì)算方式不加以限制。

綜上，本發(fā)明實(shí)施例的車輛攻擊檢測(cè)方法，通過(guò)檢測(cè)車身總線數(shù)據(jù)的信息熵來(lái)判斷車身總線是否受到攻擊。由于車身總線數(shù)據(jù)的信息熵可以反映車身總線數(shù)據(jù)的穩(wěn)定狀態(tài)，如果該信息熵超出預(yù)置范圍，則說(shuō)明車身總線數(shù)據(jù)處于不穩(wěn)地狀態(tài)，也即車身總線數(shù)據(jù)中有可能出現(xiàn)用于攻擊的異常數(shù)據(jù)，因此，可以確定所述車身總線受到攻擊，并發(fā)出告警信息，以使用戶盡早采取措施制止攻擊的深入發(fā)展，進(jìn)而提高用戶的行車安全以及信息安全。

在本發(fā)明的一種可選實(shí)施例中，所述安全檢測(cè)規(guī)則還可以為：監(jiān)控所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)，若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。參照?qǐng)D2，示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種車輛攻擊檢測(cè)方法的步驟流程圖，具體可以包括如下步驟：

步驟201、采集車身總線數(shù)據(jù)；

步驟202、確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵；

步驟203、若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息；

步驟204、判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；

步驟205、若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。

需要說(shuō)明的是，本發(fā)明實(shí)施例對(duì)于上述步驟202-步驟203、與步驟204-步驟205之間的執(zhí)行順序不加以限制。例如，可以先執(zhí)行步驟202-步驟203，再執(zhí)行步驟204-步驟205；或者先執(zhí)行步驟204-步驟205，再執(zhí)行步驟202-步驟203；或者并列同時(shí)執(zhí)行步驟202-步驟203、與步驟204-步驟205均可。

在車輛啟動(dòng)后，車身各個(gè)ECU(Electronic Control Unit，電子控制單元)便開始相繼啟動(dòng)工作，車身總線中也開始出現(xiàn)描述車身參數(shù)的數(shù)據(jù)，以下稱為車身狀態(tài)參數(shù)值。在本發(fā)明的一種可選實(shí)施例中，所述車身狀態(tài)參數(shù)值至少包括如下參數(shù)值：車速、轉(zhuǎn)速、邁速、擋位、油量、水溫。

本發(fā)明實(shí)施例可以提供判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的如下可選方案。

方案一

在具體應(yīng)用中，攻擊者在對(duì)車輛進(jìn)行攻擊時(shí)，在初期的攻擊嘗試階段，往往是針對(duì)車輛某個(gè)功能模塊單獨(dú)進(jìn)行嘗試攻擊。因此，本方案通過(guò)判斷單個(gè)車身狀態(tài)參數(shù)值是否處于異常狀態(tài)，可以在攻擊初期檢測(cè)出車輛是否受到攻擊，以及時(shí)發(fā)出告警信息，盡早減少用戶的損失。

具體地，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，可以包括：將所述車身狀態(tài)參數(shù)值與正常參數(shù)值進(jìn)行比對(duì)，若所述車身狀態(tài)參數(shù)值與所述正常參數(shù)值的差異超出預(yù)設(shè)閾值，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

例如，檢測(cè)出當(dāng)前轉(zhuǎn)速明顯超出正常轉(zhuǎn)速，或者，當(dāng)前水溫明顯超出正常水溫等，可以確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

方案二

在車輛行駛過(guò)程中，所獲得的車身狀態(tài)參數(shù)值之間并不是嚴(yán)格獨(dú)立的，而是相互之間存在著一定的關(guān)聯(lián)關(guān)系。比如邁速的取值范圍與轉(zhuǎn)速和擋位存在關(guān)聯(lián)關(guān)系，水溫的高低與轉(zhuǎn)速、外部氣溫、行車時(shí)間也存在關(guān)聯(lián)關(guān)系等。因此，方案二通過(guò)對(duì)具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值進(jìn)行檢測(cè)，以判斷車身總線是否受到攻擊，進(jìn)一步提高攻擊檢測(cè)的準(zhǔn)確性。

具體地，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，可以包括：

步驟S21、判斷具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值是否分別符合對(duì)應(yīng)的正常范圍；

步驟S22、若具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值中有至少一個(gè)參數(shù)值不符合對(duì)應(yīng)的正常范圍，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

例如，車速、轉(zhuǎn)速以及擋位通常具有關(guān)聯(lián)關(guān)系，在檔位為X檔、車速在M0-N0km/s范圍內(nèi)時(shí)，對(duì)應(yīng)的正常轉(zhuǎn)速應(yīng)該在M1-N1RPM范圍內(nèi)，如果檢測(cè)出當(dāng)前轉(zhuǎn)速超出M1-N1RPM的正常范圍，則可以確定車身狀態(tài)參數(shù)值處于異常狀態(tài)?；蛘?，檢測(cè)出當(dāng)前車速超出M0-N0KM/S的正常范圍，則可以確定車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可以理解，上述方案一和方案二所提供的判斷車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的方式僅作為本發(fā)明的可選實(shí)施例，在實(shí)際應(yīng)用中，可以根據(jù)實(shí)際情況采取不同的判斷方式。可選地，還可以通過(guò)檢測(cè)預(yù)設(shè)時(shí)間內(nèi)車身狀態(tài)參數(shù)值是否處于穩(wěn)定狀態(tài)，來(lái)判斷車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；例如，若在短時(shí)間內(nèi)檢測(cè)到油量出現(xiàn)忽高忽低的不穩(wěn)定狀態(tài)，則可以確定車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，還可以通過(guò)檢測(cè)儀表盤是否出現(xiàn)不正常的顯示值，來(lái)判斷車身狀態(tài)參數(shù)值是否處于異常狀態(tài)。例如，在車輛沒有點(diǎn)火的情況下，儀表盤卻顯示有一定的轉(zhuǎn)速或者邁速等，則可以確定車身狀態(tài)參數(shù)值處于異常狀態(tài)。

方案三

本方案可以收集大多數(shù)用戶在正常駕駛過(guò)程中的車身狀態(tài)參數(shù)值樣本，所述車身狀態(tài)參數(shù)值樣本可以包括：正常的車身狀態(tài)參數(shù)值樣本也即正樣本、以及異常的車身狀態(tài)參數(shù)值樣本也即反樣本，依據(jù)上述正樣本和反樣本中車身狀態(tài)參數(shù)值之間的關(guān)聯(lián)關(guān)系得到特征向量，并且利用上述特征向量對(duì)正樣本和反樣本進(jìn)行訓(xùn)練，通過(guò)機(jī)器學(xué)習(xí)的方式訓(xùn)練出狀態(tài)檢測(cè)模型，利用該狀態(tài)檢測(cè)模型判斷車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)。由于該狀態(tài)檢測(cè)模型可以通過(guò)收集的大量車身狀態(tài)參數(shù)值樣本訓(xùn)練得到，因此，利用該狀態(tài)檢測(cè)模型具備正常狀態(tài)或者異常狀態(tài)的分類和識(shí)別能力，故可以提高檢測(cè)攻擊的準(zhǔn)確性。

具體地，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，可以包括：

步驟S31、將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測(cè)模型；所述狀態(tài)檢測(cè)模型為根據(jù)收集的車身狀態(tài)參數(shù)值樣本進(jìn)行訓(xùn)練所得到；

步驟S32、若所述狀態(tài)檢測(cè)模型的輸出結(jié)果為異常狀態(tài)，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可以理解，本發(fā)明實(shí)施例對(duì)于所述狀態(tài)檢測(cè)模型的具體訓(xùn)練方式不加以限制。例如，可以采集預(yù)設(shè)時(shí)間段內(nèi)的車速、轉(zhuǎn)速、擋位、轉(zhuǎn)向角度、水溫、油溫等車身狀態(tài)參數(shù)值作為車身狀態(tài)參數(shù)值樣本，對(duì)車身狀態(tài)參數(shù)值樣本進(jìn)行歸一化處理，將歸一化后的數(shù)據(jù)分別采用BP(Error Back Propagation，誤差反向傳播)等算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)獲得最優(yōu)模型參數(shù)，得到狀態(tài)檢測(cè)模型。

在本發(fā)明的一種可選實(shí)施例中，所述狀態(tài)檢測(cè)模型可以設(shè)置在云服務(wù)器中，所述將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測(cè)模型的步驟，具體可以包括：

將所述車身狀態(tài)參數(shù)值上傳至所述云服務(wù)器，以將所述車身狀態(tài)參數(shù)值輸入所述云服務(wù)器中的狀態(tài)檢測(cè)模型進(jìn)行異常狀態(tài)檢測(cè)。

在具體應(yīng)用中，可以利用車聯(lián)網(wǎng)設(shè)備采集車身狀態(tài)參數(shù)值，并且上傳至云服務(wù)器，云服務(wù)器利用車聯(lián)網(wǎng)設(shè)備采集的車身狀態(tài)參數(shù)值，依托大數(shù)據(jù)建立用于檢測(cè)車輛安全狀態(tài)的狀態(tài)檢測(cè)模型，可以對(duì)車輛運(yùn)行過(guò)程中的實(shí)時(shí)采集的車身狀態(tài)參數(shù)值進(jìn)行分析，一旦發(fā)現(xiàn)車身狀態(tài)參數(shù)值處于異常狀態(tài)，即可發(fā)出告警，從而可以及時(shí)發(fā)現(xiàn)車身總線受到攻擊并及早采取措施制止攻擊的深入發(fā)展，降低用戶的損失。

進(jìn)一步地，云服務(wù)器可以將所述狀態(tài)檢測(cè)模型下發(fā)至車輛的車聯(lián)網(wǎng)設(shè)備中，使得在車輛本地即可利用所述狀態(tài)檢測(cè)模型檢測(cè)車身總線數(shù)據(jù)是否受到攻擊。車聯(lián)網(wǎng)設(shè)備還可以將實(shí)時(shí)采集的車身狀態(tài)參數(shù)值以及檢測(cè)結(jié)果發(fā)送至云服務(wù)器，以使云服務(wù)器可以對(duì)所述狀態(tài)檢測(cè)模型進(jìn)行不斷優(yōu)化。

在具體應(yīng)用中，由于不同用戶具有不同的駕駛習(xí)慣，例如有的用戶習(xí)慣在駕駛過(guò)程中急加速和急減速，這樣，利用上述根據(jù)車輛正常行駛過(guò)程中采集的車身狀態(tài)參數(shù)值樣本訓(xùn)練得到的狀態(tài)檢測(cè)模型進(jìn)行檢測(cè)，有可能檢測(cè)得到車身狀態(tài)參數(shù)值處于異常狀態(tài)，為了使得狀態(tài)檢測(cè)模型能夠符合不同用戶的駕駛習(xí)慣，在本發(fā)明的一種可選實(shí)施例中，所述方法還可以包括如下步驟：

步驟S41、收集用戶的駕駛行為數(shù)據(jù)；

步驟S42、根據(jù)所述用戶的駕駛行為數(shù)據(jù)對(duì)所述狀態(tài)檢測(cè)模型進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的狀態(tài)檢測(cè)模型。

本發(fā)明實(shí)施例可以根據(jù)不同用戶的駕駛行為數(shù)據(jù)，對(duì)所述狀態(tài)檢測(cè)模型的訓(xùn)練樣本進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的個(gè)性化狀態(tài)檢測(cè)模型。例如，轉(zhuǎn)速的高低、急加速、急減速的次數(shù)可以反映用戶的駕駛激烈程度等。對(duì)于駕駛行為較為激烈的用戶，可以將稍大一些的車速、轉(zhuǎn)速等車身狀態(tài)參數(shù)值作為正樣本，由此訓(xùn)練出的該用戶的個(gè)性化狀態(tài)檢測(cè)模型可以符合用戶的駕駛習(xí)慣，可以識(shí)別出屬于該用戶駕駛習(xí)慣的正常車身狀態(tài)參數(shù)值，以及識(shí)別出屬于車身總線攻擊的異常車身狀態(tài)參數(shù)值。

在實(shí)際應(yīng)用中，本領(lǐng)域技術(shù)人員可以根據(jù)需要靈活選取上述三種方案中的任意一種或者任意組合。例如，對(duì)于簡(jiǎn)單規(guī)則的判定(如方案一和方案二)，可直接在車聯(lián)網(wǎng)設(shè)備中進(jìn)行判定，而對(duì)于需要大數(shù)據(jù)分析的復(fù)雜規(guī)則(如方案三)，可以通過(guò)車聯(lián)網(wǎng)設(shè)備采集車身狀態(tài)參數(shù)值上傳至云服務(wù)器進(jìn)行學(xué)習(xí)訓(xùn)練，再將經(jīng)過(guò)學(xué)習(xí)訓(xùn)練生成的狀態(tài)檢測(cè)模型下發(fā)到車聯(lián)網(wǎng)設(shè)備中進(jìn)行使用。

在實(shí)際應(yīng)用中，有可能出現(xiàn)由于車輛自身故障導(dǎo)致車輛異常的情況，因此，在本發(fā)明的一種可選實(shí)施例中，在所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵超出預(yù)置范圍，或者所述車身狀態(tài)參數(shù)值處于異常狀態(tài)時(shí)，可以發(fā)出遭受攻擊的告警信息；然而，此種情況下若通過(guò)修理廠檢測(cè)等物理檢測(cè)手段確定車身總線實(shí)際上并未受到攻擊，則說(shuō)明攻擊檢測(cè)結(jié)果有誤，車輛有可能發(fā)生其它故障，此時(shí)可以生成故障檢測(cè)報(bào)告。并且可以將所述車身總線數(shù)據(jù)、車身狀態(tài)參數(shù)值以及故障檢測(cè)結(jié)果上傳至云服務(wù)器進(jìn)行大數(shù)據(jù)分析，以進(jìn)一步優(yōu)化安全檢測(cè)規(guī)則以及狀態(tài)檢測(cè)模型，從而可以減少攻擊誤判的幾率，提高攻擊檢測(cè)的準(zhǔn)確性。

綜上，本發(fā)明實(shí)施例除了可以通過(guò)檢測(cè)車身總線數(shù)據(jù)的信息熵來(lái)判斷車身總線是否受到攻擊，還可以通過(guò)檢測(cè)車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)，來(lái)判斷車身總線是否受到攻擊。例如，通過(guò)判斷單個(gè)車身狀態(tài)參數(shù)值是否處于異常狀態(tài)，可以在攻擊初期檢測(cè)出車輛是否受到攻擊，以及時(shí)發(fā)出告警信息，盡早減少用戶的損失?；蛘?，通過(guò)對(duì)具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值進(jìn)行檢測(cè)，以判斷車身總線是否受到攻擊，進(jìn)一步提高攻擊檢測(cè)的準(zhǔn)確性。再者，還可以通過(guò)狀態(tài)檢測(cè)模型檢測(cè)車身總線是否受到攻擊，不僅可以提高檢測(cè)的準(zhǔn)確性，還可以使得檢測(cè)結(jié)果符合不同用戶的駕駛習(xí)慣。

參照?qǐng)D3，示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種車輛攻擊檢測(cè)裝置的結(jié)構(gòu)框圖，具體可以包括如下模塊：

數(shù)據(jù)采集模塊301，用于采集車身總線數(shù)據(jù)；

信息熵確定模塊302，用于確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵；

第一攻擊確定模塊303，用于若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息。

在本發(fā)明的一種可選實(shí)施例中，所述信息熵確定模塊302，具體可以包括：

數(shù)據(jù)量獲取子模塊，用于獲取預(yù)設(shè)時(shí)間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量；

信息熵確定子模塊，用于根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵。

在本發(fā)明的另一種可選實(shí)施例中，所述裝置還可以包括：

異常狀態(tài)判斷模塊，用于判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；

第二攻擊確定模塊，用于若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。

在本發(fā)明的又一種可選實(shí)施例中，所述異常狀態(tài)判斷模塊，具體可以包括：

第一判斷子模塊，用于將所述車身狀態(tài)參數(shù)值與正常參數(shù)值進(jìn)行比對(duì)，若所述車身狀態(tài)參數(shù)值與所述正常參數(shù)值的差異超出預(yù)設(shè)閾值，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

在本發(fā)明的再一種可選實(shí)施例中，所述異常狀態(tài)判斷模塊，具體可以包括：

第二判斷子模塊，用于判斷具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值是否分別符合對(duì)應(yīng)的正常范圍；

異常確定子模塊，用于若具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值中有至少一個(gè)參數(shù)值不符合對(duì)應(yīng)的正常范圍，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

在本發(fā)明的再一種可選實(shí)施例中，所述異常狀態(tài)判斷模塊，具體可以包括：

模型輸入子模塊，用于將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測(cè)模型；所述狀態(tài)檢測(cè)模型為根據(jù)收集的車身狀態(tài)參數(shù)值樣本進(jìn)行訓(xùn)練所得到；

結(jié)果輸出子模塊，用于若所述狀態(tài)檢測(cè)模型的輸出結(jié)果為異常狀態(tài)，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

在本發(fā)明的再一種可選實(shí)施例中，所述裝置還可以包括：

行為收集模塊，用于收集用戶的駕駛行為數(shù)據(jù)；

模型調(diào)整模塊，用于根據(jù)所述用戶的駕駛行為數(shù)據(jù)對(duì)所述狀態(tài)檢測(cè)模型進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的狀態(tài)檢測(cè)模型。

在本發(fā)明的再一種可選實(shí)施例中，所述狀態(tài)檢測(cè)模型設(shè)置在云服務(wù)器中，所述模型輸入子模塊，具體可以包括：

上傳單元，用于將所述車身狀態(tài)參數(shù)值上傳至所述云服務(wù)器，以將所述車身狀態(tài)參數(shù)值輸入所述云服務(wù)器中的狀態(tài)檢測(cè)模型進(jìn)行異常狀態(tài)檢測(cè)。

在本發(fā)明的再一種可選實(shí)施例中，所述車身狀態(tài)參數(shù)值至少包括如下參數(shù)：車速、轉(zhuǎn)速、邁速、擋位、油量、水溫。

對(duì)于裝置實(shí)施例而言，由于其與方法實(shí)施例基本相似，所以描述的比較簡(jiǎn)單，相關(guān)之處參見方法實(shí)施例的部分說(shuō)明即可。

在此提供的算法和顯示不與任何特定計(jì)算機(jī)、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類系統(tǒng)所要求的結(jié)構(gòu)是顯而易見的。此外，本發(fā)明也不針對(duì)任何特定編程語(yǔ)言。應(yīng)當(dāng)明白，可以利用各種編程語(yǔ)言實(shí)現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對(duì)特定語(yǔ)言所做的描述是為了披露本發(fā)明的最佳實(shí)施方式。

在此處所提供的說(shuō)明書中，說(shuō)明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實(shí)施例可以在沒有這些具體細(xì)節(jié)的情況下實(shí)踐。在一些實(shí)例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對(duì)本說(shuō)明書的理解。

類似地，應(yīng)當(dāng)理解，為了精簡(jiǎn)本公開并幫助理解各個(gè)發(fā)明方面中的一個(gè)或多個(gè)，在上面對(duì)本發(fā)明的示例性實(shí)施例的描述中，本發(fā)明的各個(gè)特征有時(shí)被一起分組到單個(gè)實(shí)施例、圖、或者對(duì)其的描述中。然而，并不應(yīng)將該公開的方法解釋成反映如下意圖：即所要求保護(hù)的本發(fā)明要求比在每個(gè)權(quán)利要求中所明確記載的特征更多的特征。更確切地說(shuō)，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個(gè)實(shí)施例的所有特征。因此，遵循具體實(shí)施方式的權(quán)利要求書由此明確地并入該具體實(shí)施方式，其中每個(gè)權(quán)利要求本身都作為本發(fā)明的單獨(dú)實(shí)施例。

本領(lǐng)域那些技術(shù)人員可以理解，可以對(duì)實(shí)施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地改變并且把它們?cè)O(shè)置在與該實(shí)施例不同的一個(gè)或多個(gè)設(shè)備中?？梢园褜?shí)施例中的模塊或單元或組件組合成一個(gè)模塊或單元或組件，以及此外可以把它們分成多個(gè)子模塊或子單元或子組件。除了這樣的特征和/或過(guò)程或者單元中的至少一些是相互排斥之外，可以采用任何組合對(duì)本說(shuō)明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設(shè)備的所有過(guò)程或單元進(jìn)行組合。除非另外明確陳述，本說(shuō)明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個(gè)特征可以由提供相同、等同或相似目的的替代特征來(lái)代替。

此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實(shí)施例包括其它實(shí)施例中所包括的某些特征而不是其它特征，但是不同實(shí)施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實(shí)施例。例如，在下面的權(quán)利要求書中，所要求保護(hù)的實(shí)施例的任意之一都可以以任意的組合方式來(lái)使用。

本發(fā)明的各個(gè)部件實(shí)施例可以以硬件實(shí)現(xiàn)，或者以在一個(gè)或者多個(gè)處理器上運(yùn)行的軟件模塊實(shí)現(xiàn)，或者以它們的組合實(shí)現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，可以在實(shí)踐中使用微處理器或者數(shù)字信號(hào)處理器(DSP)來(lái)實(shí)現(xiàn)根據(jù)本發(fā)明實(shí)施例的車輛攻擊檢測(cè)方法和裝置中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實(shí)現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者裝置程序(例如，計(jì)算機(jī)程序和計(jì)算機(jī)程序產(chǎn)品)。這樣的實(shí)現(xiàn)本發(fā)明的程序可以存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)上，或者可以具有一個(gè)或者多個(gè)信號(hào)的形式。這樣的信號(hào)可以從因特網(wǎng)平臺(tái)上下載得到，或者在載體信號(hào)上提供，或者以任何其他形式提供。

應(yīng)該注意的是上述實(shí)施例對(duì)本發(fā)明進(jìn)行說(shuō)明而不是對(duì)本發(fā)明進(jìn)行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計(jì)出替換實(shí)施例。在權(quán)利要求中，不應(yīng)將位于括號(hào)之間的任何參考符號(hào)構(gòu)造成對(duì)權(quán)利要求的限制。單詞“包括”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個(gè)”不排除存在多個(gè)這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計(jì)算機(jī)來(lái)實(shí)現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個(gè)可以是通過(guò)同一個(gè)硬件項(xiàng)來(lái)具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。

本發(fā)明公開了A1、一種車輛攻擊檢測(cè)方法，包括：

采集車身總線數(shù)據(jù)；

確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵；

若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息。

A2、如A1所述的方法，所述確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵的步驟，包括：

獲取預(yù)設(shè)時(shí)間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量；

根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵。

A3、如A1所述的方法，所述方法還包括：

判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；

若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。

A4、如A3所述的方法，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，包括：

將所述車身狀態(tài)參數(shù)值與正常參數(shù)值進(jìn)行比對(duì)，若所述車身狀態(tài)參數(shù)值與所述正常參數(shù)值的差異超出預(yù)設(shè)閾值，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

A5、如A3所述的方法，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，包括：

判斷具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值是否分別符合對(duì)應(yīng)的正常范圍；

若具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值中有至少一個(gè)參數(shù)值不符合對(duì)應(yīng)的正常范圍，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

A6、如A3所述的方法，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，包括：

將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測(cè)模型；所述狀態(tài)檢測(cè)模型為根據(jù)收集的車身狀態(tài)參數(shù)值樣本進(jìn)行訓(xùn)練所得到；

若所述狀態(tài)檢測(cè)模型的輸出結(jié)果為異常狀態(tài)，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

A7、如A6所述的方法，所述方法還包括：

收集用戶的駕駛行為數(shù)據(jù)；

根據(jù)所述用戶的駕駛行為數(shù)據(jù)對(duì)所述狀態(tài)檢測(cè)模型進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的狀態(tài)檢測(cè)模型。

A8、如A6所述的方法，所述狀態(tài)檢測(cè)模型設(shè)置在云服務(wù)器中，所述將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測(cè)模型的步驟，包括：

將所述車身狀態(tài)參數(shù)值上傳至所述云服務(wù)器，以將所述車身狀態(tài)參數(shù)值輸入所述云服務(wù)器中的狀態(tài)檢測(cè)模型進(jìn)行異常狀態(tài)檢測(cè)。

A9、如A2至A8所述的方法，所述車身狀態(tài)參數(shù)值至少包括如下參數(shù)：車速、轉(zhuǎn)速、邁速、擋位、油量、水溫。

本發(fā)明公開了B10、一種車輛攻擊檢測(cè)裝置，包括：

數(shù)據(jù)采集模塊，用于采集車身總線數(shù)據(jù)；

信息熵確定模塊，用于確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵；

第一攻擊確定模塊，用于若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息。

B11、如B10所述的裝置，所述信息熵確定模塊，包括：

數(shù)據(jù)量獲取子模塊，用于獲取預(yù)設(shè)時(shí)間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量；

信息熵確定子模塊，用于根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對(duì)應(yīng)的信息熵。

B12、如B10所述的裝置，所述裝置還包括：

異常狀態(tài)判斷模塊，用于判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；

第二攻擊確定模塊，用于若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。

B13、如B12所述的裝置，所述異常狀態(tài)判斷模塊，包括：

第一判斷子模塊，用于將所述車身狀態(tài)參數(shù)值與正常參數(shù)值進(jìn)行比對(duì)，若所述車身狀態(tài)參數(shù)值與所述正常參數(shù)值的差異超出預(yù)設(shè)閾值，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

B14、如B12所述的裝置，所述異常狀態(tài)判斷模塊，包括：

第二判斷子模塊，用于判斷具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值是否分別符合對(duì)應(yīng)的正常范圍；

異常確定子模塊，用于若具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值中有至少一個(gè)參數(shù)值不符合對(duì)應(yīng)的正常范圍，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

B15、如B12所述的裝置，所述異常狀態(tài)判斷模塊，包括：

模型輸入子模塊，用于將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測(cè)模型；所述狀態(tài)檢測(cè)模型為根據(jù)收集的車身狀態(tài)參數(shù)值樣本進(jìn)行訓(xùn)練所得到；

結(jié)果輸出子模塊，用于若所述狀態(tài)檢測(cè)模型的輸出結(jié)果為異常狀態(tài)，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

B16、如B15所述的裝置，所述裝置還包括：

行為收集模塊，用于收集用戶的駕駛行為數(shù)據(jù)；

模型調(diào)整模塊，用于根據(jù)所述用戶的駕駛行為數(shù)據(jù)對(duì)所述狀態(tài)檢測(cè)模型進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的狀態(tài)檢測(cè)模型。

B17、如B15所述的裝置，所述狀態(tài)檢測(cè)模型設(shè)置在云服務(wù)器中，所述模型輸入子模塊，包括：

上傳單元，用于將所述車身狀態(tài)參數(shù)值上傳至所述云服務(wù)器，以將所述車身狀態(tài)參數(shù)值輸入所述云服務(wù)器中的狀態(tài)檢測(cè)模型進(jìn)行異常狀態(tài)檢測(cè)。

B18、如B11至B17所述的裝置，所述車身狀態(tài)參數(shù)值至少包括如下參數(shù)：車速、轉(zhuǎn)速、邁速、擋位、油量、水溫。