CN109121116A - 车辆ids检测辅助方法、装置、终端及存储介质 - Google Patents

车辆ids检测辅助方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN109121116A
CN109121116A CN201810746080.3A CN201810746080A CN109121116A CN 109121116 A CN109121116 A CN 109121116A CN 201810746080 A CN201810746080 A CN 201810746080A CN 109121116 A CN109121116 A CN 109121116A
Authority
CN
China
Prior art keywords
vehicle
target vehicle
beacon message
behavior prediction
prediction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810746080.3A
Other languages
English (en)
Other versions
CN109121116B (zh
Inventor
梁俊威
陈剑勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN201810746080.3A priority Critical patent/CN109121116B/zh
Publication of CN109121116A publication Critical patent/CN109121116A/zh
Application granted granted Critical
Publication of CN109121116B publication Critical patent/CN109121116B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1416—Event detection, e.g. attack signature detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/12—Detection or prevention of fraud
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明适用车联网技术领域，提供了一种车辆IDS检测辅助方法、装置、终端及存储介质，该方法包括：在接收到目标车辆的IDS发出的信标消息后，从信标消息中获取目标车辆的ID，在预设行为预测表中根据目标车辆的ID进行匹配，以确定预设行为预测表中是否存在目标车辆的行为预测链，当预设行为预测表中存在目标车辆的行为预测链时，获取信标消息在行为预测链上对应的预测结果，根据预测结果对信标消息进行标记，并将标记后的信标消息反馈给当前车辆的IDS，将预先预测的目标车辆此次信标信息是否正常的结果标记到信标消息上，以供当前车辆的IDS快速响应对目标车辆的入侵检测结果，从而提高了当前车辆的IDS对目标车辆检测的速度，进而提高了用户体验。

Description

车辆IDS检测辅助方法、装置、终端及存储介质
技术领域
本发明属于车联网技术领域，尤其涉及一种车辆IDS检测辅助方法、装置、终端及存储介质。
背景技术
车联网(Vehicle Ad Hoc Network,VANET)通过DSRC(Dedicated Short RangeCommunications，专用短程通信技术)实现了移动车辆之间的无线通信，其中包含了车辆与车辆之间的通信(Vehicle-to-Vehicle，V2V)和车辆基础设施的通信(Vehicle-to-Infrastructure,V2I)。VANET的应用使车辆行驶安全系数得到明显的提升，特别是在极端行驶条件中的车辆行驶安全系数，例如，车辆在大雾、暴雨或其他恶劣环境中行驶时，可通过VANET反馈周围车辆的信息，让驾驶者在危险来临之前，有更充分的时间排除危险。除此之外，VANET还能够连接互联网，为用户带来各种娱乐功能。VANET不仅能够提升人们的生活质量，还保障了车辆行驶安全，因此为了车辆行驶安全，VANET的安全问题就成了人们需要解决的首要问题。VANET被入侵的方式一般分为内部攻击和外部攻击，例如，女巫攻击(Sybil Attack)和假消息攻击等。
入侵检测系统(Intrusion Detection System,IDS)是现有的VANET使用最广泛的检测系统，通过分析VANET中车辆的消息并对这些消息进行分类，从而有效地检测VANET内部和外部的攻击。然而，现有的IDS只能凭借局部监视的数据进行工作，而且现有的IDS验证和响应速度不能满足VANET这样的高动态网络，无法快速检测出入侵车辆发出的异常消息。
发明内容
本发明的目的在于提供一种车辆IDS检测辅助方法、装置、终端以及存储介质，旨在解决由于现有技术无法提供一种用于IDS的入侵检测辅助方法，导致车辆的入侵检测响应速度慢的问题。
一方面，本发明提供了一种车辆IDS检测辅助方法，所述方法包括下述步骤：
当当前车辆的IDS接收到目标车辆的IDS发出的信标消息时，从所述信标消息中获取所述目标车辆的ID；
在预设行为预测表中根据所述目标车辆的ID进行匹配，以确定所述预设行为预测表中是否存在所述目标车辆的行为预测链；
当所述预设行为预测表中存在所述行为预测链时，获取所述信标消息在所述行为预测链上对应的预测结果，根据所述预测结果对所述信标消息进行标记，并将标记后的所述信标消息反馈给所述当前车辆的IDS。
另一方面，本发明提供了一种车辆IDS检测辅助装置，所述装置包括：
车辆获取单元，用于当当前车辆的IDS接收到目标车辆的IDS发出的信标消息时，从所述信标消息中获取所述目标车辆的ID；
车辆匹配单元，用于在预设行为预测表中根据所述目标车辆的ID进行匹配，以确定所述预设行为预测表中是否存在所述目标车辆的行为预测链；以及
标记反馈单元，用于当所述预设行为预测表中存在所述行为预测链时，获取所述信标消息在所述行为预测链上对应的预测结果，根据所述预测结果对所述信标消息进行标记，并将标记后的所述信标消息反馈给所述当前车辆的IDS。
另一方面，本发明还提供了一种车载终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述车辆IDS检测辅助方法的步骤。
另一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述车辆IDS检测辅助方法的步骤。
本发明在接收到目标车辆的IDS发出的信标消息后，从信标消息中获取目标车辆的ID，在预设行为预测表中根据目标车辆的ID进行匹配，以确定预设行为预测表中是否存在目标车辆的行为预测链，当预设行为预测表中存在行为预测链时，获取信标消息在行为预测链上对应的预测结果，根据预测结果对信标消息进行标记，并将标记后的信标消息反馈给当前车辆的IDS，将预先预测的目标车辆此次信标信息是否正常的结果标记到信标消息上，以供当前车辆的IDS快速响应对目标车辆的入侵检测结果，从而提高了当前车辆的IDS对目标车辆检测的速度，进而提高了用户体验。
附图说明
图1是本发明实施例一提供的车辆IDS检测辅助方法的实现流程图；
图2是本发明实施例一提供的行为预测链修正示意图；
图3是本发明实施例二提供的车辆IDS检测辅助装置的结构示意图；
图4是本发明实施例三提供的车辆IDS检测辅助装置的结构示意图；以及
图5是本发明实施例四提供的车载终端的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述：
实施例一：
图1示出了本发明实施例一提供的车辆IDS检测辅助方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在步骤S101中，当当前车辆的IDS接收到目标车辆的IDS发出的信标消息时，从信标消息中获取目标车辆的ID。
本发明实施例适用于车联网中的入侵检测系统或入侵检测平台。在本发明实施例中，将被检测的信标消息对应的车辆称为目标车辆，将检测目标车辆的信标消息的车辆称为当前车辆，在当前车辆检测范围内的车辆称为邻居车辆，即目标车辆也为邻居车辆中的车辆，信标消息包括车辆ID(Identification身份标识号)，还可以包括信标消息收发车辆之间的距离等信息，当当前车辆的IDS接收到目标车辆的IDS发出的信标消息时，从信标消息中获取目标车辆的ID。
在步骤S102中，在预设行为预测表中根据目标车辆的ID进行匹配，以确定预设行为预测表中是否存在目标车辆的行为预测链。
在本发明实施例中，预先设置了行为预测表，该行为预测表用于存储所有邻居车辆的行为预测链，该行为预测链为邻居车辆在未来的每一次信标消息周期的行为预测结果集合，在获取到目标车辆的ID后，根据目标车辆的ID在行为预测表中进行匹配，从而确定行为预测表中是否存在目标车辆的行为预测链，存在即表示目标车辆发送的信标消息可通过行为预测链预测出目标车辆发送该次信标消息行为是否为正常。
优选地，在根据目标车辆的ID进行匹配的步骤之前，从当前车辆的预设行为观测表中获取目标车辆的历史检测结果，根据历史检测结果通过预设学习算法生成目标车辆的最优HMM(Hidden Markov Model，隐马尔可夫模型)，并清除所述预设行为观测表中所述目标车辆的历史检测结果，根据该最优HMM获取目标车辆的行为预测链，将目标车辆的行为预测链存储在预设行为预测表中，从而便于后续辅助IDS快速响应用户该目标车辆的行为是否正常，清楚已经使用过的历史检测结果，进而提高了后续再次生成最优HMM的准确率。
在本发明实施例中，预先设置了行为观测表，该行为观测表用于存储IDS对所有邻居车辆信标消息的检测结果，即包含了目标车辆的历史检测结果。进一步优选地，从当前车辆的预设行为观测表中获取目标车辆的历史检测结果时，从预设行为观测表中获取当前车辆对目标车辆的检测次数，当检测次数达到预设次数时，从预设行为观测表中获取所述目标车辆的历史检测结果，从而提高了预测结果的准确率。
在通过目标车辆的历史检测结果获取行为预测链的过程中，预设次数可设置在60-100次，预设次数不能太多，也不能太少，太多或者太少都会影响行为预测链的准确率，进一步优选地，当检测次数超过100次时，按时间倒序从预设行为观测表中获取检测100次目标车辆的历史检测结果，从而进一步提高了预测结果的正确率。
在生成最优HMM的过程中，优选地，通过Baum-Welch算法获取HMM的最优模型参数，从而更快速地生成最优HMM。
在步骤S103中，当预设行为预测表中存在行为预测链时，获取信标消息在行为预测链上对应的预测结果，根据对应的预测结果对信标消息进行标记，并将标记后的信标消息反馈给当前车辆的IDS。
在本发明实施例中，当预设行为预测表中存在目标车辆的行为预测链时，获取该信标消息在目标车辆的行为预测链上对应的预测结果，再根据该对应的预测结果对信标消息进行标记，并将标记后的信标消息反馈给当前车辆的IDS，从而辅助IDS快速将目标车辆该信标消息的检测结果反馈给用户。
优选地，判断对应的预测结果与所述当前车辆的IDS对所述信标消息的检测结果是否相同，当对应的预测结果和检测结果不相同时，使用检测结果替换行为预测链上对应的预测结果，根据行为预测链上替换后的信标消息的预测结果，使用最优HMM对行为预测链进行修正，从而在预测结果出现错误时及时更正目标车辆的行为预测链，进一步提高了对目标车辆预测结果的准确率，当对比结果相同时，表明信标消息上的预测结果是正确的。作为示例地，如图2示出的行为预测链修正示意图，Y(1)、Y(2)、Y(x)、和Y(T)为目标车辆的行为预测链上的预测结果，Y(x)表示上一个预测结果，表示下一个预测结果，当行为预测链上的预测结果Y(x)出现预测错误时，使用IDS的检测结果替换Y(x)，再使用HMM通过根据替换后的预测结果(检测结果)对到Y(T)进行修正。
进一步优选地，当对应的预测结果和检测结果不相同时，对行为预测链的预测错误次数进行加一操作，当预测错误次数达到预设误差阈值时，将目标车辆的行为预测链删除，从而在该目标车辆的行为预测链出现较多错误预测结果时将该目标车辆的行为预测链删除，并重新获取行为预测链，其中，误差阈值为预先设置的预测容错率。
在本发明实施例中，在接收到目标车辆的IDS发出的信标消息后，从信标消息中获取目标车辆的ID，在预设行为预测表中根据目标车辆的ID进行匹配，以确定预设行为预测表中是否存在目标车辆的行为预测链，当预设行为预测表中存在目标车辆行为预测链时，获取信标消息在行为预测链上对应的预测结果，根据预测结果对信标消息进行标记，并将标记后的信标消息反馈给当前车辆的IDS，将预先预测的目标车辆此次信标信息是否正常的结果标记到信标消息上，以供当前车辆的IDS快速响应对目标车辆的入侵检测结果，从而提高了当前车辆的IDS对目标车辆检测的速度，进而提高了用户体验。
实施例二：
图3示出了本发明实施例二提供的车辆IDS检测辅助装置的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
车辆获取单元31，用于当当前车辆的IDS接收到目标车辆的IDS发出的信标消息时，从信标消息中获取目标车辆的ID；
车辆匹配单元32，用于在预设行为预测表中根据目标车辆的ID进行匹配，以确定预设行为预测表中是否存在目标车辆的行为预测链；以及
标记反馈单元33，用于当预设行为预测表中存在行为预测链时，获取信标消息在行为预测链上对应的预测结果，根据对应的预测结果对信标消息进行标记，并将标记后的信标消息反馈给当前车辆的IDS。
在本发明实施例中，在接收到目标车辆的IDS发出的信标消息后，从信标消息中获取目标车辆的ID，在预设行为预测表中根据目标车辆的ID进行匹配，以确定预设行为预测表中是否存在目标车辆的行为预测链，当预设行为预测表中存在目标车辆的行为预测链时，获取信标消息在行为预测链上对应的预测结果，根据预测结果对信标消息进行标记，并将标记后的信标消息反馈给当前车辆的IDS，将预先预测的目标车辆此次信标信息是否正常的结果标记到信标消息上，以供当前车辆的IDS快速响应对目标车辆的入侵检测结果，从而提高了当前车辆的IDS对目标车辆检测的速度，进而提高了用户体验。
在本发明实施例中，车辆IDS检测辅助装置的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。各单元的具体实施方式可参考实施例一的描述，在此不再赘述。
实施例三：
图4示出了本发明实施例三提供的车辆IDS检测辅助装置的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
获取生成单元41，用于从当前车辆的预设行为观测表中获取目标车辆的历史检测结果，根据历史检测结果通过预设学习算法生成目标车辆的最优HMM，并清除预设行为观测表中目标车辆的历史检测结果；
获取存储单元42，用于根据最优HMM获取行为预测链，将行为预测链存储在预设行为预测表中；
车辆获取单元43，用于当当前车辆的IDS接收到目标车辆的IDS发出的信标消息时，从信标消息中获取目标车辆的ID；
车辆匹配单元44，用于在预设行为预测表中根据目标车辆的ID进行匹配，以确定预设行为预测表中是否存在行为预测链；
标记反馈单元45，用于当预设行为预测表中存在行为预测链时，获取信标消息在行为预测链上对应的预测结果，根据对应的预测结果对信标消息进行标记，并将标记后的信标消息反馈给当前车辆的IDS；
结果判断单元46，用于判断对应的预测结果与当前车辆的IDS对信标消息的检测结果是否相同；
结果替换单元47，用于当对应的预测结果和检测结果不相同时，使用检测结果替换行为预测链上对应的预测结果；以及
预测链修正单元48，用于根据行为预测链上替换后的信标消息的预测结果，使用最优HMM对行为预测链进行修正。
在本发明实施例中，先通过目标车辆的历史检测结果生成目标车辆的行为预测链，在接收到目标车辆的IDS发出的信标消息后，从信标消息中获取目标车辆的ID，在预设行为预测表中根据目标车辆的ID进行匹配，以确定预设行为预测表中是否存在目标车辆的行为预测链，当预设行为预测表中存在目标车辆的行为预测链时，获取信标消息在行为预测链上对应的预测结果，根据预测结果对信标消息进行标记，并将标记后的信标消息反馈给当前车辆的IDS，并通过对应的预测结果和检测结果的判断对行为预测链进行修正，从而提高了当前车辆的IDS对目标车辆检测的速度，进而提高了用户体验。
在本发明实施例中，车辆IDS检测辅助装置的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。各单元的具体实施方式可参考实施例一的描述，在此不再赘述。
实施例四：
图5示出了本发明实施例四提供的车载终端的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
本发明实施例的检测终端5包括处理器51、存储器52以及存储在存储器52中并可在处理器51上运行的计算机程序53。该处理器51执行计算机程序43时实现上述车辆IDS检测辅助方法实施例中的步骤，例如图1所示的步骤S101至S103。或者，处理器51执行计算机程序53时实现上述各个车辆IDS检测辅助装置实施例中各单元的功能，例如图3所示单元31至33以及图4所示单元41至48的功能。
在本发明实施例中，该处理器执行计算机程序时，在接收到目标车辆的IDS发出的信标消息后，从信标消息中获取目标车辆的ID，在预设行为预测表中根据目标车辆的ID进行匹配，以确定预设行为预测表中是否存在目标车辆的行为预测链，当预设行为预测表中存在目标车辆的行为预测链时，获取信标消息在行为预测链上对应的预测结果，根据预测结果对信标消息进行标记，并将标记后的信标消息反馈给当前车辆的IDS，将预先预测的目标车辆此次信标信息是否正常的结果标记到信标消息上，以供当前车辆的IDS快速响应对目标车辆的入侵检测结果，从而提高了当前车辆的IDS对目标车辆检测的速度，进而提高了用户体验。
该处理器执行计算机程序时实现上述车辆IDS检测辅助方法实施例中的步骤可参考实施例一的描述，在此不再赘述。
实施例六：
在本发明实施例中，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述车辆IDS检测辅助方法实施例中的步骤，例如，图1所示的步骤S101至S103。或者，该计算机程序被处理器执行时实现上述各个车辆IDS检测辅助装置实施例中各单元的功能，例如图3所示单元31至33以及图4所示单元41至48的功能。
在本发明实施例中，在计算机程序被处理器执行后，在接收到目标车辆的IDS发出的信标消息后，从信标消息中获取目标车辆的ID，在预设行为预测表中根据目标车辆的ID进行匹配，以确定预设行为预测表中是否存在目标车辆的行为预测链，当预设行为预测表中存在目标车辆的行为预测链时，获取信标消息在行为预测链上对应的预测结果，根据预测结果对信标消息进行标记，并将标记后的信标消息反馈给当前车辆的IDS，将预先预测的目标车辆此次信标信息是否正常的结果标记到信标消息上，以供当前车辆的IDS快速响应对目标车辆的入侵检测结果，从而提高了当前车辆的IDS对目标车辆检测的速度，进而提高了用户体验。
本发明实施例的计算机可读存储介质可以包括能够携带计算机程序代码的任何实体或装置、存储介质，例如，ROM/RAM、磁盘、光盘、闪存等存储器。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种车辆IDS检测辅助方法，其特征在于，所述方法包括下述步骤：
当当前车辆的IDS接收到目标车辆的IDS发出的信标消息时，从所述信标消息中获取所述目标车辆的ID；
在预设行为预测表中根据所述目标车辆的ID进行匹配，以确定所述预设行为预测表中是否存在所述目标车辆的行为预测链；
当所述预设行为预测表中存在所述行为预测链时，获取所述信标消息在所述行为预测链上对应的预测结果，根据所述对应的预测结果对所述信标消息进行标记，并将标记后的所述信标消息反馈给所述当前车辆的IDS。
2.如权利要求1所述的方法，其特征在于，在预设行为预测表中将所述目标车辆的ID进行匹配的步骤之前，所述方法还包括：
从当前车辆的预设行为观测表中获取所述目标车辆的历史检测结果，根据所述历史检测结果通过预设学习算法生成所述目标车辆的最优HMM，并清除所述预设行为观测表中所述目标车辆的历史检测结果；
根据所述最优HMM获取所述行为预测链，将所述行为预测链存储在所述预设行为预测表中。
3.如权利要求2所述的方法，其特征在于，从当前车辆的预设行为观测表中获取所述目标车辆的历史检测结果的步骤，包括：
从所述预设行为观测表中获取所述当前车辆对所述目标车辆的检测次数；
当所述检测次数达到预设次数时，从所述预设行为观测表中获取所述目标车辆的历史检测结果。
4.如权利要求1所述的方法，其特征在于，将标记后的所述信标消息反馈给所述当前车辆的IDS的步骤之后，所述方法还包括：
判断所述对应的预测结果与所述当前车辆的IDS对所述信标消息的检测结果是否相同；
当所述对应的预测结果和所述检测结果不相同时，使用所述检测结果替换所述行为预测链上所述对应的预测结果；
根据所述行为预测链上替换后的所述信标消息的预测结果，使用所述最优HMM对所述行为预测链进行修正。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
当所述对应的预测结果和所述检测结果不相同时，对所述行为预测链的预测错误次数进行加一操作；
当所述预测错误次数达到预设误差阈值时，将所述行为预测链删除。
6.一种车辆IDS检测辅助装置，其特征在于，所述装置包括：
车辆获取单元，用于当当前车辆的IDS接收到目标车辆的IDS发出的信标消息时，从所述信标消息中获取所述目标车辆的ID；
车辆匹配单元，用于在预设行为预测表中根据所述目标车辆的ID进行匹配，以确定所述预设行为预测表中是否存在所述目标车辆的行为预测链；以及
标记反馈单元，用于当所述预设行为预测表中存在所述行为预测链时，获取所述信标消息在所述行为预测链上对应的预测结果，根据所述对应的预测结果对所述信标消息进行标记，并将标记后的所述信标消息反馈给所述当前车辆的IDS。
7.如权利要求6所述的装置，其特征在于，所述装置还包括：
获取生成单元，用于从当前车辆的预设行为观测表中获取所述目标车辆的历史检测结果，根据所述历史检测结果通过预设学习算法生成所述目标车辆的最优HMM，并清除所述预设行为观测表中所述目标车辆的历史检测结果；以及
获取存储单元，用于根据所述最优HMM获取所述行为预测链，将所述行为预测链存储在所述预设行为预测表中。
8.如权利要求6所述的装置，其特征在于，所述装置还包括：
结果判断单元，用于判断所述对应的预测结果与所述当前车辆的IDS对所述信标消息的检测结果是否相同；
结果替换单元，用于当所述对应的预测结果和所述检测结果不相同时，使用所述检测结果替换所述行为预测链上所述对应的预测结果；以及
预测链修正单元，用于根据所述行为预测链上替换后的所述信标消息的预测结果，使用所述最优HMM对所述行为预测链进行修正。
9.一种车载终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5项所述方法的步骤。
CN201810746080.3A 2018-07-09 2018-07-09 车辆ids检测辅助方法、装置、终端及存储介质 Active CN109121116B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810746080.3A CN109121116B (zh) 2018-07-09 2018-07-09 车辆ids检测辅助方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810746080.3A CN109121116B (zh) 2018-07-09 2018-07-09 车辆ids检测辅助方法、装置、终端及存储介质

Publications (2)

Publication Number Publication Date
CN109121116A true CN109121116A (zh) 2019-01-01
CN109121116B CN109121116B (zh) 2021-05-28

Family

ID=64862041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810746080.3A Active CN109121116B (zh) 2018-07-09 2018-07-09 车辆ids检测辅助方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN109121116B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782687A (zh) * 2019-08-30 2020-02-11 腾讯科技（深圳）有限公司 数据处理方法、装置以及电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105828333A (zh) * 2016-05-11 2016-08-03 北京航空航天大学 一种基于车辆自组织网络流量异常的黑客车辆检测方法
CN106792681A (zh) * 2016-11-28 2017-05-31 北京洋浦伟业科技发展有限公司 用于车联网的入侵检测方法和装置及设备
WO2017160913A1 (en) * 2016-03-15 2017-09-21 Sri International Intrusion detection via semantic fuzzing and message provenance
CN107292886A (zh) * 2017-08-11 2017-10-24 厦门市美亚柏科信息股份有限公司 基于网格划分及神经网络的目标物入侵检测方法及装置
CN107454117A (zh) * 2017-09-30 2017-12-08 中国联合网络通信集团有限公司 一种车联网的入侵检测方法及系统
CN107948172A (zh) * 2017-11-30 2018-04-20 恒安嘉新（北京）科技股份公司 一种基于人工智能行为分析的车联网入侵攻击检测方法和系统
CN108173856A (zh) * 2017-12-28 2018-06-15 北京奇虎科技有限公司 车辆通信数据安全检测方法、装置及车载终端
CN108306893A (zh) * 2018-03-05 2018-07-20 北京大学深圳研究生院 一种自组网络的分布式入侵检测方法和系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017160913A1 (en) * 2016-03-15 2017-09-21 Sri International Intrusion detection via semantic fuzzing and message provenance
CN105828333A (zh) * 2016-05-11 2016-08-03 北京航空航天大学 一种基于车辆自组织网络流量异常的黑客车辆检测方法
CN106792681A (zh) * 2016-11-28 2017-05-31 北京洋浦伟业科技发展有限公司 用于车联网的入侵检测方法和装置及设备
CN107292886A (zh) * 2017-08-11 2017-10-24 厦门市美亚柏科信息股份有限公司 基于网格划分及神经网络的目标物入侵检测方法及装置
CN107454117A (zh) * 2017-09-30 2017-12-08 中国联合网络通信集团有限公司 一种车联网的入侵检测方法及系统
CN107948172A (zh) * 2017-11-30 2018-04-20 恒安嘉新（北京）科技股份公司 一种基于人工智能行为分析的车联网入侵攻击检测方法和系统
CN108173856A (zh) * 2017-12-28 2018-06-15 北京奇虎科技有限公司 车辆通信数据安全检测方法、装置及车载终端
CN108306893A (zh) * 2018-03-05 2018-07-20 北京大学深圳研究生院 一种自组网络的分布式入侵检测方法和系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DAVIDE ARIU: "HMMPayl: An intrusion detection system based on Hidden Markov Models", 《ELSEVIER》 *
KAMRAN ZAIDI: "Host-Based Intrusion Detection for VANETs: A Statistical Approach to Rogue Node Detection", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 *
YINGYING ZHU: "An improved NSGA-III algorithm for feature selection used in intrusion detection", 《ELSVIER》 *
梁俊威: "入侵检测系统在车联网中的应用研究", 《中国优秀硕士论文辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782687A (zh) * 2019-08-30 2020-02-11 腾讯科技（深圳）有限公司 数据处理方法、装置以及电子设备
CN110782687B (zh) * 2019-08-30 2022-07-19 腾讯科技（深圳）有限公司 数据处理方法、装置以及电子设备

Also Published As

Publication number Publication date
CN109121116B (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
US10719996B2 (en) Determining vehicle occupancy using sensors
US10814812B1 (en) Method and system for identifying vehicle collisions using sensor data
US20210407225A1 (en) Method and system for vehicle-related driver characteristic determination
CN104916138B (zh) 车辆信息的处理方法、系统、车载设备及服务器
US11875683B1 (en) Facial recognition technology for improving motor carrier regulatory compliance
CN111652114B (zh) 一种对象检测方法、装置、电子设备及存储介质
US20140160295A1 (en) Road condition detection
CN106559313B (zh) 拼车的方法和服务器
Huang et al. A data-driven method for falsified vehicle trajectory identification by anomaly detection
US11539724B2 (en) Centralized detection techniques for cyber-attacks directed at connected vehicles
CN111880983A (zh) 一种can总线异常检测方法及装置
CN115718874A (zh) 异常检测
Watanabe et al. Machine-learning-based hazardous spot detection framework by mobile sensing and opportunistic networks
CN109121116A (zh) 车辆ids检测辅助方法、装置、终端及存储介质
Parada et al. Machine learning-based trajectory prediction for vru collision avoidance in v2x environments
JP7441848B2 (ja) ノイズの多いマルチモーダルデータから関心地点についての最適な輸送サービスの場所を自動的に決定する方法
CN109040019A (zh) 基于车联网的入侵检测方法、装置、终端及存储介质
US20230031709A1 (en) Autonomous driving vehicle detection method and apparatus, electronic device and readable storage medium
CN115687144A (zh) 变异测试方法、装置、存储介质与芯片
CN113052049B (zh) 基于人工智能工装识别的离岗检测方法和装置
Feng et al. Speed-up of stochastic simulation of PCTMC models by statistical model reduction
EP4068812B1 (en) Method, apparatus and computer program for improved interference classification and geolocation exploiting the trajectory of a mobile vehicle
Lochbihler et al. Misbehaviour Detection of 5G-Connected Vehicles Using Deep Learning
RU2724596C1 (ru) Способ, устройство, центральное устройство и система для распознавания сдвига распределения в распределении данных и/или признаков входных данных
US20230328482A1 (en) Systems and methods for determining mobile device status

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant