CN113490968B

CN113490968B - 用来阻止中继攻击的数字钥匙和系统

Info

Publication number: CN113490968B
Application number: CN202080015398.XA
Authority: CN
Inventors: J·邦内特; N·雷纳德
Original assignee: Continental Automotive Technologies GmbH
Current assignee: Continental Automotive Technologies GmbH
Priority date: 2019-02-19
Filing date: 2020-02-19
Publication date: 2023-06-30
Anticipated expiration: 2040-02-19
Also published as: FR3092925A1; US20220089121A1; US11338772B2; WO2020169656A1; CN113490968A; FR3092925B1

Abstract

本发明的目的在于用于训练用来阻止中继攻击的机器学习模型（200）的计算系统（100）。本发明还包括能够基于预训练的机器学习模型（200'）来控制以非接触方式开启或关闭对道路车辆的访问的便携式电子装置（310）。本发明的一般原理是基于使用智能手机（英语为“smartphone”，智能电话）作为访问道路车辆的数字钥匙。本发明借助于机器学习（英语为“machine learning”）来训练学习模型，所述学习模型能够预测此类智能手机在其接近或远离道路车辆时的运动。随后，只有在道路车辆接收到使智能手机运动的信息时才授权对道路车辆的访问。

Description

用来阻止中继攻击的数字钥匙和系统

技术领域

本发明涉及对通过便携式电子装置的访问（accès）进行控制的领域。更具体地说，本发明涉及用于训练用来阻止中继攻击的机器学习模型的计算系统。本发明还涉及能够基于预训练的机器学习模型来控制以非接触方式开启或关闭对道路车辆的访问的便携式电子装置。

背景技术

许多较新的车辆具有无钥匙进入系统，该系统使得车主能够以非接触方式开启车辆。在这种情况下，车辆检测到电子钥匙发射的无线电信号，并在信号得到认证时开启车门。

然而，这些车辆对中继攻击（英语为“relai attack”）很敏感，中继攻击包括通过信号中继器来中继电子钥匙发射的信号，从而通过使车辆相信电子钥匙在附近而完全绕过加密和安全协议。在实践中，只需在车主附近（例如在车主家的前门附近）放置天线并将截获的电子钥匙信号转发给处于车辆旁边的同伙，同伙即可开启并起动车辆。

迄今为止，针对此类攻击存在的少量解决方案需要将电子钥匙放置在法拉第笼内，如微波炉或冰箱内。这并不令人满意。

因此，本发明旨在缓解上述缺陷。

发明内容

为此，本发明的第一方面涉及一种用于训练机器学习模型的计算系统。

本发明的第二方面涉及一种便携式电子装置。

最后，本发明的第三方面涉及一种道路车辆。

这样，本发明涉及一种用于训练用来阻止中继攻击的机器学习模型的计算系统。该系统包括：

- 多个第一便携式电子装置，每个第一便携式电子装置预备由用户携带并且每个第一便携式电子装置包括：

o 第一无线收发器，其用于发射信标信号，以及

o 第一采集模块，其用于在至少一个采集会话期间采集与第一便携式电子装置的运动有关的信号，

- 至少第一道路车辆，包括：

o 第二无线收发器，其用于接收信标信号，以及

o 第一处理器，其用于根据信标信号以非接触方式开启或关闭对第一道路车辆的至少一个访问，

- 机器学习服务器，其用于基于来自采集模块的信号来训练机器学习模型，

其中，机器学习服务器预备：

- 获得由每个第一采集模块生成的信号，所述信号是在第一处理器开启或关闭对第一道路车辆的访问时响应于用户使相关联的第一便携式电子装置运动而生成的，

- 针对每个采集会话，基于采集的信号计算第一便携式电子装置的方向向量，

- 针对每个采集会话，将方向向量与第一预定义信息相关联，第一预定义信息指示第一便携式电子装置向第一道路车辆的方向移动或者指示第一便携式电子装置向与第一道路车辆相反的方向移动，

- 针对每个采集会话，基于采集的信号和第一预定义信息创建特征向量，以及

- 根据全部或部分特征向量将监督分类算法应用于机器学习模型。

根据第一实施例，“使……运动（la mise en mouvement）”包括用户做出的使第一便携式电子装置投入使用（engagement）的手势，机器学习服务器还预备向每个特征向量添加第二预定义信息，第二预定义信息指示用户做出的投入使用的手势的类型。

根据第二实施例，机器学习服务器还预备向每个特征向量添加第三预定义信息，第三预定义信息指示相关联的第一便携式电子装置在用户身上的预定义定位。

根据第三实施例，机器学习服务器还预备：

- 针对每个采集会话，从采集的信号提取频率信息，以及

- 向相关联的每个特征向量添加频率信息。

根据第四实施例，每个采集会话与在预定持续时间上延伸的至少一个时间窗口相关联，机器学习服务器还预备向每个特征向量添加预定持续时间。

本发明还涵盖预备由用户携带的便携式电子装置。该装置包括：

- 第三无线收发器，其用于发射信标信号，所述信标信号能够以非接触方式开启或关闭对第二道路车辆的至少一个访问，

- 第二采集模块，其用于在至少一个采集会话期间响应于用户使第一便携式电子装置运动而采集与便携式电子装置的运动有关的信号，

- 第二处理器，其用于：

o 将来自第二采集模块的信号应用为根据本发明的第一方面预训练的机器学习模型的输入，以获得第一预定义信息、第二预定义信息和/或第三预定义信息作为预训练的机器学习模型的输出，第一预定义信息指示便携式电子装置向第二道路车辆的方向移动或者指示便携式电子装置向与第二道路车辆相反的方向移动，第二预定义信息指示用户做出的使便携式电子装置投入使用的手势的类型，第三预定义信息指示便携式电子装置在用户身上的预定义定位，以及

o 将第一预定义信息、第二预定义信息和/或第三预定义信息添加到信标信号。

根据第一实施例，第二处理器还预备：

- 从采集的信号提取频率信息，以及

- 将频率信息应用为预训练的机器学习模型的输入。

根据第二实施例，采集会话与在预定持续时间上延伸的至少一个时间窗口相关联，第二处理器还预备将预定持续时间应用为预训练的机器学习模型的输入。

在本发明的第一和第二方面的一个变型中，第一采集模块包括来自包含以下各项的组的至少一个传感器：加速度计、线性加速度计、陀螺仪、重力传感器、朝向传感器、计步器或其任何组合。

最后，本发明还涵盖一种道路车辆，包括：

- 第四无线收发器，其用于接收由如根据本发明的第二方面定义的便携式电子装置发射的信标信号，以及

- 第三处理器，其用于处理信标信号并在信标信号包括第一预定义信息、第二预定义信息和/或第三预定义信息时以非接触方式开启或关闭对道路车辆的至少一个访问，第一预定义信息指示便携式电子装置向道路车辆的方向移动或者指示便携式电子装置向与道路车辆相反的方向移动，第二预定义信息指示用户做出的使便携式电子装置投入使用的手势的类型，第三预定义信息指示便携式电子装置在用户身上的预定义定位。

附图说明

通过参考附图并阅读接下来的描述，将更好地理解本发明的其他特征和优点，附图是作为例示而绝非作为限制而给出的。

图1示出了根据本发明的第一计算系统。

图2示出了根据本发明的第二计算系统。

为清楚起见，除非另有说明，否则所示元件不一定相对于彼此以同一比例示出。

具体实施方式

本发明的一般原理是基于使用智能手机（英语为“smartphone”，智能电话）作为访问道路车辆的数字钥匙。本发明借助于机器学习（英语为“machine learning”）来训练学习模型，所述学习模型能够预测此类智能手机在其接近或远离道路车辆时的运动。随后，只有在道路车辆接收到使智能手机运动的信息时才授权对道路车辆的访问。

图1示出了根据本发明的用于训练机器学习模型200的计算系统100。在一个特定实施方式中，机器学习模型200由多层感知器型人工神经网络构成。

计算系统100包括多个第一便携式电子装置110、至少一个第一道路车辆120和至少一个第一机器学习服务器130。此外，计算系统100是根据云中计算架构（英语为“cloudcomputing system”，云计算系统）布置的，云中计算架构是基于无线型的通信网络10。

在图1的示例中，每个第一便携式电子装置110预备由用户携带。例如，便携式电子装置110可以携带在用户的一只手中、用户的一个裤兜中或用户的包或挎包中。重要的是用户可以方便地访问便携式电子装置110。“便携式电子装置”意指类似于智能手机（英语为“smartphone”，智能电话）、数字平板、智能手环（英语为“smart watch（智能手表）”或“smart bracelet”）或个人数字助理的任何装置。

此外，每个便携式电子装置110包括彼此功能上衔接的第一无线收发器111和第一采集模块112。

第一无线收发器111预备以预定间隔发射信标信号（英语为“beacon signal”）。在一个示例中，信标信号是使用RFID、Wi-Fi或蓝牙类型的已知通信协议的短程无线电信号。然而，也可以使用利用其他通信协议的其他短程信号而不需要对本发明进行重大修改。

第一采集模块112预备采集与第一便携式电子装置110的运动有关的信号。

在一个示例中，第一采集模块112包括来自包含以下各项的组的至少一个传感器：加速度计、线性加速度计（英语为“user accelaration”，用户加速度）、陀螺仪、重力传感器、朝向传感器（英语为“Attitude and Heading Reference System”，姿势和首向基准系统）、计步器或其任何组合。

在图1的示例中，第一道路车辆120中的每一个包括彼此功能上衔接的第二无线收发器121和第一处理器122。“道路车辆（véhicule routier）”意指配备有发动机（通常为内燃机或电动机）的任何车辆，其旨在在道路网络上运动并能够运送人或载货（例如，汽车或摩托车）。

第二无线收发器121预备接收信标信号。在实践中，信标信号使得便携式电子装置110能够与道路车辆120同步。

第一处理器122预备根据接收到的信标信号以非接触方式开启或关闭对第一道路车辆120的至少一个访问。

在一个特定实施方式中，第一处理器122根据信标信号的接收功率水平来开启或关闭对第一道路车辆120的访问。例如，当信标信号的接收功率水平超过第一预定阈值时，第一处理器122开启对第一道路车辆120的访问。在另一示例中，如果对第一道路车辆120的访问已开启，则当信标信号的接收功率水平低于第二预定阈值时，第一处理器122关闭对第一道路车辆120的访问。

在图1的示例中，机器学习服务器130预备基于从采集模块112接收的信号来训练机器学习模型200。

在图1的示例中，机器学习服务器130首先预备获得由每个第一采集模块112生成的信号，所述信号是在第一处理器122开启或关闭对第一道路车辆120的访问时响应于用户使相关联的第一便携式电子装置110运动而生成的。

在第一示例中，考虑携带第一便携式电子装置110的用户和第一道路车辆120，对该第一道路车辆120的其中一个访问处于关闭模式。在该示例中，用户接近第一道路车辆120以使得能够将对第一道路车辆120的访问从关闭模式变为开启模式。随着接近第一道路车辆120，用户引起第一便携式电子装置110运动。实际上，如上文在一个示例中描述的，用户可以将第一便携式电子装置110携带在手中、在其一个裤兜中、或者在其包或挎包中。在使第一便携式电子装置110运动期间，机器学习服务器130回收（récupérer）第一采集模块112采集到的第一便携式电子装置110的信号。

在第二示例中，考虑携带第一便携式电子装置110的用户和第一道路车辆120，对该第一道路车辆120的其中一个访问处于开启模式。在这种情况下，用户可能在第一道路车辆120中或在第一道路车辆120附近。在该示例中，用户远离第一道路车辆120以使得能够将对第一道路车辆120的访问从开启模式变为关闭模式。随着远离第一道路车辆120，用户引起第一便携式电子装置110运动。实际上，如上文描述的，用户可以将第一便携式电子装置110携带在其一个裤兜中、在其包或挎包中。在使第一便携式电子装置110运动期间，机器学习服务器130回收第一采集模块112采集到的第一便携式电子装置110的信号。

在第一和第二示例的一个特定实施方式中，第一采集模块112在至少一个采集会话期间执行采集。在一个示例中，采集会话与在预定持续时间上延伸的至少一个时间窗口相关联。优选地，预定持续时间选自0.5s至5s之间的间隔。在本发明的一个示例中，如下所述，机器学习服务器130还预备在机器学习模型200的训练中使用该预定持续时间。

优选地，机器学习服务器130将仅保留与以以下时刻为中心的至少一个时间窗口相关联的信号：对第一道路车辆120的访问从关闭模式变为开启模式的时刻或对第一道路车辆120的访问从开启模式变为关闭模式时的时刻。

此外，当第一采集模块112采集到的各个信号不是在同一频率下采集的时，机器学习服务器130还预备进行插值操作，使得所述信号中的全部或部分具有共同的采集频率。

接下来，机器学习服务器130预备针对每个采集会话基于采集的信号计算第一便携式电子装置110的方向向量。在一个示例中，基于由加速度计采集的信号获得方向向量。

然后，机器学习服务器130预备针对每个采集会话将方向向量与第一预定义信息相关联，第一预定义信息指示第一便携式电子装置向第一道路车辆的方向移动或者指示第一便携式电子装置向与第一道路车辆相反的方向移动。

接下来，机器学习服务器130预备针对每个采集会话基于采集的信号和第一预定义信息创建特征向量。

最后，机器学习服务器130预备根据全部或部分特征向量将监督分类算法应用于机器学习模型200，以获得如后文结合图2描述的预训练的机器学习模型200'。

在第一特定实施方式中，“使……运动”包括用户做出的使第一便携式电子装置110投入使用的手势，机器学习服务器130还预备向每个特征向量添加第二预定义信息，第二预定义信息指示用户做出的投入使用的手势的类型。

回到上面提到的第一示例，其中考虑携带第一便携式电子装置110的用户和第一道路车辆120，对该第一道路车辆120的其中一个访问处于关闭模式。继续该示例，用户将第一便携式电子装置110携带在手中并接近第一道路车辆120，以使得能够将对第一道路车辆120的访问从关闭模式变为开启模式。然而，随着接近第一道路车辆120，用户因做出使第一便携式电子装置110投入使用的手势而引起第一便携式电子装置110运动。例如，使第一便携式电子装置110投入使用的手势包括在空中形成几何形状，如圆形或方形。当然，根据本发明的使用需求，投入使用的手势可以更复杂。在使第一便携式电子装置110运动期间，机器学习服务器130回收第一采集模块112采集到的第一便携式电子装置110的信号。

在第二特定实施方式中，机器学习服务器130还预备向每个特征向量添加第三预定义信息，第三预定义信息指示相关联的第一便携式电子装置110在用户身上的预定义定位。将参考上面提到的示例，其中指出了第一便携式电子装置110可以用手携带、携带在其裤兜中、在其包或挎包中。然而，根据本发明的使用需求，可以设想其他配置。例如，可以识别以下预定义位置：前口袋；后口袋；前口袋，其中第一便携式电子装置110的一个面朝向身体；后口袋，其中第一便携式电子装置110的一个面与第一道路车辆120相反；诸如此类。

在第三特定实施方式中，机器学习服务器130还预备：

- 针对每个采集会话，从采集的信号提取频率信息，以及

- 向相关联的每个特征向量添加频率信息。

在一个示例中，频率信息包括采集的信号的幅度和幅度演变。然而，也可以提取其他频率信息而不需要对本发明进行重大修改。为此，可以使用诸如傅立叶变换或滑动傅立叶变换之类的信号处理技术。

图2示出了根据本发明的用于使用根据计算系统100预训练的机器学习模型200'的计算系统300。计算系统200包括便携式电子装置310和第二道路车辆320。

在图2的示例中，便携式电子装置310包括分别类似于如上所述的第一便携式电子装置110的第一无线收发器111和第一采集模块112的第三无线收发器311和第二采集模块312。

在实践中，第三无线收发器311预备发射能够以非接触方式开启或关闭对第二道路车辆320的至少一个访问的信标信号。此外，第二采集模块312预备在至少一个采集会话期间响应于用户使第一便携式电子装置运动而采集与便携式电子装置的运动有关的信号。

此外，便携式电子装置310包括第二处理器313，其用于将来自第二采集模块312的信号应用为预训练的机器学习模型200'的输入，以获得第一预定义信息、第二预定义信息和/或第三预定义信息作为预训练的机器学习模型200'的输出。

在本发明中，如上所述，第一预定义信息指示便携式电子装置310向第二道路车辆的方向移动或者指示便携式电子装置310向与第二道路车辆相反的方向移动。

然后，第二预定义信息指示用户做出的使便携式电子装置310投入使用的手势的类型，如上所述。

接下来，第三预定义信息指示便携式电子装置310在用户身上的预定义定位。

最后，第二处理器313预备将第一预定义信息、第二预定义信息和/或第三预定义信息添加到信标信号。

在一个特定实施方式中，如上所述，第二处理器313还预备：

- 从采集的信号提取频率信息，以及

- 将频率信息应用为预训练的机器学习模型200'的输入。

在本发明的一个示例中，如上所述，采集会话与在预定持续时间上延伸的至少一个时间窗口相关联，并且第二处理器313还预备将该预定持续时间应用为预训练的机器学习模型200'的输入。

在图2的示例中，第二道路车辆320包括分别类似于如上所述的第一道路车辆120的第二无线收发器121和第一处理器122的第四无线收发器321和第三处理器322。

在实践中，第四无线收发器321预备接收便携式电子装置310发射的信标信号。

此外，当信标信号包括第一预定义信息、第二预定义信息和/或第三预定义信息时，第三处理器322预备处理信标信号并以非接触方式开启或关闭对道路车辆的至少一个访问，如上所述。

在本发明的一个特定实施例中，第一、第二和第三处理器122、313、322实现的各种操作由计算机程序指令来确定。因此，本发明还旨在一种程序，其具有固定在非暂时性存储介质上的计算机程序代码，该程序代码能够在计算机程序加载到计算机中或在计算机中执行时执行由第一、第二和第三处理器122、313、322实现的各种操作。

已在本详细描述中描述并在附图中图示了本发明。然而，本发明不限于所呈现的实现形式。因此，本领域技术人员通过阅读本说明书和附图可以得出并实施其他变型和实施例。

在一个示例中，便携式电子装置可以包括音频传感器，其用于记录在使便携式电子装置运动期间用户产生的声音信号。在这种情况下，可以将声音信号包含在用于训练机器学习模型的特征向量中。然后，当使用预训练的机器学习模型时，用户将能够通过产生所记录的声音信号来开启或关闭对道路车辆的访问。

在另一示例中，道路车辆可以由使得能够以非接触方式实现进入或离开控制的任何实体来代替，如门、大门或转门。在这种情况下，将上述道路车辆的技术特征结合到相关实体中即可。

Claims

1.用于训练用来阻止中继攻击的机器学习模型(200)的计算系统(100)，该系统包括：

-多个第一便携式电子装置(110)，每个第一便携式电子装置预备由用户携带并且每个第一便携式电子装置包括：

o第一无线收发器(111)，其用于发射信标信号，以及

o第一采集模块(112)，其用于在至少一个采集会话期间采集与第一便携式电子装置的运动有关的信号，

-至少第一道路车辆(120)，包括：

o第二无线收发器(121)，其用于接收信标信号，以及

o第一处理器(122)，其用于根据信标信号以非接触方式开启或关闭对第一道路车辆的至少一个访问，

该系统的特征在于其还包括：

-机器学习服务器(130)，其用于基于采集的信号来训练机器学习模型，机器学习服务器预备：

o获得由每个第一采集模块生成的信号，所述信号是在第一处理器开启或关闭对第一道路车辆的访问时响应于用户使相关联的第一便携式电子装置运动而生成的，

o针对每个采集会话，基于采集的信号计算第一便携式电子装置的方向向量，

o针对每个采集会话，将方向向量与第一预定义信息相关联，第一预定义信息指示第一便携式电子装置向第一道路车辆的方向移动或者指示第一便携式电子装置向与第一道路车辆相反的方向移动，

o针对每个采集会话，基于采集的信号和第一预定义信息创建特征向量，以及

o根据全部或部分特征向量将监督分类算法应用于机器学习模型，以获得经训练的机器学习模型。

2.根据权利要求1所述的计算系统，其中，运动包括用户做出的使第一便携式电子装置投入使用的手势，机器学习服务器还预备向每个特征向量添加第二预定义信息，第二预定义信息指示用户做出的投入使用的手势的类型。

3.根据权利要求1或2所述的计算系统，其中，机器学习服务器还预备向每个特征向量添加第三预定义信息，第三预定义信息指示相关联的第一便携式电子装置在用户身上的预定义定位。

4.根据权利要求1或2所述的计算系统，其中，机器学习服务器还预备：

-针对每个采集会话，从采集的信号提取频率信息，以及

-向相关联的每个特征向量添加频率信息。

5.根据权利要求1或2所述的计算系统，其中，每个采集会话与在预定持续时间上延伸的至少一个时间窗口相关联，机器学习服务器还预备向每个特征向量添加预定持续时间。

6.根据权利要求1或2所述的计算系统，其中，第一采集模块包括来自包含以下各项的组的至少一个传感器：加速度计、线性加速度计、陀螺仪、重力传感器、朝向传感器、计步器或其任何组合。

7.便携式电子装置(310)，其预备由用户携带并且包括：

-第三无线收发器(311)，其用于发射信标信号，所述信标信号能够以非接触方式开启或关闭对第二道路车辆(320)的至少一个访问，

-第二采集模块(312)，其用于在至少一个采集会话期间响应于用户使第一便携式电子装置运动而采集与便携式电子装置的运动有关的信号，

该装置的特征在于其还包括：

-第二处理器(313)，其用于：

o将来自第二采集模块的信号应用为由根据权利要求1至6中的一项所述的计算系统预训练的机器学习模型(200')的输入，以获得第一预定义信息、第二预定义信息和/或第三预定义信息作为预训练的机器学习模型的输出，第一预定义信息指示便携式电子装置向第二道路车辆的方向移动或者指示便携式电子装置向与第二道路车辆相反的方向移动，第二预定义信息指示用户做出的使便携式电子装置投入使用的手势的类型，并且第三预定义信息指示便携式电子装置在用户身上的预定义定位，以及

o将第一预定义信息、第二预定义信息和/或第三预定义信息添加到信标信号。

8.根据权利要求7所述的便携式电子装置，其中，第二处理器还预备：

-从采集的信号提取频率信息，以及

-将频率信息应用为预训练的机器学习模型的输入。

9.根据权利要求7或8所述的便携式电子装置，其中，采集会话与在预定持续时间上延伸的至少一个时间窗口相关联，第二处理器还预备将预定持续时间应用为预训练的机器学习模型的输入。

10.道路车辆(320)，包括：

-第四无线收发器(321)，其用于接收由根据权利要求7至9中的一项定义的便携式电子装置(310)发射的信标信号，以及

-第三处理器(322)，其用于处理信标信号并在信标信号包括第一预定义信息、第二预定义信息和/或第三预定义信息时以非接触方式开启或关闭对道路车辆的至少一个访问，第一预定义信息指示便携式电子装置向道路车辆的方向移动或者指示便携式电子装置向与道路车辆相反的方向移动，第二预定义信息指示用户做出的使便携式电子装置投入使用的手势的类型，第三预定义信息指示便携式电子装置在用户身上的预定义定位。