CN113867314A - 故障码库的访问控制方法、装置、电子设备及存储介质 - Google Patents
故障码库的访问控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113867314A CN113867314A CN202111119795.4A CN202111119795A CN113867314A CN 113867314 A CN113867314 A CN 113867314A CN 202111119795 A CN202111119795 A CN 202111119795A CN 113867314 A CN113867314 A CN 113867314A
- Authority
- CN
- China
- Prior art keywords
- fault code
- probability
- access request
- fault
- target
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 claims abstract description 41
- 230000004044 response Effects 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims description 55
- 238000004590 computer program Methods 0.000 claims description 25
- 238000013507 mapping Methods 0.000 description 18
- 238000006243 chemical reaction Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003472 neutralizing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
Abstract
本申请适用于汽车电子技术领域,提供了一种故障码库的访问控制方法、装置、电子设备及存储介质,该方法包括:接收用户设备发送的故障码库访问请求;确定所述故障码库访问请求中故障码出现的目标概率;若所述目标概率位于预设概率区间,则向所述用户设备作出异常访问请求响应。通过确定故障码出现的目标概率对故障码库进行访问控制,判断目标概率是否落入预设概率范围,可以对及时发现异常访问事件,从而解决对故障码库的恶意访问的问题。
Description
技术领域
本申请属于汽车电子技术领域,尤其涉及一种故障码库的访问控制方法、装置、电子设备及存储介质。
背景技术
目前,故障码库放置于服务器中。用户设备需要通过访问服务器获取故障码对相应的故障信息。为了提供稳定的故障码信息服务,需要防止对故障码库的恶意访问。
发明内容
本申请实施例提供了一种故障码库访的问控制方法、装置、地址你设备及存储介质,可以解决对故障码库的恶意访问的问题。
第一方面,本申请实施例提供了一种故障码库访的问控制方法,包括:
接收用户设备发送的故障码库访问请求;
确定所述故障码库访问请求中故障码出现的目标概率;
若所述目标概率位于预设概率区间,则向所述用户设备作出异常访问请求响应。
基于本申请实施例的第一方面,在第一种可能的实现方式中,向所述用户设备作出异常访问请求响应,包括:
拒绝所述用户设备的访问请求,或向所述用户设备发送异常访问提示信息。
基于本申请实施例的第一方面,在第二种可能的实现方式中,所述确定所述故障码库访问请求中故障码出现的目标概率,包括:
根据所述故障码库访问请求中携带的的车型信息确定目标车型;
确定所述故障码发生在所述目标车型的第一概率;
将所述第一概率作为所述目标概率。
基于本申请实施例的第一方面,在第三种可能的实现方式中,在确定所述故障码发生在所述目标车型的第一概率之后,还包括:
若所述第一概率大于第一预设概率,则根据所述故障码库访问请求中携带的ECU信息确定目标ECU系统;
确定所述故障码发生在所述目标ECU系统的第二概率;
将所述第二概率作为所述目标概率。
基于本申请实施例的第一方面,在第四种可能的实现方式中,所述确定所述故障码库访问请求中故障码出现的目标概率,包括:
若所述故障码包含编号连续的N个故障码,则确定所述故障码库访问请求中出现编号连续的N个故障码的第三概率,N为大于或等于2的整数;
将所述第三概率作为所述目标概率。
基于本申请实施例的第一方面,在第五种可能的实现方式中,所述确定所述故障码库访问请求中故障码出现的目标概率,包括:
提取所述访问请求中携带的检测模式;
确定所述检测模式出现所述故障码库访问请求中携带的故障码的数量的第四概率;
将所述第四概率作为所述目标概率。
基于本申请实施例的第一方面,在第六种可能的实现方式中,所述检测模式包括单ECU检测模式和全车检测模式。
第二方面,本申请实施例提供了一种故障码库访的问控制装置,包括:
故障码库访问请求接收模块,用于接收用户设备发送的故障码库访问请求,目标概率确定模块,确定所述故障码库访问请求中故障码出现的目标概率;
异常访问请求响应模块,用于若所述目标概率位于预设概率区间,则向所述用户设备作出异常访问请求响应。
基于本申请实施例的第二方面,在第一种可能的实现方式中,所述异常访问请求响应模块,包括:
拒绝响应模块,用于拒绝所述用户设备的访问请求,或提示信息发送模块,用于向所述用户设备发送异常访问提示信息。
基于本申请实施例的第二方面,在第二种可能的实现方式中,所述目标概率确定模块,包括:
目标车型确定模块,用于根据所述故障码库访问请求中携带的的车型信息确定目标车型;
第一概率确定模块,用于确定所述故障码发生在所述目标车型的第一概率;
第一概率转化模块,用于将所述第一概率作为所述目标概率。
基于本申请实施例的第二方面,在第三种可能的实现方式中,所述目标概率确定模块,还包括,
目标ECU系统确定模块,用于在确定所述故障码发生在所述目标车型的第一概率之后,若所述第一概率大于第一预设概率,则根据所述故障码库访问请求中携带的ECU信息确定目标ECU系统;
第二概率确定模块,用于确定所述故障码发生在所述目标ECU系统的第二概率;
第二概率转化模块,用于将所述第二概率作为所述目标概率。
基于本申请实施例的第二方面,在第四种可能的实现方式中,所述目标概率确定模块,包括:
第三概率确定模块,用于若所述故障码包含编号连续的N个故障码,则确定所述故障码库访问请求中出现编号连续的N个故障码的第三概率,N为大于或等于2的整数;
第三概率转化模块,用于将所述第三概率作为所述目标概率。
基于本申请实施例的第二方面,在第五种可能的实现方式中,所述目标概率确定模块,包括:
检测模式提取模块,用于提取所述访问请求中携带的检测模式;
第四概率确定模块,用于确定所述检测模式出现所述故障码库访问请求中携带的故障码的数量的第四概率;
第四概率转化模块,用于将所述第四概率作为所述目标概率。
基于本申请实施例的第二方面,在第六种可能的实现方式中,所述检测模式包括单ECU检测模式和全车检测模式。
第三方面,本申请实施例提供了一种终端设备,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,所述计算机程序被所述处理器执行时实现上述第一方面或其任意一种实现方式中所述的故障码库的访问控制方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,包括: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上述第一方面或其任意一种实现方式中所述的故障码库的访问控制方法的步骤。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行上述第一方面或其任意一种实现方式中所述的故障码库的访问控制方法的步骤。
根据本申请实施例提供的一种故障码库的访问控制方法及装置,通过确定故障码出现的目标概率对故障码库进行访问控制,判断目标概率是否落入预设概率范围,可以对及时发现异常访问事件,从而解决对故障码库的恶意访问的问题。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的故障码库的访问控制系统示意图;
图2是本申请一实施例提供的故障码库的访问控制方法的流程示意图;
图3是本申请另一实施例提供的故障码库的访问控制方法的流程示意图;
图4是本申请另一实施例提供的故障码库的访问控制方法的流程示意图;
图5是本申请另一实施例提供的故障码库的访问控制方法的流程示意图;
图6是本申请另一实施例提供的故障码库的访问控制方法的流程示意图;
图7是本申请实施例提供的故障码库的访问控制装置的结构示意图;
图8是本申请实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
图1示出的是本申请实施例提供的一种故障码的访问控制系统10。该系统包括:故障码服务设备110,用户设备120。
其中,故障码服务设备110可以是远程服务器、云端服务器、服务器集群等可以提供故障码信息查询业务的电子设备。
在故障码服务设备通信耦合的存储器中存储故障码库111。故障码(DiagnosticTrouble Code,DTC)为车辆电子控制单元(Electronic Control Unit,ECU)针对每种故障定义的一种编码,故障码还可以被称为事故码、错误码或者其它名称。由于车辆在出现故障时,通常会产生多个故障码,因此故障码可以作为一种辅助维修技术员诊断车辆问题的参数。
故障码信息是故障码对应的文本信息、诊断信息或对故障码的标记数据,通常以文本形式存储。用户设备通过查询故障码库,获取故障码信息来诊断当前故障发生的原因。
故障码库是存储故障码和故障码信息,以及存储故障码和故障码信息对应关系的数据存储形式,一般的以表、数据库、或文本库的方式存储故障码和故障码信息。
其中,用户设备120可以是一种车载设备。车载设备可设置于车辆的车载诊断系统(On-Board Diagnostics,OBD)接口上,通过OBD接口与车辆总线建立连接进而建立与ECU之间的数据连接。车载设备也可通过以其他第三方设备作为中转的方式建立与车辆ECU之间的连接。车载设备通过读取到故障码以及根据故障码从故障码服务设备获取的故障码信息对车辆故障进行诊断。车载设备的形式可为汽车盒子、车载电子设备或可与车机连接的手机等移动终端等其他类型的设备,具体可依据实际情况而定,此处不做限定。
用户设备120与故障码服务设备110可以通过有线和/或无线的通信方式进行通信。具体可依据实际情况而定,此处不做限定。
图2示出了本申请实施例提供的故障码库的访问控制方法,用于处理对故障码库的访问请求,应用于上述图1所示的故障码库的访问控制系统10中的故障码服务设备110,可由所述故障码服务设备110的软件和/或硬件实现。如图2所示,该方法包括步骤S110至S130。各个步骤的具体实现原理如下:
S110,接收用户设备发送的故障码库访问请求。
在一些实施例中,用户设备响应对车辆的诊断指令,对车辆的单个ECU系统,或者整车的多个ECU系统进行故障检测,以获取ECU系统上报的故障码。对车辆的诊断指令可以是用户通过用户设备的操作接口发出的,也可以是用户设备自动触发的。
用户设备在故障检测结束后向故障码服务设备110发送对故障码库的访问请求。该故障码库访问请求中包含故障码。在一些实施例中,该访问请求中还可以包含用户设备标识、检测模式、和车型信息至少之一。
故障码服务设备在接收到用户设备发送的访问请求后,响应该访问请求进行故障码访问控制的处理。
S120,确定所述故障码库访问请求中故障码出现的目标概率。
在一些实施例中,故障码服务设备提取故障码库访问请求中的故障码,并根据预设的概率映射模型确定故障码出现的目标概率。概率映射模型可以是故障码与故障码出现概率的映射表,也可以是经过训练的到的神经网络模型,该神经网络模型的输入是故障码,输出是故障码出现的概率。
可以理解的是,因故障码不同,或者故障码库访问请求中携带的故障码的数量不同,或者故障码库访问请求中携带的故障码的组合不同,对应的会有出现这种故障码的概率、故障码数量的概率或故障码组合的概率,这里将这些关于故障码的概率统称为目标概率。
S130,若所述目标概率位于预设概率区间,则向所述用户设备作出异常访问请求响应。
在一些实施例中,预先为每个故障码出现的概率,不同数量的故障码出现的概率,不同组合的故障码出现的概率预设概率范围。例如,预设概率范围可以设置为[0,0.2]这样的闭区间,或[0,0.2)这样的开区间,可以根据实际情况来确定。预设的概率范围表示一个非安全范围,如果目标概率处于预设概率范围,则说明出现故障码的概率非常低,很可能此故障码库访问请求是恶意的故障码库访问请求。本申请实施例中,若根据故障码确定故障码出现的目标概率在预设概率范围内,则向用户设备作出异常访问请求响应。应理解,异常访问请求响应是故障码服务设备针对异常的故障码库访问请求所执行的操作。在一个具体的示例中,向用户设备作出异常访问请求响应,包括:拒绝所述用户设备的故障码库访问请求,或向所述用户设备反馈异常访问告警信息。
在另一些具体的示例中,所述对所述用户设备作出异常访问请求响应,还包括:向所述用户设备发送访问过于频繁的提示信息。在又一些具体的示例中,还可以向所述用户设备发送空白信息,即不包含故障码信息的反馈信息,用于提示用户设备访问过于频繁。
在一些实施例中,所述对所述用户设备作出异常访问请求响应,包括:故障码服务设备要求用户进行身份验证;若验证通过,则放行该用户设备对故障码库的访问;若验证失败,则拒绝所述用户设备对故障码库的访问。要求用户进行身份验证包括但不限于短信或电话验证、验证码验证、生物身份信息验证等验证方式。对用户进行身份验证主要是用于确定当前用户为真实用户,而非针对故障码库的爬虫程序。
例如,故障码服务设备110接收到用户设备发送的故障码库访问请求,该故障码库访问请求中包含故障码P0000,根据故障码库访问请求中的车型信息,判断出现故障码P0000的概率为0,预设的概率范围为[0,0.9],那么这是一个异常的故障码库访问请求,故障码服务设备可以拒绝所述用户设备的故障码库访问请求,或向所述用户设备反馈异常访问告警信息。
可以理解的是,若根据故障码确定该故障码出现的概率没有在预设概率范围内,说明本次故障码库访问请求是一个正常的故障码库访问请求。本申请实施例中,故障码服务设备向用户设备作出正常访问请求响应。在一个具体的示例中,正常访问请求响应包括向用户设备反馈故障码对应的故障信息。
例如,故障码服务设备110接收到用户设备120发送的故障码库访问请求,该故障码库访问请求中包含5个故障码,根据预设的故障码个数的概率映射模型,出现5个故障码的概率为0.6,预设的概率范围为[0,0.4],那么故障码库访问请求中出现5个故障码的概率是正常的。基于此判断,故障码服务设备向用户设备反馈这5个故障码对应的故障码信息。
可以理解的是,通过确定故障码出现的目标概率对故障码库进行访问控制,判断目标概率是否落入预设概率范围,可以对及时发现异常访问事件,从而解决对故障码库的恶意访问的问题。
在上述图2所示的故障码库的访问控制方法的实施例的基础上,如图3所示,步骤S120,确定所述故障码库访问请求中故障码出现的目标概率,还包括步骤S310至S330:
S310,根据所述故障码库访问请求中携带的车型信息确定目标车型。
在一些实施例中,用户设备发送的对故障码库访问请求中包含车型信息。故障码服务设备可以通过车型信息确定目标车型。如果本次故障码库访问请求是正常的访问请求,则故障码服务设备通过查询目标车型的故障码字库,为终端设备提供目标车型的该故障码对应的故障码信息。故障码子库可以是故障码库按车型划分的一个子集。
S320,确定所述故障码发生在所述目标车型的第一概率。
S330,将所述第一概率作为所述目标概率。
在一些实施例中,概率映射模型可以是预先准备的,对不同车型的故障码出现概率映射表。故障码服务设备通过查询目标车型的故障码出现概率映射表,确定故障码发生在目标车型的第一概率。
在另一些实施例中,故障码服务设备可以查询故障码是否在目标车型对应故障码子库,若目标车型对应的故障码子库中没有故障码库访问请求中的故障码,可以确定该故障码出现在目标车型的概率为0。以此获得故障码发生在目标车型的第一概率。
可以理解的是,目标车型也就是理论上故障码对应的车型。但是,如果用户设备是恶意访问,则可能其发送的故障码请求中的故障码与目标车型匹配的概率就会降低。因此,本申请实施例通过确定所述故障码发生在所述目标车型的概率来识别故障码库访问请求是否为异常故障码库访问请求,进行进行访问控制,以解决故障码库被恶意访问的问题。
在上述图3所示的故障码库的访问控制方法的实施例的基础上,如图4所示,在确定所述故障码发生在所述目标车型的第一概率之后,还包括步骤S321至S324:
S321,判断所述第一概率是否大于第一预设概率。
S322,若所述第一概率大于第一预设概率,则根据所述故障码库访问请求中携带的ECU信息确定目标ECU系统。
在一些实施例中,在确定所述故障码发生在所述目标车型的第一概率之后,判断第一概率是否大于第一预设概率,若所述第一概率大于第一预设概率,则故障码服务设备提取故障码库访问请求中携带的ECU信息,进一步判断该故障码库访问请求对应的要获取的是目标车型的哪一个ECU系统的故障码信息。若所述第一概率小于第一预设概率,则故障码服务设备将故障码出现在目标车型的概率作为目标概率。第一预设概率是故障码发生在目标车型的概率阈值,故障码发生在目标车型的概率高于第一预设概率,则认为该故障码有可能发生在目标车型,故障码发生在目标车型的概率低于或等于第一预设概率,则认为该故障码有可能不会发生在目标车型。
S323,确定所述故障码发生在所述目标ECU系统的第二概率。
S324,将所述第二概率作为所述目标概率。
在一些实施例中,概率映射模型可以是预先准备的,对不同ECU系统的故障码出现概率映射表。故障码服务设备通过查询目标ECU系统的故障码出现概率表,确定故障码发生在目标ECU系统的概率,也就是第二概率。
在另一些实施例中,故障码服务设备可以查询故障码是否在目标ECU系统对应故障码分库,若目标ECU系统对应的故障码分库中没有故障码库访问请求中的故障码,可以确定该故障码出现在目标ECU系统的概率为0。故障码分库可以是目标车型的故障码子库按ECU系统划分的一个子集。
可以理解的是,目标ECU系统也就是理论上故障码对应的ECU系统。但是,如果用户设备是恶意访问,则可能其发送的故障码请求中的故障码与目标ECU系统匹配的概率就会降低。因此,本申请实施例通过确定所述故障码发生在所述目标ECU系统的概率来识别故障码库访问请求是否为异常故障码库访问请求,进行进行访问控制,以解决故障码库被恶意访问的问题。
在上述图2所示的故障码库的访问控制方法的实施例的基础上,如图5所示,步骤S120,确定所述故障码库访问请求中故障码出现的目标概率,还包括步骤S510至S520:
S510,若所述故障码包含编号连续的N个故障码,则确定所述故障码库访问请求中出现编号连续的N个故障码的第三概率,N为大于或等于2的整数。
S520,将所述第三概率作为所述目标概率。
在一些实施例中,用户设备发送的故障码库访问请求中携带的故障码数量为2个或2个以上时,故障码服务设备判断这些故障码中是否存在连续编号的故障码,例如,是否会出现P0CBC、P0CBD、P0CBE这样连续编号的情况。在一些情况下,用户设备发送的故障码库访问请求中携带的故障码也可能是P0CBC、P085B、P0CBD、P085C、P0CBE这样表面上不是连续编号的情况,故障码服务设备可以通过对故障码进行重新排序,以检测其中是否有连续编号的故障码。
在一些实施例中,概率映射模型可以是预先准备的连续的故障码出现概率映射表。故障码服务设备通过查询连续故障码出现概率映射表,确定该故障码库访问请求中出现编号连续的N个故障码的概率,即第三概率。
可以理解的是,用户设备发送的故障码库访问请求中携带的故障码数量为2个或两个以上时,这些故障码可能是针对不同的ECU系统,也可能是针对同一个ECU系统,但是故障码命名规则通常会将相关的故障进行连续编号。一般的,相关联的故障往往是互斥的,例如,P085B故障码对应换档控制模块通讯电路低,P085C故障码对应换档控制模块通讯电路高,这是两个不可能同时发生的故障,同时发生这两个故障,并且用户设备同时请求查询这两个故障码的故障码信息的概率几乎为0。如果终端设备上报了这样的连续编号的故障码,很可能是一次恶意的访问。又例如,连续编号的故障码P0CBC,P0CBD,P0CBE出现的概率极低,如果终端设备上报了这样的连续编号的故障码,则有可能是一次恶意的访问。本申请实施例通过判断出现连续编号的故障码的概率是否位于预设的概率范围来识别故障码库访问请求是否为异常故障码库访问请求,进行进行访问控制,以解决故障码库被恶意访问的问题。
在上述图2或图5所示的故障码库的访问控制方法的实施例的基础上,如图6所示,步骤S120,确定所述故障码库访问请求中故障码出现的目标概率,还包括步骤S610至S630:
S610,提取所述访问请求中携带的检测模式。
在一些实施例中,所述检测模式包括单ECU检测模式和全车检测模式。单ECU检测模式是用户设备针对单个ECU系统进行诊断检测的检测模式,全车检测模式是用户设备针对全车的多个ECU系统进行诊断检测的检测模式。
故障码服务设备可以通过获取故障码库访问请求中携带的检测模式信息,来确定用户设备所采用的检测模式。
S620,确定所述检测模式出现故障码库访问请求中携带的故障码的数量的第四概率。
S630,将所述第四概率作为所述目标概率。
在一些实施例中,概率映射模型可以是预先准备的故障码数量概率映射表。该映射表中记载不同检测模式下,故障码的数量与出现该故障码的数量的概率的对应关系。
在另一些实施例中,概率映射模型也可以是通过预先训练的到的神经网络模型。该神经网络模型的输入是故障码数量,输出是该故障码数量出现的概率。
在一些实施例中,故障码服务设备通过概率映射模型获得当前检测模式下,故障码库访问请求中携带的故障码数量的对应的概率,即第四概率。
以检测模式为单ECU检测模式为例,该检测模式下,经统计出现20个以上故障码的概率为0,出现15个故障码的概率为0.2,出现10个故障码的概率为0.3,出现5个故障码的概率为0.4,出现1个故障码的概率为0.5。因此,可以将预设概率范围设置为[0,0.2],也就是故障码库访问请求中携带的故障码的数量的概率在小于或等于0.2时,则可认为该故障码库访问请求为异常故障码库访问请求。
以检测模式以全车检测模式为例,该检测模式下最多故障码数量不会超过100个。基于此,可以根据统计规律取得故障码数量出现概率的映射表。用以获得在全车检测模式下,故障码库访问请求中携带的故障码的数量的概率。并根据实际经验设置预设概率范围。
可以理解的是,由于不同检测模式下出现故障的数量概率是不同的,出现大量故障的概率要远低于出现少量故障的概率。因此,本申请实施例通过判断不同检测模式下出现故障码库访问请求中携带的故障码数量的概率是否位于预设概率范围,来判断该故障码库访问请求是否为异常故障码库访问请求,对恶意的异常故障码库访问请求,向终端设备作出异常访问请求响应,实现访问控制,增加故障码库的安全性。
在一些实施中,还可基于图3、图4、图5和图6所示的实施例获得的目标概率进行综合判断,以对故障码库进行访问控制。例如,故障码库访问请求中携带了5个故障码,可以判断这5个故障码发生在目标车型的概率、发生在目标MCU系统的概率、5故障码的编号连续的概率、以及对应的检测模式下产生5个故障码的概率至少之一。若其中任一概率位于预设概率区间,则向所述用户设备作出异常访问请求响应。
可以理解的是,通过中和判断故障码在各种情形下的概率,可以互相补充利用单一概率判断是否为异常故障码库访问请求的不足,进一步提高对异常的故障码库访问请求的识别效率和准确度,防止对故障码库的恶意访问。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上述图2所示的故障码库的访问控制方法,图7示出的是本申请实施例提供的一种故障码库的访问控制装置M100,包括:
故障码库访问请求接收模块M110,用于接收用户设备发送的故障码库访问请求,
目标概率确定模块M120,确定所述故障码库访问请求中故障码出现的目标概率;
异常访问请求响应模块M130,用于若所述目标概率位于预设概率区间,则向所述用户设备作出异常访问请求响应。
可选的,所述异常访问请求响应模块,包括:
拒绝响应模块,用于拒绝所述用户设备的访问请求,或提示信息发送模块,用于向所述用户设备发送异常访问提示信息。
可选的,所述目标概率确定模块,包括:
目标车型确定模块,用于根据所述故障码库访问请求中携带的的车型信息确定目标车型;
第一概率确定模块,用于确定所述故障码发生在所述目标车型的第一概率;
第一概率转化模块,用于将所述第一概率作为所述目标概率。
可选的,所述目标概率确定模块,还包括,
目标ECU系统确定模块,用于在确定所述故障码发生在所述目标车型的第一概率之后,若所述第一概率大于第一预设概率,则根据所述故障码库访问请求中携带的ECU信息确定目标ECU系统;
第二概率确定模块,用于确定所述故障码发生在所述目标ECU系统的第二概率;
第二概率转化模块,用于将所述第二概率作为所述目标概率。
可选的,所述目标概率确定模块,包括:
第三概率确定模块,用于若所述故障码包含编号连续的N个故障码,则确定所述故障码库访问请求中出现编号连续的N个故障码的第三概率,N为大于或等于2的整数;
第三概率转化模块,用于将所述第三概率作为所述目标概率。
可选的,所述目标概率确定模块,包括:
检测模式提取模块,用于提取所述访问请求中携带的检测模式;
第四概率确定模块,用于确定所述检测模式出现所述故障码库访问请求中携带的故障码的数量的第四概率;
第四概率转化模块,用于将所述第四概率作为所述目标概率。
可选的,所述检测模式包括单ECU检测模式和全车检测模式。
可以理解的是,以上实施例中的各种实施方式和实施方式组合及其有益效果同样适用于本实施例,这里不再赘述。
图8为本申请一实施例提供的电子设备的结构示意图。如图8所示,该实施例的电子设备D10包括:至少一个处理器D100(图8中仅示出一个)处理器、存储器D101以及存储在所述存储器D101中并可在所述至少一个处理器D100上运行的计算机程序D102,所述处理器D100执行所述计算机程序D102时实现上述任意各个方法实施例中的步骤。或者,所述处理器D100执行所述计算机程序D102时实现上述各装置实施例中各模块/单元的功能,例如图7所示模块M110至M130的功能。
在一些实施例中,所述处理器D100执行所述计算机程序D102时实现以下步骤:
接收用户设备发送的故障码库访问请求;
确定所述故障码库访问请求中故障码出现的目标概率;
若所述目标概率位于预设概率区间,则向所述用户设备作出异常访问请求响应。
可选的,所述处理器执行所述计算机程序,实现向所述用户设备作出异常访问请求响应的步骤时,
实现拒绝所述用户设备的访问请求,或向所述用户设备发送异常访问提示信息的步骤。
可选的,所述处理器执行所述计算机程序,实现所述确定所述故障码库访问请求中故障码出现的目标概率的步骤时,实现以下步骤:
根据所述故障码库访问请求中携带的的车型信息确定目标车型;
确定所述故障码发生在所述目标车型的第一概率;
将所述第一概率作为所述目标概率。
可选的,所述处理器执行所述计算机程序,实现在确定所述故障码发生在所述目标车型的第一概率的步骤之后,还实现以下步骤:
若所述第一概率大于第一预设概率,则根据所述故障码库访问请求中携带的ECU信息确定目标ECU系统;
确定所述故障码发生在所述目标ECU系统的第二概率;
将所述第二概率作为所述目标概率。
可选的,所述处理器执行所述计算机程序,实现所述确定所述故障码库访问请求中故障码出现的目标概率的步骤时,实现以下步骤:
若所述故障码包含编号连续的N个故障码,则确定所述故障码库访问请求中出现编号连续的N个故障码的第三概率,N为大于或等于2的整数;
将所述第三概率作为所述目标概率。
可选的,所述处理器执行所述计算机程序,实现所述确定所述故障码库访问请求中故障码出现的目标概率的步骤时,实现以下步骤:
提取所述访问请求中携带的检测模式;
确定所述检测模式出现所述故障码库访问请求中携带的故障码的数量的第四概率;
将所述第四概率作为所述目标概率。
可选的,所述检测模式包括单ECU检测模式和全车检测模式。
所述电子设备D10可以是桌上型计算机、笔记本、掌上电脑、服务器、服务器集群及云端服务器等计算设备。该电子设备可包括,但不仅限于,处理器D100、存储器D101。本领域技术人员可以理解,图8仅仅是电子设备D10的举例,并不构成对电子设备D10的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器D100可以是中央处理单元(Central Processing Unit,CPU),该处理器D100还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器D101在一些实施例中可以是所述电子设备D10的内部存储单元,例如电子设备D10的硬盘或内存。所述存储器D101在另一些实施例中也可以是所述电子设备D10的外部存储设备,例如所述电子设备D10上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器D101还可以既包括所述电子设备D10的内部存储单元也包括外部存储设备。所述存储器D101用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器D101还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例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可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行时可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种故障码库的访问控制方法,其特征在于,包括:
接收用户设备发送的故障码库访问请求;
确定所述故障码库访问请求中故障码出现的目标概率;
若所述目标概率位于预设概率区间,则向所述用户设备作出异常访问请求响应。
2.如权利要求1所述的访问控制方法,其特征在于,向所述用户设备作出异常访问请求响应,包括:
拒绝所述用户设备的访问请求,或向所述用户设备发送异常访问提示信息。
3.如权利要求1或2所述的访问控制方法,其特征在于,所述确定所述故障码库访问请求中故障码出现的目标概率,包括:
根据所述故障码库访问请求中携带的的车型信息确定目标车型;
确定所述故障码发生在所述目标车型的第一概率;
将所述第一概率作为所述目标概率。
4.如权利要求2所述的访问控制方法,其特征在于,在确定所述故障码发生在所述目标车型的第一概率之后,还包括:
若所述第一概率大于第一预设概率,则根据所述故障码库访问请求中携带的ECU信息确定目标ECU系统;
确定所述故障码发生在所述目标ECU系统的第二概率;
将所述第二概率作为所述目标概率。
5.如权利要求1所述的访问控制方法,其特征在于,所述确定所述故障码库访问请求中故障码出现的目标概率,包括:
若所述故障码包含编号连续的N个故障码,则确定所述故障码库访问请求中出现编号连续的N个故障码的第三概率,N为大于或等于2的整数;
将所述第三概率作为所述目标概率。
6.如权利要求1或5所述的访问控制方法,其特征在于,所述确定所述故障码库访问请求中故障码出现的目标概率,包括:
提取所述访问请求中携带的检测模式;
确定所述检测模式出现所述故障码库访问请求中携带的故障码的数量的第四概率;
将所述第四概率作为所述目标概率。
7.如权利要求6所述的访问控制方法,其特征在于,所述检测模式包括单ECU检测模式和全车检测模式。
8.一种故障码库的访问控制装置,其特征在于,包括:
故障码库访问请求接收模块,用于接收用户设备发送的故障码库访问请求,
目标概率确定模块,确定所述故障码库访问请求中故障码出现的目标概率;
异常访问请求响应模块,用于若所述目标概率位于预设概率区间,则向所述用户设备作出异常访问请求响应。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并能够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7任一项所述的访问控制方法。
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7任一项所述的访问控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111119795.4A CN113867314A (zh) | 2021-09-24 | 2021-09-24 | 故障码库的访问控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111119795.4A CN113867314A (zh) | 2021-09-24 | 2021-09-24 | 故障码库的访问控制方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113867314A true CN113867314A (zh) | 2021-12-31 |
Family
ID=78993633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111119795.4A Pending CN113867314A (zh) | 2021-09-24 | 2021-09-24 | 故障码库的访问控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113867314A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090259358A1 (en) * | 2008-04-14 | 2009-10-15 | Innova Electronics Corp | Automotive DTC live data diagnostics |
US20150363606A1 (en) * | 2014-06-11 | 2015-12-17 | GM Global Technology Operations LLC | Inhibiting access to sensitive vehicle diagnostic data |
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 |
CN108919776A (zh) * | 2018-06-19 | 2018-11-30 | 深圳市元征科技股份有限公司 | 一种故障评估方法及终端 |
CN109885037A (zh) * | 2019-03-27 | 2019-06-14 | 深圳市元征科技股份有限公司 | 一种车辆诊断的方法及相关设备 |
CN110738332A (zh) * | 2019-09-27 | 2020-01-31 | 深圳市元征科技股份有限公司 | 事故车辆鉴定方法及系统、存储介质 |
CN110866152A (zh) * | 2019-11-22 | 2020-03-06 | 深圳市元征科技股份有限公司 | 一种故障码检索方法、装置和电子设备及可读存储介质 |
CN112711696A (zh) * | 2020-12-30 | 2021-04-27 | 平安普惠企业管理有限公司 | 请求访问方法、装置、电子设备及存储介质 |
-
2021
- 2021-09-24 CN CN202111119795.4A patent/CN113867314A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090259358A1 (en) * | 2008-04-14 | 2009-10-15 | Innova Electronics Corp | Automotive DTC live data diagnostics |
US20150363606A1 (en) * | 2014-06-11 | 2015-12-17 | GM Global Technology Operations LLC | Inhibiting access to sensitive vehicle diagnostic data |
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 |
CN108919776A (zh) * | 2018-06-19 | 2018-11-30 | 深圳市元征科技股份有限公司 | 一种故障评估方法及终端 |
CN109885037A (zh) * | 2019-03-27 | 2019-06-14 | 深圳市元征科技股份有限公司 | 一种车辆诊断的方法及相关设备 |
CN110738332A (zh) * | 2019-09-27 | 2020-01-31 | 深圳市元征科技股份有限公司 | 事故车辆鉴定方法及系统、存储介质 |
CN110866152A (zh) * | 2019-11-22 | 2020-03-06 | 深圳市元征科技股份有限公司 | 一种故障码检索方法、装置和电子设备及可读存储介质 |
CN112711696A (zh) * | 2020-12-30 | 2021-04-27 | 平安普惠企业管理有限公司 | 请求访问方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11368825B2 (en) | System and method for managing a fleet of vehicles including electric vehicles | |
CN111208800B (zh) | 一种汽车诊断方法、装置和车辆通讯接口 | |
CN108803580B (zh) | 一种匹配车辆can协议的方法及相关设备 | |
CN113608518B (zh) | 数据生成方法、装置、终端设备及介质 | |
CN108919776B (zh) | 一种故障评估方法及终端 | |
CN109885037B (zh) | 一种车辆诊断的方法及相关设备 | |
CN113066199A (zh) | 车辆下线诊断方法、车辆下线诊断装置及下线诊断设备 | |
CN113778050A (zh) | 车辆远程诊断方法、装置、存储介质及车辆售后终端 | |
CN108390863B (zh) | 一种数据处理方法及装置 | |
CN113703868A (zh) | 车辆诊断软件配置方法、电子设备及可读存储介质 | |
CN113114659B (zh) | 诊断设备检测方法、装置、终端设备及存储介质 | |
CN111447231B (zh) | 一种车辆协议识别的方法及装置 | |
CN110995823B (zh) | 车载终端离线处理方法、设备、存储介质及装置 | |
CN113867314A (zh) | 故障码库的访问控制方法、装置、电子设备及存储介质 | |
CN115757107A (zh) | 埋点检测方法、装置、服务器及存储介质 | |
CN111267755B (zh) | 车载设备的状态标定方法、装置、终端及可读存储介质 | |
CN113934198A (zh) | 车辆诊断方法、装置、电子设备及存储介质 | |
CN113342430A (zh) | 故障码的处理方法、装置、终端设备及可读存储介质 | |
CN113978394A (zh) | 车辆故障检测的方法、装置、电子设备及存储介质 | |
CN110648002B (zh) | 一种车辆诊断方法、装置、设备及可读存储介质 | |
CN114115170A (zh) | 一种车辆配置模块的确定方法、装置及售后诊断仪 | |
CN111143225A (zh) | 一种汽车诊断软件的漏洞处理方法和相关产品 | |
CN113806131A (zh) | 故障码库的访问控制方法、装置、电子设备及存储介质 | |
US20240114044A1 (en) | Log determination device, log determination method, log determination program, and log determination system | |
CN117032187A (zh) | Ecu检测方法、装置、设备以及存储介质 |
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 |