CN112653565A - 用于输出信息的方法、装置、设备和计算机可读介质 - Google Patents

用于输出信息的方法、装置、设备和计算机可读介质 Download PDF

Info

Publication number
CN112653565A
CN112653565A CN201910959320.2A CN201910959320A CN112653565A CN 112653565 A CN112653565 A CN 112653565A CN 201910959320 A CN201910959320 A CN 201910959320A CN 112653565 A CN112653565 A CN 112653565A
Authority
CN
China
Prior art keywords
sample
vehicle
protocol
target
private
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
CN201910959320.2A
Other languages
English (en)
Other versions
CN112653565B (zh
Inventor
阎文斌
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.)
Beijing Naga Information Technology Development Co ltd
Original Assignee
Beijing Naga Information Technology Development Co ltd
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 Beijing Naga Information Technology Development Co ltd filed Critical Beijing Naga Information Technology Development Co ltd
Priority to CN201910959320.2A priority Critical patent/CN112653565B/zh
Publication of CN112653565A publication Critical patent/CN112653565A/zh
Application granted granted Critical
Publication of CN112653565B publication Critical patent/CN112653565B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/18—Protocol analysers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L2012/40208—Bus networks characterized by the use of a particular bus standard
    • H04L2012/40215—Controller Area Network CAN
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L2012/40267—Bus for use in transportation systems
    • H04L2012/40273—Bus for use in transportation systems the transportation system being a vehicle

Abstract

本公开的实施例公开了用于输出信息的方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取目标车辆的目标非关联ECU的差异动作产生的样本数值和目标非关联ECU在目标车辆的私有CAN协议中对应的样本内容；将样本数值输入至预先训练的离散数值分析模型，得到目标非关联ECU在目标车辆的私有CAN协议中对应的预测的内容；确定目标非关联ECU在目标车辆的私有CAN协议中对应的预测的内容是否与目标非关联在目标车辆的私有CAN协议中对应的样本内容一致；响应于确定内容一致，输出目标非关联ECU在目标车辆的私有CAN协议中对应的预测的内容。该实施方式实现了私有CAN协议中特定数据的深度分析。

Description

用于输出信息的方法、装置、设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及用于输出信息的方法、装置、设备和计算机可读介质。
背景技术
CAN(Controller Area Network，控制器局域网)总线协议是由BOSCH发明的一种基于消息广播模式的串行通信总线，它起初用于实现汽车内ECU之间可靠的通信，后因其简单实用可靠等特点，而广泛应用于工业自动化、船舶、医疗等其它领域。相比于其它网络类型，如LAN(Local Area Network，局域网)、WAN(Wide Area Network，广域网)和PAN(Personal Area Network，个人网)等，CAN更加适合应用于现场控制领域，因此得名。
CAN总线是一种多主控(Multi-Master)的总线系统，它不同于USB(UniversalSerial Bus，通用串行总线)或以太网等传统总线系统是在总线控制器的协调下，实现A节点到B节点大量数据的传输，CAN网络的消息是广播式的，亦即在同一时刻网络上所有节点侦测的数据是一致的，因此比较适合传输诸如控制、温度、转速等短消息。
发明内容
本发明内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了用于输出信息的方法、装置、设备和计算机可读介质。
第一方面，本公开的一些实施例提供了一种用于输出信息的方法，该方法包括：获取目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值和上述目标非关联ECU在目标车辆的私有控制器局域网总线CAN协议中对应的样本内容；将上述样本数值输入至预先训练的离散数值分析模型，得到上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容，其中，上述离散数值分析模型用于表征车辆的非关联ECU的差异动作产生的数值与上述车辆的非关联ECU在上述车辆的私有CAN协议中对应的预测的内容之间的对应关系；确定上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容是否与上述目标非关联在目标车辆的私有控制器局域网总线CAN协议中对应的样本内容一致；响应于确定内容一致，输出上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容。
在一些实施例中，上述方法还包括：将上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容发送到存储设备进行存储。
在一些实施例中，获取目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值和上述目标非关联ECU在上述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容，包括：连接目标车辆的CAN总线；获取上述目标车辆的目标非关联ECU的非触发状态的样本数值和动作产生的样本数值；将上述动作产生的样本数值与非触发状态的样本数值进行数值差异对比，获得上述目标车辆的目标非关联ECU的差异动作产生的样本数值。
在一些实施例中，离散数值分析模型通过如下步骤训练得到：获取训练样本集合，其中，上述训练样本集合中的训练样本包括样本车辆中的样本非关联ECU的差异动作产生的样本数值和与上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容；将上述训练样本集合中的训练样本的样本数值作为输入，将与输入的样本数值对应的上述样本车辆的样本非关联ECU在上述样本车辆的私有CAN协议中的内容作为期望输出，训练得到上述离散数值分析模型。
在一些实施例中，上述离散数值分析模型通过如下步骤训练得到：获取样本集合，其中，样本包括样本车辆中的样本非关联ECU的差异动作产生的样本数值和与上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容；基于样本集合执行以下训练步骤：将样本集合中的至少一个样本中的样本数值分别输入至初始离散数值分析模型，得到上述至少一个样本中的每个样本数值所对应的样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的预测内容；将上述至少一个样本中的每个样本数值所对应的上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的预测内容与对应的上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容进行比较；根据比较结果确定上述初始离散数值分析模型的预测准确率；确定上述预测准确率是否大于预设准确率值，若大于上述预设准确率值，则将上述初始离散数值分析模型确定为训练完成的离散数值分析模型；响应于上述预测准确率不大于上述预设准确率值，调整初始离散数值分析模型的参数，以及使用未使用过的样本组成样本集合，使用调整后的初始离散数值分析模型作为初始离散数值分析模型，再次执行上述训练步骤。
第二方面，本公开的一些实施例提供了一种用于输出信息的装置，该装置包括：获取单元，被配置成获取目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值和上述目标非关联ECU在上述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容；预测单元，被配置成将上述样本数值输入至预先训练的离散数值分析模型，得到上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容，其中，上述离散数值分析模型用于表征车辆的非关联ECU的差异动作产生的数值与上述车辆的非关联ECU在上述车辆的私有CAN协议中对应的预测的内容之间的对应关系；确定单元，被配置成确定上述目标车辆的上述目标非关联ECU在上述目标车辆的私有CAN协议中预测的对应的内容是否与在预设的上述目标车辆的私有CAN协议中对应的内容一致；输出单元，被配置成响应于确定内容一致，输出上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容。
在一些实施例中，该装置还包括：存储单元，被配置成将上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容发送到存储设备进行存储。
在一些实施例中，获取单元包括：连接模块，被配置成连接目标车辆的CAN总线；获取模块，被配置成获取上述目标车辆的目标非关联ECU的非触发状态的样本数值和动作产生的样本数值；获得模块，被配置成将上述目标车辆的目标非关联ECU的非触发状态的样本数值和动作产生的样本数值进行数值差异对比，获得上述目标车辆的目标非关联ECU的差异动作产生的样本数值。
在一些实施例中，上述装置还包括离散数值分析模型训练单元，上述离散数值分析模型训练单元包括：训练样本集合获取子单元，被配置成获取训练样本集合，其中，上述训练样本集合中的训练样本包括样本车辆中的样本非关联ECU的差异动作产生的样本数值和与上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容；离散数值分析模型训练子单元，被配置成将上述训练样本集合中的训练样本的样本数值作为输入，将与输入的样本数值对应的上述样本车辆的样本非关联ECU在上述样本车辆的私有CAN协议中的内容作为期望输出，训练得到上述离散数值分析模型。
在一些实施例中，第一离散数值分析模型训练单元包括：第一获取模块，被配置成获取样本集合，其中，样本包括样本车辆中的样本非关联ECU的差异动作产生的样本数值和与上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容；执行模块，被配置成基于样本集合执行以下训练步骤：将样本集合中的至少一个样本中的样本数值分别输入至初始离散数值分析模型，得到上述至少一个样本中的每个样本数值所对应的样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的预测内容；将上述至少一个样本中的每个样本数值所对应的上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的预测内容与对应的上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容进行比较；根据比较结果确定上述初始离散数值分析模型的预测准确率；确定上述预测准确率是否大于预设准确率值；响应于大于上述预设准确率值，则将上述初始离散数值分析模型确定为训练完成的离散数值分析模型；响应于上述预测准确率不大于上述预设准确率值，调整初始离散数值分析模型的参数，以及使用未使用过的样本组成样本集合，使用调整后的初始离散数值分析模型作为初始离散数值分析模型，再次执行上述训练步骤。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，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，使得上述一个或多个处理器实现如第一方面中任一的方法。
第四方面，本公开的一些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，其中，上述程序被处理器执行时实现如第一方面中任一的方法。
本公开的一些实施例提供的用于分析车辆私有CAN协议的离散数值的方法、装置，通过获取目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值和上述目标非关联在上述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容，然后将上述样本数值输入至预先训练的离散数值分析模型，得到上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容，之后确定上述目标非关联ECU在上述目标车辆的私有CAN协议中预测的对应的内容是否与上述目标非关联在上述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容一致，之后响应于确定内容一致，输出上述目标车辆的目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容。实现了私有CAN协议中特定数据的深度分析。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开的一些实施例可以应用于其中的示例性系统的架构图；
图2是根据本公开的用于输出信息的方法的一些实施例的流程图；
图3是根据本公开的一些实施例的用于输出信息的方法的一个应用场景的示意图；
图4是根据本公开的用于输出信息的装置的一些实施例的结构示意图；
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
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。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。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
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一些实施例的用于输出信息的方法或用于输出信息的装置的示例性系统架构100。
如图1所示，系统架构100可以包括私有CAN(Controller Area Network，控制器局域网)协议的汽车101，网络102和服务器103。网络102用以在私有CAN协议的汽车101和服务器103之间提供通信链路的介质。网络102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。
用户可以使用私有CAN协议的汽车101通过网络102与服务器103交互，以接收或发送消息等。私有CAN协议的汽车101上可以安装有各种通讯客户端应用，例如导航应用等。
服务器105可以是提供各种服务的服务器，例如对私有CAN协议的汽车101上显示的非关联ECU控制动作的数值进行获取的服务器。服务器可以对获取到的非关联ECU控制动作的数值进行分析等处理，并将处理结果(例如非关联ECU控制动作的数值)反馈给私有CAN协议的汽车101。
需要说明的是，本公开的实施例所提供的用于输出信息的方法一般由服务器105执行。相应地，用于输出信息的装置可以设置于服务器105中。在此不做具体限定。
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，可以实现成例如用来提供分布式服务的多个软件或软件模块，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中的终端设备、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终端设备、网络和服务器。
继续参考图2，示出了根据本公开的用于输出信息的方法的一些实施例的流程200。该用于输出信息的方法，包括以下步骤：
步骤201，获取目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值和上述目标非关联ECU在上述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容。
在一些实施例中，用于输出信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其目标车辆的CAN(Controller AreaNetwork,控制器局域网络)总线接收目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值和上述目标非关联ECU在上述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容。其中，上述非关联ECU是指单独控制车辆特定功能的电子控制单元。例如，控制车门的开启与关闭的功能的ECU。上述目标非关联电子控制单元ECU指的是选取的目标车辆中至少一个单独控制车辆特定功能的ECU，其中，目标车辆是指研究分析的车辆。上述差异动作是指单独控制车辆特定功能的ECU控制的单个动作。例如，灯光控制ECU在控制灯光开启的单个动作或是灯光关闭的单个动作。上述样本数值是指上述非关联ECU的差异动作所生成的数值。在此处的数值为离散数值。上述离散数值是指不是连续的数值。上述车辆的CAN协议是指专门为汽车行业开发的一种串行通信总线协议。上述私有车辆的CAN协议是指车辆厂商出产时带有的一种串行通信总线协议。上述目标非关联在目标车辆的私有CAN协议是指研究分析车辆的一种串行通信总线协议。因此，可以知道上述目标非关联在目标车辆的私有控制器局域网总线CAN协议中对应的样本内容。作为示例，用户选定了私有CAN协议的车辆作为目标车辆，选取目标车辆中至少一个单独控制车辆特定功能的目标ECU，在上述至少一个单独控制车辆特定功能的目标ECU控制进行单个动作时生成的数值。服务器通过CAN总线可以获取到上述数值即目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值。
在一些实施例的一些可选的实现方式中，获取目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值和上述目标非关联ECU在上述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容，包括：
首先，上述执行主体可以连接目标车辆的CAN总线，其中，上述CAN总线是指是一种用于实时应用的串行通讯协议总线。例如，上述执行主体可以使用USB(Universal SerialBus,通用串行总线)CAN设备和上述USB线连接目标车辆的CAN总线。
之后，上述执行主体通过上述CAN总线可以获取上述目标车辆的目标非关联电子控制单元ECU的动作产生的样本数值和非触发状态的样本数值，其中，上述非触发状态的样本数值是指单独控制车辆特定功能的ECU在非触发状态下的生成的样本数值。例如，控制车门开启或关闭的ECU，在车门未触发动作时生成的数值。
最后，上述执行主体将上述动作产生的样本数值与上述非触发状态的样本数值进行数值差异对比，获得上述目标车辆的目标非关联ECU的差异动作产生的样本数值。
步骤202，将上述样本数值输入至预先训练的离散数值分析模型，得到上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容。
在一些实施例中，基于步骤201中得到的样本数值，上述执行主体(例如图1所示的服务器)可以将上述样本数值输入至预先训练的离散数值分析模型，得到上述目标车辆的目标非关联ECU在目标车辆的私有控制器局域网总线CAN协议中预测的对应的内容。其中，上述离散数值分析模型可以用于表征车辆的非关联ECU差异动作的数值与上述车辆的非关联ECU在上述车辆的私有CAN协议中预测的对应的内容之间的对应关系。上述执行主体可以通过多种方式训练出可以表征上述车辆的非关联ECU差异动作的数值与上述车辆的非关联ECU在上述车辆的私有CAN协议中预测的对应的内容之间的对应关系的上述离散数值分析模型。作为示例，服务器可以基于对大量的车辆的非关联电子控制单元ECU的差异动作的样本数值和上述车辆的非关联ECU在私有控制器局域网总线CAN协议中的对应的内容进行统计而生成存储有多个上述车辆的非关联电子控制单元ECU的差异动作的样本数值和车辆的非关联ECU在上述车辆的私有控制器局域网总线CAN协议中的对应的内容的对应关系的对应表，以及将该对应关系表作为上述离散数值分析模型。这样，服务器可以将目标车辆的目标非关联电子控制单元ECU的差异动作的样本数值与该对应关系表中的多个的车辆的非关联电子控制单元ECU的差异动作的样本数值依次进行比较，若该对应关系表中的一个样本数值与目标样本数值相同或相似，则将该对应关系表中的该样本数值所对应的样本车辆的样本非关联ECU在样本车辆的私有CAN协议中的对应的内容作为目标车辆的目标非关联ECU在目标车辆的私有CAN协议中预测的对应的内容。
在一些实施例的一些可选的实现方式中，上述离散数值分析模型通过如下步骤训练得到：
训练步骤1，获取训练样本集合，其中，上述训练样本集合中的训练样本包括样本车辆中的样本非关联ECU的差异动作产生的样本数值和与上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容。
在一些实施例中，用来生成上述离散数值分析模型的执行主体可以通过汽车厂商的服务器来获取训练样本集合。
训练步骤2，将上述训练样本集合中的训练样本的样本数值作为输入，将与输入的样本数值对应的上述样本车辆的样本非关联ECU在上述样本车辆的私有CAN协议中的内容作为期望输出，训练得到上述离散数值分析模型。
在一些实施例中，上述期望输出是指获得与样本中一样的内容的输出。上述执行主体训练的可以是初始离散数值分析模型。初始离散数值分析模型可以是未经训练的离散数值分析模型或未训练完成的离散数值分析模型。初始离散数值分析模型的各层可以设置有初始参数，参数在离散数值分析模型的训练过程中可以被不断地调整。初始离散数值分析模型可以是各种类型的未经训练或未训练完成的人工神经网络或者对多种未经训练或未训练完成的人工神经网络进行组合所得到的模型。例如，初始离散数值分析模型可以是未经训练的卷积神经网络，也可以是未经训练的循环神经网络，还可以是对未经训练的卷积神经网络、未经训练的循环神经网络和未经训练的全连接层进行组合所得到的模型。这样，上述执行主体可以将样本数值从离散数值分析模型的输入侧输入，依次经过上述离散数值分析模型中的各层的参数的处理，以及从上述离散数值分析模型的输出侧输出，输出侧输出的信息即为上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容。
在一些实施例的一些可选的实现方式中，上述离散数值分析模型通过如下步骤训练得到：
第一，获取样本集合，其中，样本包括样本车辆中的样本非关联ECU的差异动作产生的样本数值和与上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容。
在一些实施例中，用于生成上述离散数值分析模型的执行主体可以通过汽车厂商的服务器来获取样本集合。其中，样本包括样本车辆中的样本非关联ECU的差异动作产生的样本数值和与上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容。
第二，基于样本集合，可以执行以下训练步骤：
训练步骤1，将样本集合中的至少一个样本中的样本数值分别输入至初始离散数值分析模型，得到上述至少一个样本中的每个样本数值所对应的样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的预测内容。
在一些实施例中，上述用于生成上述离散数值分析模型的执行主体将将样本集合中的至少一个样本中的样本数值分别输入至初始离散数值分析模型，可以得到上述至少一个样本中的每个样本数值所对应的样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的预测内容。上述预测内容上述目标非关联ECU在上述CAN协议中的预测的通信内容。
训练步骤2，将上述至少一个样本中的每个样本数值所对应的上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的预测内容与对应的上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容进行比较。
在一些实施例中，上述用于生成上述离散数值分析模型的执行主体将上述至少一个样本中的每个样本数值所对应的上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的预测内容与对应的上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容进行比较。
训练步骤3，根据比较结果确定上述初始离散数值分析模型的预测准确率。
在一些实施例中，基于训练步骤2可以得到上述至少一个样本的每个样本的比较结果，上述用于生成上述离散数值分析模型的执行主体根据上述比较结果可以确定上述初始离散数值分析模型的预测准确率。上述预测准确率是指上述预测内容上述至少一个样本中的样本对应的预测内容与对应的上述样本中的内容一致的样本占上述至少一个样本的百分比。
训练步骤4，确定上述预测准确率是否大于预设准确率值。
在一些实施例中，基于上述训练步骤3得到的预测准确率。上述用于生成上述离散数值分析模型的执行主体确定上述预测准确率是否大于预设准确率值。上述预设准确率值是根据预先获取的样本设定的。
训练步骤5，响应于大于上述预设准确率值，则将上述初始离散数值分析模型确定为训练完成的离散数值分析模型。
在一些实施例中，响应于大于上述预设准确率值，上述用于生成上述离散数值分析模型的执行主体将上述初始离散数值分析模型确定为训练完成的离散数值分析模型。
第三，响应于上述预测准确率不大于上述预设准确率值，调整初始离散数值分析模型的参数，以及使用未使用过的样本组成样本集合，使用调整后的初始离散数值分析模型作为初始离散数值分析模型，再次执行上述训练步骤。
在此需要说明的是，上述获取样本集合的执行主体跟上述用于生成上述离散数值分析模型的执行主体可以是相同的，也可以是不同的。
步骤203，确定上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容是否与上述目标非关联在上述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容一致。
在一些实施例中，基于步骤202中得到的目标车辆的目标非关联ECU在上述私有CAN协议中对应的预测的内容，上述预测的内容是指上述目标非关联ECU在上述CAN协议中的预测的通信内容。上述执行主体可以将上述预测的内容与对应的目标车辆中的CAN协议的样本内容进行比较，若上述预测的内容与样本内容相同，则确定上述目标车辆的目标非关联ECU在上述目标车辆的私有CAN协议中预测的对应的内容与对应的上述目标车辆的私有CAN协议中对应的样本内容一致；反之，则确定上述目标车辆的目标非关联ECU在上述目标车辆的私有CAN协议中预测的对应的内容与对应的上述目标车辆的私有CAN协议中对应的样本内容不一致。
步骤204，响应于确定内容一致，输出上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容。
在一些实施例中，上述执行主体在确定上述目标车辆的目标非关联ECU在上述目标车辆的私有CAN协议中预测的对应的内容与对应的上述目标车辆的私有CAN协议中对应的样本内容一致的情况下，上述执行主体可以输出上述目标车辆的目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容。
在一些实施例的一些可选的实现方式中，上述执行主体将上述目标车辆的目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容发送到存储设备进行存储。
继续参见图3，图3是根据本公开的一些实施例的用于输出信息的方法的应用场景的一个示意图。在图3的应用场景中，用户首先确定了汽车301和该车中的灯光控制ECU；之后，用户得到上述汽车301中的灯光控制ECU的一组数值302和上述ECU在上述车辆的私有CAN协议中对应的内容。例如，上述一组数值302分别为灯光开启和关闭时的数值。然后，用户将上述一组数值输入到有预选训练的离散数值分析模型的电子设备303中，得到上述汽车301中的灯光控制ECU在上述汽车301的私有CAN协议中对应的预测的内容。之后，上述电子设备确定上述汽车301中的灯光控制ECU在上述汽车301的私有CAN协议中预测的对应的内容与对应的上述汽车301的私有CAN协议中对应的内容是否一致。最后，上述电子设备303确定上述汽车301中的灯光控制ECU在上述汽车301的私有CAN协议中预测的对应的内容与对应的上述汽车301的私有CAN协议中对应的内容一致，上述电子设备303则输出上述灯光控制ECU在上述私有CAN协议中对应的预测的内容304。
本公开的一些实施例提供的方法实现了私有CAN协议中特定数据的深度分析。
进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种用于输出信息的装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，一些实施例的用于输出信息的装置400包括：获取单元401、预测单元402、确定单元403和输出单元404。其中，获取单元401配置成获取目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值和上述目标非关联ECU在上述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容；预测单元402配置成将上述样本数值输入至预先训练的离散数值分析模型，得到上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容，其中，上述离散数值分析模型用于表征车辆的非关联ECU的差异动作产生的数值与上述车辆的非关联ECU在上述车辆的私有CAN协议中对应的预测的内容之间的对应关系；确定单元403配置成确定上述目标车辆的目标非关联ECU在上述目标车辆的私有CAN协议中预测的对应的内容是否与在预设的上述目标车辆的私有CAN协议中对应的内容一致；而输出单元404配置成响应于确定内容一致，输出上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容。
在一些实施例中，用于输出信息的装置400的获取单元401可以通过有线连接方式或者无线连接方式从用户利用其进行车辆控制的终端接收ECU控制请求，其中，上述ECU控制请求包括了上述ECU在触发状态动作的请求，即差异动作的数值。
在一些实施例的一些可选的实现方式中，用于输出信息的装置400还包括图4中未示出的存储单元。
其中，存储单元，被配置成将上述目标非关联ECU在上述目标车辆的私有CAN协议中对应的预测的内容发送到存储设备进行存储。
在一些实施例的一些可选的实现方式中，上述获取单元401可以进一步包括图4中未示出的连接模块、获取模块和获得模块。
其中，连接模块，被配置成连接目标车辆的CAN总线。
获取模块，被配置成获取上述目标车辆的目标非关联ECU的非触发状态的样本数值和动作产生的样本数值。
获得模块，被配置成将上述目标车辆的目标非关联ECU的非触发状态的样本数值和动作产生的样本数值进行数值差异对比，获得上述目标车辆的目标非关联ECU的差异动作产生的样本数值。
在一些实施例的一些可选的实现方式中，上述用于输出信息的装置400还包括图4中未示出的离散数值分析模型训练单元。其中，上述离散数值分析模型训练单元还包括图4中未示出的训练样本集合获取子单元和离散数值分析模型训练子单元。
其中，训练样本集合获取子单元，被配置成获取训练样本集合，其中，上述训练样本集合中的训练样本包括样本车辆中的样本非关联ECU的差异动作产生的样本数值和与上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容。
离散数值分析模型训练子单元，被配置成将上述训练样本集合中的训练样本的样本数值作为输入，将与输入的样本数值对应的上述样本车辆的样本非关联ECU在上述样本车辆的私有CAN协议中的内容作为期望输出，训练得到上述离散数值分析模型。
在一些实施例的一些可选的实现方式中，第一离散数值分析模型训练单元包括图4中未示出的第一获取模块、执行模块和调整模块。
其中，第一获取模块，被配置成获取样本集合，其中，样本包括样本车辆中的样本非关联ECU的差异动作产生的样本数值和与上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容。
执行模块，被配置成基于样本集合执行以下训练步骤。
将样本集合中的至少一个样本中的样本数值分别输入至初始离散数值分析模型，得到上述至少一个样本中的每个样本数值所对应的样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的预测内容。
将上述至少一个样本中的每个样本数值所对应的上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的预测内容与对应的上述样本车辆中的样本非关联ECU在上述样本车辆的私有CAN协议中对应的内容进行比较。
根据比较结果确定上述初始离散数值分析模型的预测准确率。
确定上述预测准确率是否大于预设准确率值。
响应于大于上述预设准确率值，则将上述初始离散数值分析模型确定为练完成的离散数值分析模型。
调整模块，被配置成响应于上述预测准确率不大于上述预设准确率值，调整初始离散数值分析模型的参数，以及使用未使用过的样本组成样本集合，使用调整后的初始离散数值分析模型作为初始离散数值分析模型，再次执行上述训练步骤。
下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器)500的结构示意图。图5示出的服务器仅仅是一个示例，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5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：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506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，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5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，根据本公开的一些实施例，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，本公开的一些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。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些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。在本公开的一些实施例中，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。而在本公开的一些实施例中，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。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
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：获取目标车辆的目标非关联电子控制单元ECU的差异动作的目标样本数值；将上述目标样本数值输入至预先训练的离散数值分析模型，得到上述目标车辆的目标非关联ECU在私有控制器局域网总线CAN协议中预测的对应的内容，其中，上述离散数值分析模型用于表征车辆的非关联ECU差异动作的数值与上述车辆的非关联ECU在私有CAN协议中预测的对应的内容之间的对应关系；确定上述目标车辆的目标非关联ECU在上述私有CAN协议中预测的对应的内容是否与在预设私有CAN协议中对应的内容一致；响应于确定与在上述预设私有CAN协议中对应的内容一致，输出上述目标车辆的目标非关联ECU在上述私有CAN协议中对应的内容的分析结果。
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一些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。
描述于本公开的一些实施例中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：一种处理器包括获取单元、预测单元、确定单元和输出单元。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，获取单元还可以被描述为“获取目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值和上述目标非关联ECU在上述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些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，本公开的实施例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的实施例中公开的(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 (10)

1.一种用于输出信息的方法，包括：
获取目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值和所述目标非关联ECU在所述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容；
将所述样本数值输入至预先训练的离散数值分析模型，得到所述目标非关联ECU在所述目标车辆的私有CAN协议中对应的预测的内容，其中，所述离散数值分析模型用于表征车辆的非关联ECU的差异动作产生的数值与所述车辆的非关联ECU在所述车辆的私有CAN协议中对应的预测的内容之间的对应关系；
确定所述目标非关联ECU在所述目标车辆的私有CAN协议中对应的预测的内容是否与所述目标非关联在所述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容一致；
响应于确定内容一致，输出所述目标非关联ECU在所述目标车辆的私有CAN协议中对应的预测的内容。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述目标非关联ECU在所述目标车辆的私有CAN协议中对应的预测的内容发送到存储设备进行存储。
3.根据权利要求1所述的方法，其中，所述获取目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值和所述目标非关联ECU在所述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容，包括：
连接目标车辆的CAN总线；
获取所述目标车辆的目标非关联ECU的非触发状态的样本数值和动作产生的样本数值；
将所述目标非关联ECU的非触发状态的样本数值和动作产生的样本数值进行数值差异对比，获得所述目标车辆的目标非关联ECU的差异动作产生的样本数值。
4.根据权利要求1所述的方法，其中，所述离散数值分析模型通过如下步骤训练得到：
获取训练样本集合，其中，所述训练样本集合中的训练样本包括样本车辆中的样本非关联ECU的差异动作产生的样本数值和与所述样本车辆中的样本非关联ECU在所述样本车辆的私有CAN协议中对应的内容；
将所述训练样本集合中的训练样本的样本数值作为输入，将与输入的样本数值对应的所述样本车辆的样本非关联ECU在所述样本车辆的私有CAN协议中的内容作为期望输出，训练得到所述离散数值分析模型。
5.根据权利要求1-4之一所述的方法，其中，所述离散数值分析模型通过如下步骤训练得到：
获取样本集合，其中，样本包括样本车辆中的样本非关联ECU的差异动作产生的样本数值和与所述样本车辆中的样本非关联ECU在所述样本车辆的私有CAN协议中对应的内容；
基于样本集合执行以下训练步骤：
将样本集合中的至少一个样本中的样本数值分别输入至初始离散数值分析模型，得到所述至少一个样本中的每个样本数值所对应的样本车辆中的样本非关联ECU在所述样本车辆的私有CAN协议中对应的预测内容；
将所述至少一个样本中的每个样本数值所对应的所述样本车辆中的样本非关联ECU在所述样本车辆的私有CAN协议中对应的预测内容与对应的所述样本车辆中的样本非关联ECU在所述样本车辆的私有CAN协议中对应的内容进行比较；
根据比较结果确定所述初始离散数值分析模型的预测准确率；
确定所述预测准确率是否大于预设准确率值；
响应于大于所述预设准确率值，则将所述初始离散数值分析模型确定为训练完成的离散数值分析模型；
响应于所述预测准确率不大于所述预设准确率值，调整初始离散数值分析模型的参数，以及使用未使用过的样本组成样本集合，使用调整后的初始离散数值分析模型作为初始离散数值分析模型，再次执行所述训练步骤。
6.一种用于输出信息的装置，包括：
获取单元，被配置成获取目标车辆的目标非关联电子控制单元ECU的差异动作产生的样本数值和所述目标非关联ECU在所述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容；
预测单元，被配置成将所述样本数值输入至预先训练的离散数值分析模型，得到所述目标非关联ECU在所述目标车辆的私有CAN协议中对应的预测的内容，其中，所述离散数值分析模型用于表征车辆的非关联ECU的差异动作产生的数值与所述车辆的非关联ECU在所述车辆的私有CAN协议中对应的预测的内容之间的对应关系；
确定单元，被配置成确定所述目标非关联ECU在所述目标车辆的私有CAN协议中预测的对应的内容是否与所述目标非关联在所述目标车辆的私有控制器局域网总线CAN协议中对应的样本内容一致；
输出单元，被配置成响应于确定内容一致，输出所述目标非关联ECU在所述目标车辆的私有CAN协议中对应的预测的内容。
7.根据权利要求5所述的装置，其中，所述获取单元包括：
连接模块，被配置成连接目标车辆的CAN总线；
获取模块，被配置成获取所述目标车辆的目标非关联ECU的非触发状态的样本数值和动作产生的样本数值；
获得模块，被配置成将所述目标非关联ECU的非触发状态的样本数值和动作产生的样本数值进行数值差异对比，获得所述目标车辆的目标非关联ECU的差异动作产生的样本数值。
8.根据权利要求5所述的装置，其中，所述装置还包括离散数值分析模型训练单元，所述离散数值分析模型训练单元包括：
训练样本集合获取子单元，被配置成获取训练样本集合，其中，所述训练样本集合中的训练样本包括样本车辆中的样本非关联ECU的差异动作产生的样本数值和与所述样本车辆中的样本非关联ECU在所述样本车辆的私有CAN协议中对应的内容；
离散数值分析模型训练子单元，被配置成将所述训练样本集合中的训练样本的样本数值作为输入，将与输入的样本数值对应的所述样本车辆的样本非关联ECU在所述样本车辆的私有CAN协议中的内容作为期望输出，训练得到所述离散数值分析模型。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，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，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN201910959320.2A 2019-10-10 2019-10-10 用于输出信息的方法、装置、设备和计算机可读介质 Active CN112653565B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910959320.2A CN112653565B (zh) 2019-10-10 2019-10-10 用于输出信息的方法、装置、设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910959320.2A CN112653565B (zh) 2019-10-10 2019-10-10 用于输出信息的方法、装置、设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN112653565A true CN112653565A (zh) 2021-04-13
CN112653565B CN112653565B (zh) 2022-12-02

Family

ID=75343477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910959320.2A Active CN112653565B (zh) 2019-10-10 2019-10-10 用于输出信息的方法、装置、设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN112653565B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150309920A1 (en) * 2014-04-29 2015-10-29 Hitachi, Ltd. Method and system for testing control software of a controlled system
US20160188396A1 (en) * 2014-12-30 2016-06-30 Battelle Memorial Institute Temporal anomaly detection on automotive networks
CN108693868A (zh) * 2018-05-25 2018-10-23 深圳市轱辘车联数据技术有限公司 故障预测模型训练的方法、车辆故障预测的方法及装置
CN108965085A (zh) * 2018-08-01 2018-12-07 北京新能源汽车股份有限公司 一种电子控制单元ecu的检错方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150309920A1 (en) * 2014-04-29 2015-10-29 Hitachi, Ltd. Method and system for testing control software of a controlled system
US20160188396A1 (en) * 2014-12-30 2016-06-30 Battelle Memorial Institute Temporal anomaly detection on automotive networks
CN108693868A (zh) * 2018-05-25 2018-10-23 深圳市轱辘车联数据技术有限公司 故障预测模型训练的方法、车辆故障预测的方法及装置
CN108965085A (zh) * 2018-08-01 2018-12-07 北京新能源汽车股份有限公司 一种电子控制单元ecu的检错方法及装置

Also Published As

Publication number Publication date
CN112653565B (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
CN112434620B (zh) 场景文字识别方法、装置、设备和计算机可读介质
CN115130065B (zh) 供应端特征信息处理方法、装置、设备和计算机可读介质
CN111246228B (zh) 直播间礼物资源更新方法、装置、介质及电子设备
CN113050643A (zh) 无人车路径规划方法、装置、电子设备和计算机可读介质
CN115534939A (zh) 车辆控制方法、装置、电子设备和计算机可读介质
CN114780338A (zh) 主机信息处理方法、装置、电子设备和计算机可读介质
CN112653565B (zh) 用于输出信息的方法、装置、设备和计算机可读介质
CN112017462B (zh) 用于生成场景信息的方法、装置、电子设备和介质
CN115277261B (zh) 基于工控网络病毒的异常机器智能识别方法、装置、设备
CN110956127A (zh) 用于生成特征向量的方法、装置、电子设备和介质
CN116489621A (zh) 车钥匙的分享方法、装置、设备及介质
CN112373471B (zh) 用于控制车辆行驶的方法、装置、电子设备和可读介质
CN112543228A (zh) 数据传输方法、装置、电子设备和计算机可读介质
CN112597793B (zh) 用于识别交通灯状态和计时器状态的方法、装置和设备
CN115022328A (zh) 服务器集群以及服务器集群的测试方法、装置和电子设备
CN112257039B (zh) 身份属性添加方法、装置和电子设备
CN112434619A (zh) 病例信息提取方法、装置、设备和计算机可读介质
CN112346870A (zh) 模型处理方法及系统
CN114764627A (zh) 基于横向联合学习参与方的数据贡献力确定方法和装置
CN112590798A (zh) 用于检测驾驶员状态的方法、装置、电子设备和介质
CN112590799B (zh) 用于控制目标车辆的方法、装置、电子设备和介质
CN115973178B (zh) 车辆移动控制方法、装置、电子设备和计算机可读介质
CN112328341B (zh) 模型显示方法，装置，电子设备及存储介质
CN116541251B (zh) 显示设备状态预警方法、装置、设备和计算机可读介质
CN114697206B (zh) 物联网节点管理方法、装置、设备和计算机可读介质

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