CN110660217B - 用于检测信息安全的方法及装置 - Google Patents
用于检测信息安全的方法及装置 Download PDFInfo
- Publication number
- CN110660217B CN110660217B CN201910926233.7A CN201910926233A CN110660217B CN 110660217 B CN110660217 B CN 110660217B CN 201910926233 A CN201910926233 A CN 201910926233A CN 110660217 B CN110660217 B CN 110660217B
- Authority
- CN
- China
- Prior art keywords
- information
- sample
- frequency
- vehicle
- state information
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000002159 abnormal effect Effects 0.000 claims abstract description 15
- 230000004044 response Effects 0.000 claims abstract description 7
- 230000005856 abnormality Effects 0.000 claims description 44
- 238000012549 training Methods 0.000 claims description 38
- 230000009194 climbing Effects 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008676 import Effects 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 241000700605 Viruses Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了用于检测信息安全的方法及装置。该方法的一具体实施方式包括:实时获取车辆行驶参数组及上述车辆行驶参数组内每个车辆行驶参数对应的接收时间;对上述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息;车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息;将行驶状态信息与车辆行驶参数组对应的每个车辆行驶参数的信息获取频率信息导入预先训练的频率异常识别模型,得到对应车辆行驶参数组的频率识别结果信息;响应于频率识别结果信息为行驶异常,发出告警信号。该实施方式提高了无人驾驶车辆的行车安全性。
Description
技术领域
本公开的实施例涉及数据处理技术领域,具体涉及用于检测信息安全的方法及装置。
背景技术
汽车拓展了人们出行的范围,给人们的出行带来了便利,提高了人们的生活质量。随着科技的发展和进步,通过智能系统控制的车辆能够获取比有人驾驶的汽车更多的行驶信息,具备更高的安全性,成为未来汽车发展的一个重要趋势。智能系统控制的车辆可以采集车辆行驶过程中的多个数据,使得驾驶员能够及时根据采集的数据做出准确的驾驶操作,有利于车辆的行车安全。
发明内容
本公开的实施例提出了用于检测信息安全的方法及装置。
第一方面,本公开的实施例提供了一种网页生成方法,该方法包括:实时获取车辆行驶参数组及上述车辆行驶参数组内每个车辆行驶参数对应的接收时间,上述车辆行驶参数组包含的多个车辆行驶参数之间具有关联关系;对上述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息;对于上述车辆行驶参数组内的每个车辆行驶参数,将该车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息;将上述行驶状态信息与上述车辆行驶参数组对应的每个车辆行驶参数的信息获取频率信息导入预先训练的频率异常识别模型,得到对应上述车辆行驶参数组的频率识别结果信息,上述频率异常识别模型用于表征行驶状态信息、信息获取频率信息与频率识别结果信息之间的对应关系,上述频率识别结果信息包括行驶正常和行驶异常;响应于上述频率识别结果信息为行驶异常,发出告警信号。
在一些实施例中,上述对上述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息,包括:对于上述车辆行驶参数组内的每个车辆行驶参数,将该车辆行驶参数的取值与基准取值范围进行比较,确定该车辆行驶参数的当前取值范围,其中,上述基准取值范围包括至少一个预设取值范围;将上述车辆行驶参数组中的每个车辆行驶参数的当前取值范围与预设的基准车辆行驶状态信息匹配,确定车辆的行驶状态信息,其中,上述基准车辆行驶状态信息包括至少一种样本车辆行驶类型中每一种样本车辆行驶类型对应的车辆行驶参数组,以及车辆行驶参数组中每个车辆行驶参数的取值范围,样本车辆行驶类型包括以下至少一项:包括样本直线行驶类型、样本弯道行驶类型、样本爬坡行驶类型,行驶状态信息包括以下至少一项:直线行驶、弯道行驶、爬坡行驶。
在一些实施例中,上述将该车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息,包括:将上述接收时间和历史参数接收时间标记在时间轴上;以上述接收时间为起点,按照设定时间范围从上述时间轴上选取时间信息,得到对应该车辆行驶参数的信息获取频率信息。
在一些实施例中,上述频率异常识别模型通过以下步骤训练得到:获取多个样本行驶状态信息、上述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组,以及对应样本频率识别结果信息;将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组作为输入,将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的样本频率识别结果信息作为输出,训练得到上述频率异常识别模型。
在一些实施例中,上述将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组作为输入,将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的样本频率识别结果信息作为输出,训练得到上述频率异常识别模型,包括:执行以下训练步骤:将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组依次输入至初始化频率异常识别模型,得到上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的预测频率识别结果信息,将多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的预测频率识别结果信息与该样本行驶状态信息和至少一个样本信息获取频率信息组所对应的样本频率识别结果信息进行比较,得到上述初始化频率异常识别模型的预测准确率,确定上述预测准确率是否大于预设准确率阈值,若大于上述预设准确率阈值,则将上述初始化频率异常识别模型作为训练完成的频率异常识别模型。
在一些实施例中,上述将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组作为输入,将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的样本频率识别结果信息作为输出,训练得到上述频率异常识别模型,包括:响应于不大于上述预设准确率阈值,调整上述初始化频率异常识别模型的参数,并继续执行上述训练步骤。
在一些实施例中,上述样本频率识别结果信息通过以下步骤得到:获取多个样本行驶状态信息和上述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组;对于上述多个样本行驶状态信息中的样本行驶状态信息,对至少一个样本信息获取频率信息组内的频率信息进行统计,得到对应该样本行驶状态信息的基准频率范围组,上述基准频率范围组包括样本信息获取频率信息组中每个样本信息获取频率信息的安全频率范围;通过基准频率范围组为对应的样本行驶状态信息设置样本频率识别结果信息。
在一些实施例中,上述样本信息获取频率信息组中每个样本信息获取频率信息包括频率冗余范围,上述频率冗余范围用于表征信息拥堵条件的频率变化范围,其中,信息拥堵条件包括以下至少一项:信息传输优先级、信息冲突避免。
第二方面,本公开的实施例提供了一种用于检测信息安全的装置,该装置包括:信息获取单元,被配置成实时获取车辆行驶参数组及上述车辆行驶参数组内每个车辆行驶参数对应的接收时间,上述车辆行驶参数组包含的多个车辆行驶参数之间具有关联关系;行驶状态信息获取单元,被配置成对上述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息;信息获取频率信息获取单元,对于上述车辆行驶参数组内的每个车辆行驶参数,被配置成将该车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息;频率识别结果信息获取单元,被配置成将上述行驶状态信息与上述车辆行驶参数组对应的每个车辆行驶参数的信息获取频率信息导入预先训练的频率异常识别模型,得到对应上述车辆行驶参数组的频率识别结果信息,上述频率异常识别模型用于表征行驶状态信息、信息获取频率信息与频率识别结果信息之间的对应关系,上述频率识别结果信息包括行驶正常和行驶异常;告警单元,响应于上述频率识别结果信息为行驶异常,被配置成发出告警信号。
在一些实施例中,上述行驶状态信息获取单元包括:当前取值范围确定子单元,对于上述车辆行驶参数组内的每个车辆行驶参数,被配置成将该车辆行驶参数的取值与基准取值范围进行比较,确定该车辆行驶参数的当前取值范围,其中,上述基准取值范围包括至少一个预设取值范围;行驶状态信息获取子单元,被配置成将上述车辆行驶参数组中的每个车辆行驶参数的当前取值范围与预设的基准车辆行驶状态信息匹配,确定车辆的行驶状态信息,其中,上述基准车辆行驶状态信息包括至少一种样本车辆行驶类型中每一种样本车辆行驶类型对应的车辆行驶参数组,以及车辆行驶参数组中每个车辆行驶参数的取值范围,样本车辆行驶类型包括以下至少一项:包括样本直线行驶类型、样本弯道行驶类型、样本爬坡行驶类型,行驶状态信息包括以下至少一项:直线行驶、弯道行驶、爬坡行驶。
在一些实施例中,上述信息获取频率信息获取单元包括:信息标记子单元,被配置成将上述接收时间和历史参数接收时间标记在时间轴上;信息获取频率信息获取子单元,被配置成以上述接收时间为起点,按照设定时间范围从上述时间轴上选取时间信息,得到对应该车辆行驶参数的信息获取频率信息。
在一些实施例中,上述装置包括频率异常识别模型训练单元,被配置成训练频率异常识别模型,上述频率异常识别模型训练单元包括:样本获取子单元,被配置成获取多个样本行驶状态信息、上述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组,以及对应样本频率识别结果信息;频率异常识别模型训练子单元,被配置成将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组作为输入,将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的样本频率识别结果信息作为输出,训练得到上述频率异常识别模型。
在一些实施例中,上述频率异常识别模型训练子单元包括:训练模块,被配置成将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组依次输入至初始化频率异常识别模型,得到上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的预测频率识别结果信息,将多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的预测频率识别结果信息与该样本行驶状态信息和至少一个样本信息获取频率信息组所对应的样本频率识别结果信息进行比较,得到上述初始化频率异常识别模型的预测准确率,确定上述预测准确率是否大于预设准确率阈值,若大于上述预设准确率阈值,则将上述初始化频率异常识别模型作为训练完成的频率异常识别模型。
在一些实施例中,上述频率异常识别模型训练子单元包括:参数修改模块,响应于不大于上述预设准确率阈值,被配置成调整上述初始化频率异常识别模型的参数,并返回上述训练模块。
在一些实施例中,上述装置包括样本频率识别结果信息获取单元,被配置成获取样本频率识别结果信息,上述样本频率识别结果信息获取单元包括:样本信息获取子单元,被配置成获取多个样本行驶状态信息和上述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组;基准频率范围组获取子单元,对于上述多个样本行驶状态信息中的样本行驶状态信息,被配置成对至少一个样本信息获取频率信息组内的频率信息进行统计,得到对应该样本行驶状态信息的基准频率范围组,上述基准频率范围组包括样本信息获取频率信息组中每个样本信息获取频率信息的安全频率范围;样本频率识别结果信息获取子单元,被配置成通过基准频率范围组为对应的样本行驶状态信息设置样本频率识别结果信息。
在一些实施例中,上述样本信息获取频率信息组中每个样本信息获取频率信息包括频率冗余范围,上述频率冗余范围用于表征信息拥堵条件的频率变化范围,其中,信息拥堵条件包括以下至少一项:信息传输优先级、信息冲突避免。
第三方面,本公开的实施例提供了一种电子设备,包括:一个或多个处理器;存储器,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述第一方面的用于检测信息安全的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述第一方面的用于检测信息安全的方法。
本公开的实施例提供的用于检测信息安全的方法及装置,首先实时获取车辆行驶参数组及上述车辆行驶参数组内每个车辆行驶参数对应的接收时间;然后,对上述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息;之后,车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息;将行驶状态信息与车辆行驶参数组对应的每个车辆行驶参数的信息获取频率信息导入预先训练的频率异常识别模型,得到对应车辆行驶参数组的频率识别结果信息;最后,在频率识别结果信息为行驶异常时,发出告警信号,提高了无人驾驶车辆的行车安全性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于检测信息安全的方法的一个实施例的流程图;
图3是根据本公开的用于检测信息安全的方法的一个应用场景的示意图;
图4是根据本公开的频率异常识别模型训练方法的一个实施例的流程图;
图5是根据本公开的用于检测信息安全的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的实施例的用于检测信息安全的方法或用于检测信息安全的装置的示例性系统架构100。
如图1所示,系统架构100可以包括车辆101、102、103,网络104和服务器105。网络104用以在车辆101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
车辆101、102、103可以通过网络104与服务器105交互,以接收或发送消息等。车辆101、102、103上可以安装有各种数据采集器件,例如距离传感器、速度传感器、陀螺仪、GPS、雷达、天线等。
车辆101、102、103可以是具有多个数据采集单元和数据处理单元的各种车辆,包括但不限于电动汽车、油电混合汽车、内燃机汽车和无人驾驶车辆等等。
服务器105可以是提供各种服务的服务器,例如对车辆101、102、103上获取的车辆行驶参数组进行处理的服务器。服务器可以对接收到的车辆行驶参数组等数据进行分析等处理,并确定车辆行驶参数组中哪些车辆行驶参数出现错误。
需要说明的是,本公开的实施例所提供的用于检测信息安全的方法一般由车辆101、102、103执行,相应地,用于检测信息安全的装置一般设置于车辆101、102、103中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块,在此不做具体限定。
应该理解,图1中的车辆、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的车辆、网络和服务器。
继续参考图2,示出了根据本公开的用于检测信息安全的方法的一个实施例的流程200。该用于检测信息安全的方法包括以下步骤:
步骤201,实时获取车辆行驶参数组及上述车辆行驶参数组内每个车辆行驶参数对应的接收时间。
在本实施例中,用于检测信息安全的方法的执行主体(例如图1所示的车辆101、102、103)可以通过有线连接方式或者无线连接方式实时获取车辆行驶参数组及上述车辆行驶参数组内每个车辆行驶参数对应的接收时间。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(UltraWideband)连接、以及其他现在已知或将来开发的无线连接方式。
通常,汽车上有大量的ECU(Electronic Control Unit,电子控制单元)。ECU在信息传递的过程中容易受到外接信号的干扰或病毒信号入侵,从而使得ECU发送信息的频率出现异常,进而导致对车辆实际行驶的误判,严重影响了车辆的行车安全性。
为了对获取的车辆行驶参数组内每个车辆行驶参数的有效性(或安全性)进行判断,执行主体可以首先获取车辆行驶参数组及上述车辆行驶参数组内每个车辆行驶参数对应的接收时间。
为了检测行车安全性,执行主体可以获取各个数据采集设备采集的数据,然后从这些数据中获取车辆行驶参数组。其中,车辆行驶参数组可以是技术人员预先确定的、与行车安全相关的各种参数。即,车辆行驶参数组能够表征车辆的行车安全性。实际中,车辆的安全行驶与多个参数相关,单靠一个参数通常不能真实反映实际的行车安全性。例如,为了检测车辆性能,车辆在赛道内直线加速时,速度超过一定阈值后,现有的车辆系统可能发生告警。显然,此时的告警与实际行车安全状态不相符。因此,本申请通过车辆行驶参数组来表征行车安全性比通过单个参数表征行车安全性更加真实。车辆行驶参数组可以包含的多个车辆行驶参数之间具有关联关系。即,车辆行驶参数组包含的多个车辆行驶参数之间具有关联关系。上述车辆行驶参数组可以包括以下至少一项:行驶速度、行驶速度变化率、转向角度变化率、加速踏板变化、制动踏板变化、进气压力变化等。行驶速度、行驶速度变化率、转向角度变化率之间具有相关性。例如,在行驶速度很高时,转向角度变化率不能太大,否则容易出现翻车等情况。
步骤202,对上述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息。
得到车辆行驶参数组后,执行主体可以对车辆行驶参数组内每个车辆行驶参数的取值进行分析,进而确定车辆的行驶状态信息。例如,执行主体可以对车辆行驶参数组内的速度参数进行分析,当行驶速度参数为0公里每小时时,可以确定车辆的行驶状态信息为静止;当行驶速度参数为5公里每小时时,且转向角度为左转6度时,可以确定车辆的行驶状态信息为弯道行驶等。
在本实施例的一些可选的实现方式中,上述对上述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息,可以包括以下步骤:
第一步,对于上述车辆行驶参数组内的每个车辆行驶参数,将该车辆行驶参数的取值与基准取值范围进行比较,确定该车辆行驶参数的当前取值范围。
基准取值范围可以包括至少一个预设取值范围,每个预设的取值范围可以对应一种状态。例如,当车辆行驶参数为行驶速度时,基准取值范围包含的预设取值范围可以是:[0-40]、[40-100]、[100-150]、[150-200],数字单位可以是公里每小时(下同)。其中,[0-40]对应的状态可以为:“慢速”;[40-100]对应的状态可以为:“低速”;[100-150]对应的状态可以为:“中速”;[150-200]对应的状态可以为:“高速”等。根据时间需要,预设取值范围的个数和预设取值范围对应的状态可以是其他类型,此处不再一一赘述。执行主体可以将车辆行驶参数的取值与基准取值范围进行比较,确定该车辆行驶参数的当前取值范围。
第二步,将上述车辆行驶参数组中的每个车辆行驶参数的当前取值范围与预设的基准车辆行驶状态信息匹配,确定车辆的行驶状态信息。
其中,上述基准车辆行驶状态信息包括至少一种样本车辆行驶类型中每一种样本车辆行驶类型对应的车辆行驶参数组,以及车辆行驶参数组中每个车辆行驶参数的取值范围。例如,样本车辆行驶类型可以是:“慢速弯道匀速行驶”,对应的车辆行驶参数组可以是:行驶速度低于40;行驶速度变化率低于5(公里每秒);转向角度变化率低于5(度每秒)等。对于不同的样本车辆行驶类型,车辆行驶参数组内的每个车辆行驶参数的取值范围可以不同。样本车辆行驶类型包括以下至少一项:包括样本直线行驶类型、样本弯道行驶类型、样本爬坡行驶类型。行驶状态信息包括以下至少一项:直线行驶、弯道行驶、爬坡行驶等。行驶状态信息还可以具体包含车辆行驶参数的描述。例如行驶状态信息可以是“高速弯道行驶”等。
上述可以得到每个车辆行驶参数的当前取值范围。而车辆的行驶状态通常需要将每个车辆行驶参数的当前取值范围组合起来综合判断才能确定。例如,上述的当车辆行驶参数为行驶速度时基准取值范围可以是:[0-40]、[40-100]、[100-150]、[150-200],状态可以是:“慢速”、“低速”、“中速”、“高速”等。对应的,其他车辆行驶参数也有对应的基准取值范围和对应基准取值范围中每个预设取值范围的状态。执行主体可以将这些取值范围组合起来确定车辆的行驶状态信息。例如,行驶速度为[0-40];行驶速度变化率为[0-5];转向角度变化率为[0-5];加速踏板变化为[0-10]等。此时,执行主体可以确定车辆的行驶状态信息为:“慢速弯道匀速行驶”。根据车辆行驶参数组内车辆行驶参数的不同,行驶状态信息的具体内容可以不同。
步骤203,对于上述车辆行驶参数组内的每个车辆行驶参数,将该车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息。
为了确定车辆行驶参数的频率信息,执行主体可以将车辆行驶参数组内的每个车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,进而确定设定时间范围内该车辆行驶参数的信息获取频率信息。例如,将车辆行驶参数的接收时间和与当前时间最近的历史参数接收时间进行比较,确定时间间隔。然后再获取历史参数接收时间之间的时间间隔,从而确定车辆行驶参数的信息获取频率信息。即,信息获取频率信息用于表征获取信息的频率。
在本实施例的一些可选的实现方式中,上述将该车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息,可以包括以下步骤:
第一步,将上述接收时间和历史参数接收时间标记在时间轴上。
为了确定信息获取频率信息,执行主体可以将接收时间和历史参数接收时间标记在时间轴上。其中,时间轴可以是用于标记时间信息的坐标轴。
第二步,以上述接收时间为起点,按照设定时间范围从上述时间轴上选取时间信息,得到对应该车辆行驶参数的信息获取频率信息。
为了获取车辆行驶参数当前时刻的信息获取频率信息,执行主体可以以上述接收时间为起点,按照设定时间范围从上述时间轴上选取时间信息。之后,对该设定时间范围内的接收时间数量进行统计,进而可以确定车辆行驶参数的信息获取频率信息。
步骤204,将上述行驶状态信息与上述车辆行驶参数组对应的每个车辆行驶参数的信息获取频率信息导入预先训练的频率异常识别模型,得到对应上述车辆行驶参数组的频率识别结果信息。
得到行驶状态信息和信息获取频率信息后,执行主体可以将行驶状态信息和信息获取频率信息导入频率异常识别模型,得到对应上述车辆行驶参数组的频率识别结果信息。其中,上述频率异常识别模型可以用于表征行驶状态信息、信息获取频率信息与频率识别结果信息之间的对应关系。上述频率识别结果信息可以包括行驶正常和行驶异常。
步骤205,响应于上述频率识别结果信息为行驶异常,发出告警信号。
当行频率识别结果信息为行驶正常时,说明执行主体当前行驶安全。当频率识别结果信息为行驶异常是,说明执行主体出现车辆故障、检测设备故障、病毒入侵等情况。此时,执行主体可以发出告警信号。
继续参见图3,图3是根据本实施例的用于检测信息安全的方法的应用场景的一个示意图。在图3的应用场景中,车辆103实时获取ECU发来的车辆行驶参数组及上述车辆行驶参数组内每个车辆行驶参数对应的接收时间。车辆103可以对车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息。然后,车辆103该车辆行驶参数的接收时间与车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内车辆行驶参数的信息获取频率信息。之后,车辆103将行驶状态信息与车辆行驶参数组对应的每个车辆行驶参数的信息获取频率信息导入频率异常识别模型,得到频率识别结果信息。最后,在频率识别结果信息为行驶异常,发出告警信号。告警信号可以直接通知车辆103的驾驶员,也可以通过网络104发送给服务器105。如此,提高了车辆的行车安全性。
本公开的上述实施例提供的方法首先实时获取车辆行驶参数组及上述车辆行驶参数组内每个车辆行驶参数对应的接收时间;然后,对上述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息;之后,车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息;将行驶状态信息与车辆行驶参数组对应的每个车辆行驶参数的信息获取频率信息导入预先训练的频率异常识别模型,得到对应车辆行驶参数组的频率识别结果信息;最后,在频率识别结果信息为行驶异常时,发出告警信号,提高了无人驾驶车辆的行车安全性。
进一步参考图4,其示出了频率异常识别模型训练方法的又一个实施例的流程400。该频率异常识别模型训练方法的流程400,包括以下步骤:
步骤401,获取多个样本行驶状态信息、上述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组,以及对应样本频率识别结果信息。
在本实施例中,频率异常识别模型训练方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取多个样本行驶状态信息、上述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组,以及对应样本频率识别结果信息。
在本实施例中,执行主体可以获取多个样本行驶状态信息和每个样本行驶状态信息对应的至少一个样本信息获取频率信息组,并经本领域技术人员展示。本领域技术人员可以根据经验对至少一个样本信息获取频率信息组中的每个样本信息获取频率信息组标注对应的样本频率识别结果信息。
在本实施例的一些可选的实现方式中,上述样本频率识别结果信息可以通过以下步骤得到:
第一步,获取多个样本行驶状态信息和上述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组。
为了得到样本频率识别结果信息,执行主体需要首先获取多个样本行驶状态信息和上述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组。样本信息获取频率信息组可以是来自车辆实际在对应样本行驶状态信息下行驶时采集数据时的频率信息。
第二步,对于上述多个样本行驶状态信息中的样本行驶状态信息,对至少一个样本信息获取频率信息组内的频率信息进行统计,得到对应该样本行驶状态信息的基准频率范围组。
执行主体可以对至少一个样本信息获取频率信息组内的、相同样本信息获取频率信息的取值进行统计,得到样本行驶状态信息对应的基准频率范围组。其中,上述基准频率范围组可以包括样本信息获取频率信息组中每个样本信息获取频率信息的安全频率范围。
第三步,通过基准频率范围组为对应的样本行驶状态信息设置样本频率识别结果信息。
基准频率范围组包含了样本信息获取频率信息组中每个样本信息获取频率信息的安全频率范围。因此,执行主体可以根据基准频率范围组为样本行驶状态信息设置样本频率识别结果信息。
在本实施例的一些可选的实现方式中,上述样本信息获取频率信息组中每个样本信息获取频率信息可以包括频率冗余范围。
实际中,车辆的各个参数的重要程度可以不同,且车辆信息传输总线单位时间内的信息量有限。当某一时刻出现多个不同的车辆行驶参数时,可能出现信息拥堵,从而造成执行主体获取车辆行驶参数的时间出现延时现象,进而可能使得得到的频率识别结果信息出现错误。为此,执行主体可以为样本信息获取频率信息组中每个样本信息获取频率信息设置频率冗余范围。其中,上述频率冗余范围可以用于表征信息拥堵条件的频率变化范围。信息拥堵条件包括以下至少一项:信息传输优先级、信息冲突避免。信息传输优先级可以用于表征出现信息拥堵时信息传输的先后顺序;信息冲突避免可以是在同一时间出现多个消息时,当前的ECU可以延迟发送车辆行驶参数,以避免信息拥堵。
步骤402,将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组依次输入至初始化频率异常识别模型,得到上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的预测频率识别结果信息。
在本实施例中,基于步骤401所获取的多个样本行驶状态信息和至少一个样本信息获取频率信息组,执行主体可以将多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组依次输入至初始化频率异常识别模型,从而得到多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息所对应的预测频率识别结果信息。这里,执行主体可以将每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组从初始化频率异常识别模型的输入侧输入,依次经过初始化频率异常识别模型中的各层的参数的处理,并从初始化频率异常识别模型的输出侧输出,输出侧输出的信息即为该样本行驶状态信息所对应的预测频率识别结果信息。其中,初始化频率异常识别模型可以是未经训练的频率异常识别模型或未训练完成的频率异常识别模型,其各层设置有初始化参数,初始化参数在频率异常识别模型的训练过程中可以被不断地调整。频率异常识别模型可以是深度学习网络等智能网络,此处不再一一赘述。
步骤403,将多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的预测频率识别结果信息与该样本行驶状态信息和至少一个样本信息获取频率信息组所对应的样本频率识别结果信息进行比较,得到上述初始化频率异常识别模型的预测准确率。
在本实施例中,基于步骤402所得到的多个样本行驶状态信息中的每个样本行驶状态信息所对应的预测频率识别结果信息,执行主体可以将多个样本行驶状态信息中的每个样本行驶状态信息所对应的预测频率识别结果信息与该样本行驶状态信息所对应的样本频率识别结果信息进行比较,从而得到初始化频率异常识别模型的预测准确率。具体地,若一个样本行驶状态信息所对应的预测频率识别结果信息与该样本行驶状态信息所对应的样本频率识别结果信息相同或相近,则初始化频率异常识别模型预测正确;若一个样本行驶状态信息所对应的预测频率识别结果信息与该样本行驶状态信息所对应的样本频率识别结果信息不同或不相近,则初始化频率异常识别模型预测错误。这里,执行主体可以计算预测正确的数目与样本总数的比值,并将该比值作为初始化频率异常识别模型的预测准确率。
步骤404,确定上述预测准确率是否大于预设准确率阈值。
在本实施例中,基于步骤403所得到的初始化频率异常识别模型的预测准确率,执行主体可以将初始化频率异常识别模型的预测准确率与预设准确率阈值进行比较。若大于预设准确率阈值,则执行步骤405;若不大于预设准确率阈值,则执行步骤406。
步骤405,将上述初始化频率异常识别模型作为训练完成的频率异常识别模型。
在本实施例中,在初始化频率异常识别模型的预测准确率大于预设准确率阈值的情况下,说明该频率异常识别模型训练完成,此时,执行主体可以将初始化频率异常识别模型作为训练完成的频率异常识别模型。
步骤406,调整上述初始化频率异常识别模型的参数。
在本实施例中,在初始化频率异常识别模型的预测准确率不大于预设准确率阈值的情况下,执行主体可以调整初始化频率异常识别模型的参数,并返回执行步骤402,直至训练出能够表征行驶状态信息、信息获取频率信息与频率识别结果信息之间的对应关系的频率异常识别模型为止。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于检测信息安全的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于检测信息安全的装置500可以包括:信息获取单元501、行驶状态信息获取单元502、信息获取频率信息获取单元503、频率识别结果信息获取单元504和告警单元505。其中,信息获取单元501被配置成实时获取车辆行驶参数组及上述车辆行驶参数组内每个车辆行驶参数对应的接收时间,上述车辆行驶参数组包含的多个车辆行驶参数之间具有关联关系;行驶状态信息获取单元502被配置成对上述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息;信息获取频率信息获取单元503,对于上述车辆行驶参数组内的每个车辆行驶参数,被配置成将该车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息;频率识别结果信息获取单元504被配置成将上述行驶状态信息与上述车辆行驶参数组对应的每个车辆行驶参数的信息获取频率信息导入预先训练的频率异常识别模型,得到对应上述车辆行驶参数组的频率识别结果信息,上述频率异常识别模型用于表征行驶状态信息、信息获取频率信息与频率识别结果信息之间的对应关系,上述频率识别结果信息包括行驶正常和行驶异常;告警单元505,响应于上述频率识别结果信息为行驶异常,被配置成发出告警信号。
在本实施例的一些可选的实现方式中,上述行驶状态信息获取单元502可以包括:当前取值范围确定子单元(图中未示出)和行驶状态信息获取子单元(图中未示出)。其中,当前取值范围确定子单元,对于上述车辆行驶参数组内的每个车辆行驶参数,被配置成将该车辆行驶参数的取值与基准取值范围进行比较,确定该车辆行驶参数的当前取值范围,其中,上述基准取值范围包括至少一个预设取值范围;行驶状态信息获取子单元被配置成将上述车辆行驶参数组中的每个车辆行驶参数的当前取值范围与预设的基准车辆行驶状态信息匹配,确定车辆的行驶状态信息,其中,上述基准车辆行驶状态信息包括至少一种样本车辆行驶类型中每一种样本车辆行驶类型对应的车辆行驶参数组,以及车辆行驶参数组中每个车辆行驶参数的取值范围,样本车辆行驶类型包括以下至少一项:包括样本直线行驶类型、样本弯道行驶类型、样本爬坡行驶类型,行驶状态信息包括以下至少一项:直线行驶、弯道行驶、爬坡行驶。
在本实施例的一些可选的实现方式中,上述信息获取频率信息获取单元503可以包括:信息标记子单元(图中未示出)和信息获取频率信息获取子单元(图中未示出)。其中,信息标记子单元被配置成将上述接收时间和历史参数接收时间标记在时间轴上;信息获取频率信息获取子单元被配置成以上述接收时间为起点,按照设定时间范围从上述时间轴上选取时间信息,得到对应该车辆行驶参数的信息获取频率信息。
在本实施例的一些可选的实现方式中,上述用于检测信息安全的装置500可以包括频率异常识别模型训练单元(图中未示出),被配置成训练频率异常识别模型,上述频率异常识别模型训练单元可以包括:样本获取子单元(图中未示出)和频率异常识别模型训练子单元(图中未示出)。其中,样本获取子单元被配置成获取多个样本行驶状态信息、上述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组,以及对应样本频率识别结果信息;频率异常识别模型训练子单元被配置成将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组作为输入,将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的样本频率识别结果信息作为输出,训练得到上述频率异常识别模型。
在本实施例的一些可选的实现方式中,上述频率异常识别模型训练子单元可以包括:训练模块(图中未示出),被配置成将上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组依次输入至初始化频率异常识别模型,得到上述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的预测频率识别结果信息,将多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的预测频率识别结果信息与该样本行驶状态信息和至少一个样本信息获取频率信息组所对应的样本频率识别结果信息进行比较,得到上述初始化频率异常识别模型的预测准确率,确定上述预测准确率是否大于预设准确率阈值,若大于上述预设准确率阈值,则将上述初始化频率异常识别模型作为训练完成的频率异常识别模型。
在本实施例的一些可选的实现方式中,上述频率异常识别模型训练子单元可以包括:参数修改模块(图中未示出),响应于不大于上述预设准确率阈值,被配置成调整上述初始化频率异常识别模型的参数,并返回上述训练模块。
在本实施例的一些可选的实现方式中,上述用于检测信息安全的装置500可以包括样本频率识别结果信息获取单元(图中未示出),被配置成获取样本频率识别结果信息,上述样本频率识别结果信息获取单元可以包括:样本信息获取子单元(图中未示出)、基准频率范围组获取子单元(图中未示出)和样本频率识别结果信息获取子单元(图中未示出)。其中,样本信息获取子单元被配置成获取多个样本行驶状态信息和上述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组;基准频率范围组获取子单元,对于上述多个样本行驶状态信息中的样本行驶状态信息,被配置成对至少一个样本信息获取频率信息组内的频率信息进行统计,得到对应该样本行驶状态信息的基准频率范围组,上述基准频率范围组包括样本信息获取频率信息组中每个样本信息获取频率信息的安全频率范围;样本频率识别结果信息获取子单元被配置成通过基准频率范围组为对应的样本行驶状态信息设置样本频率识别结果信息。
在本实施例的一些可选的实现方式中,上述样本信息获取频率信息组中每个样本信息获取频率信息包括频率冗余范围,上述频率冗余范围用于表征信息拥堵条件的频率变化范围,其中,信息拥堵条件包括以下至少一项:信息传输优先级、信息冲突避免。
本实施例还提供了一种电子设备,包括:一个或多个处理器;存储器,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述的用于检测信息安全的方法。
本实施例还提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现上述的用于检测信息安全的方法。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如,图1中的服务器105)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:实时获取车辆行驶参数组及上述车辆行驶参数组内每个车辆行驶参数对应的接收时间,上述车辆行驶参数组包含的多个车辆行驶参数之间具有关联关系;对上述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息;对于上述车辆行驶参数组内的每个车辆行驶参数,将该车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息;将上述行驶状态信息与上述车辆行驶参数组对应的每个车辆行驶参数的信息获取频率信息导入预先训练的频率异常识别模型,得到对应上述车辆行驶参数组的频率识别结果信息,上述频率异常识别模型用于表征行驶状态信息、信息获取频率信息与频率识别结果信息之间的对应关系,上述频率识别结果信息包括行驶正常和行驶异常;响应于上述频率识别结果信息为行驶异常,发出告警信号。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括信息获取单元、行驶状态信息获取单元、信息获取频率信息获取单元、频率识别结果信息获取单元和告警单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,告警单元还可以被描述为“用于发出告警信号的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (18)
1.一种用于检测信息安全的方法,包括:
实时获取车辆行驶参数组及所述车辆行驶参数组内每个车辆行驶参数对应的接收时间,所述车辆行驶参数组包含的多个车辆行驶参数之间具有关联关系;
对所述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息;
对于所述车辆行驶参数组内的每个车辆行驶参数,将该车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息;
将所述行驶状态信息与所述车辆行驶参数组对应的每个车辆行驶参数的信息获取频率信息导入预先训练的频率异常识别模型,得到对应所述车辆行驶参数组的频率识别结果信息,所述频率异常识别模型用于表征行驶状态信息、信息获取频率信息与频率识别结果信息之间的对应关系,所述频率识别结果信息包括行驶正常和行驶异常;
响应于所述频率识别结果信息为行驶异常,发出告警信号。
2.根据权利要求1所述的方法,其中,所述对所述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息,包括:
对于所述车辆行驶参数组内的每个车辆行驶参数,将该车辆行驶参数的取值与基准取值范围进行比较,确定该车辆行驶参数的当前取值范围,其中,所述基准取值范围包括至少一个预设取值范围;
将所述车辆行驶参数组中的每个车辆行驶参数的当前取值范围与预设的基准车辆行驶状态信息匹配,确定车辆的行驶状态信息,其中,所述基准车辆行驶状态信息包括至少一种样本车辆行驶类型中每一种样本车辆行驶类型对应的车辆行驶参数组,以及车辆行驶参数组中每个车辆行驶参数的取值范围,样本车辆行驶类型包括以下至少一项:包括样本直线行驶类型、样本弯道行驶类型、样本爬坡行驶类型,行驶状态信息包括以下至少一项:直线行驶、弯道行驶、爬坡行驶。
3.根据权利要求1所述的方法,其中,所述将该车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息,包括:
将所述接收时间和历史参数接收时间标记在时间轴上;
以所述接收时间为起点,按照设定时间范围从所述时间轴上选取时间信息,得到对应该车辆行驶参数的信息获取频率信息。
4.根据权利要求1所述的方法,其中,所述频率异常识别模型通过以下步骤训练得到:
获取多个样本行驶状态信息、所述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组,以及对应样本频率识别结果信息;
将所述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组作为输入,将所述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的样本频率识别结果信息作为输出,训练得到所述频率异常识别模型。
5.根据权利要求4所述的方法,其中,所述将所述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组作为输入,将所述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的样本频率识别结果信息作为输出,训练得到所述频率异常识别模型,包括:
执行以下训练步骤:将所述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组依次输入至初始化频率异常识别模型,得到所述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的预测频率识别结果信息,将多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的预测频率识别结果信息与该样本行驶状态信息和至少一个样本信息获取频率信息组所对应的样本频率识别结果信息进行比较,得到所述初始化频率异常识别模型的预测准确率,确定所述预测准确率是否大于预设准确率阈值,若大于所述预设准确率阈值,则将所述初始化频率异常识别模型作为训练完成的频率异常识别模型。
6.根据权利要求5所述的方法,其中,所述将所述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组作为输入,将所述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的样本频率识别结果信息作为输出,训练得到所述频率异常识别模型,包括:
响应于不大于所述预设准确率阈值,调整所述初始化频率异常识别模型的参数,并继续执行所述训练步骤。
7.根据权利要求5所述的方法,其中,所述样本频率识别结果信息通过以下步骤得到:
获取多个样本行驶状态信息和所述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组;
对于所述多个样本行驶状态信息中的样本行驶状态信息,对至少一个样本信息获取频率信息组内的频率信息进行统计,得到对应该样本行驶状态信息的基准频率范围组,所述基准频率范围组包括样本信息获取频率信息组中每个样本信息获取频率信息的安全频率范围;
通过基准频率范围组为对应的样本行驶状态信息设置样本频率识别结果信息。
8.根据权利要求7所述的方法,其中,所述样本信息获取频率信息组中每个样本信息获取频率信息包括频率冗余范围,所述频率冗余范围用于表征信息拥堵条件的频率变化范围,其中,信息拥堵条件包括以下至少一项:信息传输优先级、信息冲突避免。
9.一种用于检测信息安全的装置,包括:
信息获取单元,被配置成实时获取车辆行驶参数组及所述车辆行驶参数组内每个车辆行驶参数对应的接收时间,所述车辆行驶参数组包含的多个车辆行驶参数之间具有关联关系;
行驶状态信息获取单元,被配置成对所述车辆行驶参数组内每个车辆行驶参数的取值进行分析,确定车辆的行驶状态信息;
信息获取频率信息获取单元,对于所述车辆行驶参数组内的每个车辆行驶参数,被配置成将该车辆行驶参数的接收时间与该车辆行驶参数的历史参数接收时间进行匹配,确定设定时间范围内该车辆行驶参数的信息获取频率信息;
频率识别结果信息获取单元,被配置成将所述行驶状态信息与所述车辆行驶参数组对应的每个车辆行驶参数的信息获取频率信息导入预先训练的频率异常识别模型,得到对应所述车辆行驶参数组的频率识别结果信息,所述频率异常识别模型用于表征行驶状态信息、信息获取频率信息与频率识别结果信息之间的对应关系,所述频率识别结果信息包括行驶正常和行驶异常;
告警单元,响应于所述频率识别结果信息为行驶异常,被配置成发出告警信号。
10.根据权利要求9所述的装置,其中,所述行驶状态信息获取单元包括:
当前取值范围确定子单元,对于所述车辆行驶参数组内的每个车辆行驶参数,被配置成将该车辆行驶参数的取值与基准取值范围进行比较,确定该车辆行驶参数的当前取值范围,其中,所述基准取值范围包括至少一个预设取值范围;
行驶状态信息获取子单元,被配置成将所述车辆行驶参数组中的每个车辆行驶参数的当前取值范围与预设的基准车辆行驶状态信息匹配,确定车辆的行驶状态信息,其中,所述基准车辆行驶状态信息包括至少一种样本车辆行驶类型中每一种样本车辆行驶类型对应的车辆行驶参数组,以及车辆行驶参数组中每个车辆行驶参数的取值范围,样本车辆行驶类型包括以下至少一项:包括样本直线行驶类型、样本弯道行驶类型、样本爬坡行驶类型,行驶状态信息包括以下至少一项:直线行驶、弯道行驶、爬坡行驶。
11.根据权利要求9所述的装置,其中,所述信息获取频率信息获取单元包括:
信息标记子单元,被配置成将所述接收时间和历史参数接收时间标记在时间轴上;
信息获取频率信息获取子单元,被配置成以所述接收时间为起点,按照设定时间范围从所述时间轴上选取时间信息,得到对应该车辆行驶参数的信息获取频率信息。
12.根据权利要求9所述的装置,其中,所述装置包括频率异常识别模型训练单元,被配置成训练频率异常识别模型,所述频率异常识别模型训练单元包括:
样本获取子单元,被配置成获取多个样本行驶状态信息、所述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组,以及对应样本频率识别结果信息;
频率异常识别模型训练子单元,被配置成将所述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组作为输入,将所述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的样本频率识别结果信息作为输出,训练得到所述频率异常识别模型。
13.根据权利要求12所述的装置,其中,所述频率异常识别模型训练子单元包括:
训练模块,被配置成将所述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组依次输入至初始化频率异常识别模型,得到所述多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的预测频率识别结果信息,将多个样本行驶状态信息中的每个样本行驶状态信息和对应该样本行驶状态信息的至少一个样本信息获取频率信息组所对应的预测频率识别结果信息与该样本行驶状态信息和至少一个样本信息获取频率信息组所对应的样本频率识别结果信息进行比较,得到所述初始化频率异常识别模型的预测准确率,确定所述预测准确率是否大于预设准确率阈值,若大于所述预设准确率阈值,则将所述初始化频率异常识别模型作为训练完成的频率异常识别模型。
14.根据权利要求13所述的装置,其中,所述频率异常识别模型训练子单元包括:
参数修改模块,响应于不大于所述预设准确率阈值,被配置成调整所述初始化频率异常识别模型的参数,并返回所述训练模块。
15.根据权利要求13所述的装置,其中,所述装置包括样本频率识别结果信息获取单元,被配置成获取样本频率识别结果信息,所述样本频率识别结果信息获取单元包括:
样本信息获取子单元,被配置成获取多个样本行驶状态信息和所述多个样本行驶状态信息中每个样本行驶状态信息对应的至少一个样本信息获取频率信息组;
基准频率范围组获取子单元,对于所述多个样本行驶状态信息中的样本行驶状态信息,被配置成对至少一个样本信息获取频率信息组内的频率信息进行统计,得到对应该样本行驶状态信息的基准频率范围组,所述基准频率范围组包括样本信息获取频率信息组中每个样本信息获取频率信息的安全频率范围;
样本频率识别结果信息获取子单元,被配置成通过基准频率范围组为对应的样本行驶状态信息设置样本频率识别结果信息。
16.根据权利要求15所述的装置,其中,所述样本信息获取频率信息组中每个样本信息获取频率信息包括频率冗余范围,所述频率冗余范围用于表征信息拥堵条件的频率变化范围,其中,信息拥堵条件包括以下至少一项:信息传输优先级、信息冲突避免。
17.一种电子设备,包括:
一个或多个处理器;
存储器,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行权利要求1至8中任一所述的方法。
18.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910926233.7A CN110660217B (zh) | 2019-09-27 | 2019-09-27 | 用于检测信息安全的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910926233.7A CN110660217B (zh) | 2019-09-27 | 2019-09-27 | 用于检测信息安全的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110660217A CN110660217A (zh) | 2020-01-07 |
CN110660217B true CN110660217B (zh) | 2021-03-16 |
Family
ID=69039672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910926233.7A Active CN110660217B (zh) | 2019-09-27 | 2019-09-27 | 用于检测信息安全的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110660217B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111338313B (zh) * | 2020-04-15 | 2021-09-14 | 重庆云创科技有限公司 | 基于船舶航行状态信息的船舶辅助调度方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728964A (zh) * | 2012-10-12 | 2014-04-16 | 北汽福田汽车股份有限公司 | 监测控制器端口状态的自动测试方法及装置 |
CN105809976A (zh) * | 2014-12-31 | 2016-07-27 | 高德软件有限公司 | 车辆行驶状态监测方法及移动终端 |
CN106427825A (zh) * | 2015-08-06 | 2017-02-22 | 平安科技(深圳)有限公司 | 汽车、用户终端、基于行驶数据的汽车安全监控方法及系统 |
CN107784709A (zh) * | 2017-09-05 | 2018-03-09 | 百度在线网络技术(北京)有限公司 | 处理自动驾驶训练数据的方法和装置 |
CN109067773A (zh) * | 2018-09-10 | 2018-12-21 | 成都信息工程大学 | 一种基于神经网络的车载can网络入侵检测方法及系统 |
CN109120490A (zh) * | 2018-10-31 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 车辆网络通信方法和装置 |
CN110017994A (zh) * | 2019-05-16 | 2019-07-16 | 北京百度网讯科技有限公司 | 自动驾驶车辆的异常检测方法、装置、系统、设备及介质 |
CN110046229A (zh) * | 2019-04-18 | 2019-07-23 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2249514C1 (ru) * | 2004-07-01 | 2005-04-10 | Общество с ограниченной ответственностью "АЛЬТОНИКА" (ООО "АЛЬТОНИКА") | Система комплексной безопасности транспортного средства |
CN101807344A (zh) * | 2010-01-25 | 2010-08-18 | 曹莹莹 | 智能网络车辆安全管理方法及装置 |
US9401923B2 (en) * | 2013-10-23 | 2016-07-26 | Christopher Valasek | Electronic system for detecting and preventing compromise of vehicle electrical and control systems |
US9940839B2 (en) * | 2014-06-24 | 2018-04-10 | Strobe Saver, Llc. | Emergency safety marker systems |
CN108280991B (zh) * | 2017-01-05 | 2020-12-01 | 大唐高鸿信息通信(义乌)有限公司 | 车载短距离通信网的车辆交通事故预测方法 |
US10323946B2 (en) * | 2017-10-11 | 2019-06-18 | Verizon Patent And Licensing Inc. | Automatic modification of monitoring of vehicle data |
CN108769104B (zh) * | 2018-04-11 | 2021-01-08 | 杭州电子科技大学 | 一种基于车载诊断系统数据的路况分析预警方法 |
CN109191885A (zh) * | 2018-08-03 | 2019-01-11 | 温州金益智能技术有限公司 | 一种汽车车载智能监测系统 |
-
2019
- 2019-09-27 CN CN201910926233.7A patent/CN110660217B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728964A (zh) * | 2012-10-12 | 2014-04-16 | 北汽福田汽车股份有限公司 | 监测控制器端口状态的自动测试方法及装置 |
CN105809976A (zh) * | 2014-12-31 | 2016-07-27 | 高德软件有限公司 | 车辆行驶状态监测方法及移动终端 |
CN106427825A (zh) * | 2015-08-06 | 2017-02-22 | 平安科技(深圳)有限公司 | 汽车、用户终端、基于行驶数据的汽车安全监控方法及系统 |
CN107784709A (zh) * | 2017-09-05 | 2018-03-09 | 百度在线网络技术(北京)有限公司 | 处理自动驾驶训练数据的方法和装置 |
CN109067773A (zh) * | 2018-09-10 | 2018-12-21 | 成都信息工程大学 | 一种基于神经网络的车载can网络入侵检测方法及系统 |
CN109120490A (zh) * | 2018-10-31 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 车辆网络通信方法和装置 |
CN110046229A (zh) * | 2019-04-18 | 2019-07-23 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
CN110017994A (zh) * | 2019-05-16 | 2019-07-16 | 北京百度网讯科技有限公司 | 自动驾驶车辆的异常检测方法、装置、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110660217A (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107491073B (zh) | 无人驾驶车辆的数据训练方法和装置 | |
US9053593B2 (en) | Vehicle data analysis method and vehicle data analysis system | |
US10760926B2 (en) | Method for plausibility checking of measured values of a mobile device | |
CN104827963B (zh) | 一种用于车辆防撞智能预警的方法、控制系统以及控制装置 | |
CN107000750A (zh) | 用于车辆经济性改进的设备及方法 | |
CN111731284A (zh) | 一种辅助驾驶方法、装置、车载终端设备和存储介质 | |
CN113165646B (zh) | 用于检测车辆周围的风险因素的电子设备及其控制方法 | |
US20190012907A1 (en) | Driving analysis device and driving behavior analysis system | |
US10740634B1 (en) | Detection of decline in concentration based on anomaly detection | |
CN114970705B (zh) | 基于多传感数据的行驶状态分析方法、装置、设备及介质 | |
EP3598144A1 (en) | Motion detection method, motion detection apparatus, and medium | |
Chowdhury et al. | Estimating true speed of moving vehicle using smartphone-based GPS measurement | |
JP2019519041A (ja) | 逆走ドライバを検出するための方法、装置、およびシステム | |
US20220017032A1 (en) | Methods and systems of predicting total loss events | |
CN111984018A (zh) | 自动驾驶方法及装置 | |
CN111971218A (zh) | 驾驶员轮廓分析和识别 | |
CN111947669A (zh) | 用于将基于特征的定位地图用于车辆的方法 | |
CN110660217B (zh) | 用于检测信息安全的方法及装置 | |
CN112319505B (zh) | 自动驾驶换道判断方法、装置、设备及存储介质 | |
CN112455460A (zh) | 车辆控制方法、装置、设备及存储介质 | |
CN110659696A (zh) | 用于检测行车安全的方法及装置 | |
US10618524B2 (en) | Method for determining a reference driving class | |
CN116160805A (zh) | 一种基于智能电子测控技术的汽车运行监管系统 | |
CN112959859B (zh) | 驾驶提醒方法、装置、电子设备和存储介质 | |
CN115343729A (zh) | 一种实时gps信号反欺骗检测告警方法、车载tbox及系统 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211011 Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, economic and Technological Development Zone, Daxing District, Beijing Patentee after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Address before: 100085 third floor, baidu building, No. 10, Shangdi 10th Street, Haidian District, Beijing Patentee before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd. |