CN115189996A - 基于Serverless的车联网数据传输方法及装置、存储介质和终端 - Google Patents

基于Serverless的车联网数据传输方法及装置、存储介质和终端 Download PDF

Info

Publication number
CN115189996A
CN115189996A CN202211107036.0A CN202211107036A CN115189996A CN 115189996 A CN115189996 A CN 115189996A CN 202211107036 A CN202211107036 A CN 202211107036A CN 115189996 A CN115189996 A CN 115189996A
Authority
CN
China
Prior art keywords
vehicle
serverless
center server
key value
virtualization platform
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
CN202211107036.0A
Other languages
English (en)
Other versions
CN115189996B (zh
Inventor
肖赟
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.)
Zhejiang Yunzhen Information Technology Co ltd
Original Assignee
Zhejiang Yunzhen Information Technology 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 Zhejiang Yunzhen Information Technology Co ltd filed Critical Zhejiang Yunzhen Information Technology Co ltd
Priority to CN202211107036.0A priority Critical patent/CN115189996B/zh
Publication of CN115189996A publication Critical patent/CN115189996A/zh
Application granted granted Critical
Publication of CN115189996B publication Critical patent/CN115189996B/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
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/02—Standardisation; Integration
    • H04L41/0246—Exchanging or transporting network management information using the Internet; Embedding network management web servers in network elements; Web-services-based protocols
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • 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
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1433—Vulnerability analysis
    • 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

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于Serverless的车联网数据传输方法及装置、存储介质和终端，其中方法包括：车载主板向所述云端中心服务器发送配对请求；云端中心服务器获取Serverless虚拟化平台的流地址并生成键值；基于键值与车载主板进行配对；接收车载主板发送的检测信息，并进行分类存储；其中，所述基于Serverless的车联网数据传输方法基于Serverless虚拟化平台实施。本发明有效避免车辆边缘节点端存储容量和计算能力不够导致的安全防御运行对硬件要求过高的问题；同时可抵抗流量冲击并短时间进行相应的操作响应；通过在云端中心服务器内部署深度学习的检测模型，对超过阈值条件的函数信息进行处理分析，以实现函数信息的异常判断，进而实现对车辆及车辆用户的预警。

Description

基于Serverless的车联网数据传输方法及装置、存储介质和 终端
技术领域
本发明涉及信息通讯技术领域，尤其涉及一种基于Serverless的车联网数据传输方法及装置、存储介质和终端。
背景技术
随着移动互联网和工业智能化的快速发展，以智能网联汽车为中心的车联网逐渐深入人们的生活，但车联网为人们提供更多便利的同时，也暴露出更多的安全隐患，例如车辆可能会被远程控制或恶意攻击等，造成重大的社会安全事件。
目前主流的车联网安全威胁主要来自于三个层面：边缘节点设备层、网络层和数据处理层。针对上述层面现有如下解决方案：第一：增加车上内置车载主板的存储力和算力，搭载包含静态分析、符号执行、模糊测试、机器学习等漏洞检测方法的嵌入式设备配件，从而对边缘节点设备层进行安全保护；该类方法由于车联网环境下车辆的车载主板计算和存储能力有限，因此移动环境下无法保证对车辆进行实时有效的动态监测并立即作出相应处理以保证安全；第二：针对车外部网络安全通信解决方案，最早提出的V2X通信则是基于公钥架构PKI传递和验证证书，后期也有众多学者也提出了群签名、共享型匿名认证等方案；但该类方法由于每次通信必须传递证书，并验证证书等，增加了网络负载，并且公钥密码体制计算过程非常复杂，增加了移动设备的计算需求；第三，建立数据安全存储的云服务平台保护数据处理层；但该类方法由于车流量因特殊时间节点可能会导致大幅增多或减少，这必将对云服务器资源负载是个考验，攻击者也可以伪造正常联网车辆虚拟量进行DDos等负载攻击。
因此现如今亟需一种数据存储能力大、过程简单且具有安全防护作用的车联网数据传输方式。
发明内容
本发明所要解决的技术问题是现有的车联网数据传输方式存在数据存储能力有限、计算过程复杂以及安全性不高等问题。
为了解决上述技术问题，本发明提供了一种基于Serverless的车联网数据传输方法，包括：
接收云端中心服务器发送的键值；
基于所述键值与车载主板进行配对；
接收所述车载主板发送的检测信息，并基于函数类别对所述检测信息进行分类，以获取多类函数信息并存储；
其中，所述基于Serverless的车联网数据传输方法基于Serverless虚拟化平台实施；且所述键值生成过程包括：
所述车载主板向所述云端中心服务器发送配对请求，所述配对请求包括所述车载主板的配置参数信息；
所述云端中心服务器获取Serverless虚拟化平台的流地址，并基于所述车载主板的配置参数信息和所述Serverless虚拟化平台的配置参数信息生成键值；
所述云端中心服务器将所述流地址和所述键值发送给所述车载主板，并将所述键值发送给所述Serverless虚拟化平台。
优选地，基于Serverless的车联网数据传输方法还包括：
分别判断多类函数信息是否大于对应预设阈值，若是则将对应所述函数信息发送给所述云端中心服务器，以便于所述云端中心服务器基于训练完成的检测模型对对应所述函数信息进行异常判断。
优选地，所述云端中心服务器基于训练完成的检测模型对对应所述函数信息进行异常判断包括：
将所述函数信息输入到训练完成的检测模型中，若所述训练完成的检测模型输出结果为异常，则所述云端中心服务器向所述车载主板发送预警指令，以便于所述车载主板基于所述预警指令进行相应预警动作，若所述训练完成的检测模型输出结果为正常，则所述云端中心服务器不向所述车载主板发送预警指令。
优选地，所述训练完成的检测模型包括依次串联连接的LSTM模型、Attention模型和CNN模型；或
所述训练完成的检测模型包括CNN模型、LSTM模型和Attention模型，所述CNN模型和所述LSTM模型并行输入样本，所述CNN模型和所述LSTM模型的输出分别与Attention模型连接。
优选地，所述车载主板的检测信息获取方式为：
所述车载主板所属车辆上的车载边缘节点采集信息数据，并将所述信息数据发送给所述车载主板；
所述车载主板对所述信息数据进行压缩并加密，以获取检测信息。
优选地，所述云端中心服务器、所述车载主板和所述Serverless虚拟化平台之间均基于WebRTC的串流技术实现信号传输。
优选地，所述车载主板的配置参数信息包括所述车载主板的MAC地址，所述Serverless虚拟化平台的配置参数信息包括所述Serverless虚拟化平台的MAC地址，所述Serverless虚拟化平台的流地址包括所述Serverless虚拟化平台的配置参数信息。
为了解决上述技术问题，本发明还提供了一种基于Serverless的车联网数据传输装置，包括键值接收单元、配对单元和数据接收单元；
所述键值接收单元，用于接收云端中心服务器发送的键值；
所述配对单元，用于基于所述键值与车载主板进行配对；
所述数据接收单元，用于接收所述车载主板发送的检测信息，并基于所述函数类别对所述检测信息进行分类，以获取多类函数信息并存储；
其中，所述基于Serverless的车联网数据传输装置实施的传输方法基于Serverless虚拟化平台实施；
且所述键值生成过程包括：
所述车载主板向所述云端中心服务器发送配对请求，所述配对请求包括所述车载主板的配置参数信息；
所述云端中心服务器获取Serverless虚拟化平台的流地址，并基于所述车载主板的配置参数信息和所述Serverless虚拟化平台的配置参数信息生成键值；
所述云端中心服务器将所述流地址和所述键值发送给所述车载主板，并将所述键值发送给所述Serverless虚拟化平台。
为了解决上述技术问题，本发明还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现基于Serverless的车联网数据传输方法。
为了解决上述技术问题，本发明还提供了一种终端，包括：处理器以及存储器，所述存储器与所述处理器之间通信连接；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如基于Serverless的车联网数据传输方法。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
应用本发明实施例提供的基于Serverless的车联网数据传输方法，通过车载主板将车载边缘节点采集的信息数据发送给Serverless虚拟化平台，可有效避免各个车载边缘节点因为通讯协议不一样而无法进行实时转译和通讯的问题，同时避免车辆边缘节点端存储容量和计算能力不够导致的安全防御运行对硬件要求过高的问题；通过设置Serverless虚拟化平台，可提高数据安全性，且在车联网遭遇流量高峰时，Serverless虚拟化平台可以迅速膨胀扩张资源，抵抗流量冲击并短时间进行相应的操作响应；通过在云端中心服务器内部署深度学习的检测模型，对超过阈值条件的函数信息进行处理分析，以实现函数信息的异常判断，进而实现对车辆及车辆用户的预警。
本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：
图1示出了本发明实施例一基于Serverless的车联网数据传输方法的流程示意图；
图2示出了本发明实施例一中车载主板、云端中心服务器和Serverless虚拟化平台的关系示意图；
图3示出了本发明实施例一中训练完成的检测模型的结构示意图；
图4示出了本发明实施例二基于Serverless的车联网数据传输装置的结构示意图；
图5示出了本发明实施例四终端的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
目前现有技术存在的车联网大数据如若只在边缘节点做计算和处理，明显多个车载主板的方案处理能力也显然不足，对硬件的要求也比较高；现有V2X的网络通信虽然安全等级高于明文传输和MD5加密传输，但攻击者仍然可以对车辆进行大量重复的黑盒测试，获取有关通讯协议的相关知识后，伪造报文并劫持包含大量控制信息和报警信息的信息字段；现有车联网数据传输方法无法建立高实时性的多场景保护，以及对可能存在的任何等级网络入侵和恶意漏洞扫描无法感知及预测。
实施例一
为解决现有技术中存在的技术问题，本发明实施例提供了一种基于Serverless的车联网数据传输方法。
图1示出了本发明实施例一基于Serverless的车联网数据传输方法的流程示意图；需要说明的是，为了实现提高车联网数据传输安全性，以及车联网遭遇流量高峰满足对大量数据的处理，本实施例基于Serverless的车联网数据传输方法步骤主要基于Serverless虚拟化平台实现，且Serverless虚拟化平台已基于需求部署多类函数即调用服务。进一步地，参考图1所示，本发明实施例基于Serverless的车联网数据传输方法包括如下步骤。
步骤S101，接收云端中心服务器发送的键值。
具体地，若要实现车辆车载边缘节点采集的数据传输至Serverless虚拟化平台，则需先实现车辆的车载主板与Serverless虚拟化平台的配对操作。而将车载主板与Serverless虚拟化平台进行配对时，车辆的车载主板需先向云端中心服务器发送配对请求，配对请求中包含车载主板的配置参数信息。
图2示出了本发明实施例一中车载主板、云端中心服务器和Serverless虚拟化平台的关系示意图；参考图2所示，云端中心服务器中存储有Serverless虚拟化平台实时更新的流地址信息，Serverless虚拟化平台实时更新的流地址信息中包括Serverless虚拟化平台的配置参数信息。云端中心服务接收到车载主板发送的配对请求后，基于车载主板的配置参数信息和Serverless虚拟化平台的配置参数信息生成对应的键值。其中键值中包括车载主板的配置参数信息、Serverless虚拟化平台的配置参数信息以及随机生成数。优选地，车载主板的配置参数信息包括车载主板的MAC地址，Serverless虚拟化平台的配置参数信息包括Serverless虚拟化平台的MAC地址。即云端中心服务生成的键值中包括有车载主板的MAC地址和Serverless虚拟化平台的MAC地址。
需要说明的是，车载主板的配置参数信息和Serverless虚拟化平台的配置参数信息还可包含其他具有识别作用的参数信息，在此不对其进行过多限制。
云端中心服务器生成对应的键值后，需将Serverless虚拟化平台的流地址和对应键值发送给车载主板，同时将键值发送给Serverless虚拟化平台，以便于车载主板和Serverless虚拟化平台可基于键值进行配对。
Serverless虚拟化平台在收到键值后即处于待配对状态。
步骤S102，基于键值与车载主板进行配对。
具体地，车载主板在获取Serverless虚拟化平台的流地址和对应键值后，基于Serverless虚拟化平台的流地址和键值向Serverless虚拟化平台发起通信建链，Serverless虚拟化平台基于键值与车载主板实现配对。即Serverless虚拟化平台判断其内部键值与车载主板发送的键值是否相同，若相同则实现与车载主板的配对，否则不与对应车载主板进行配对。
步骤S103，接收车载主板发送的检测信息，并基于函数类别对检测信息进行分类，以获取多类函数信息并存储。
具体地，实现车辆的车载主板与Serverless虚拟化平台的配对后，一旦车辆上的车载边缘节点采集到信息数据，即可将信息数据发送给车载主板。车载主板对信息数据进行压缩并加密，形成检测信息后发送给Serverless虚拟化平台。其中加密方式可选取MD5加密方式，且加密方式还可选取其他合适的加密方式，在此不对其进行过多限制。需要说明的是，车辆上的车载边缘节点包括预先设置于车辆上的各式摄像头和各种环境监测的传感器设备，摄像头和传感器设备的类型可基于实际情况进行设置，本实施例在此不对其进行过多限制。进一步地，车辆上的车载边缘节点主要用于在车辆启动后时刻感知外界环境的信息数据。
Serverless虚拟化平台接收到车载主板发送的检测信息后，需基于Serverless虚拟化平台中部署的多类函数类别对检测信息进行分类，以将检测信息分为多类函数信息并存储，以便于由隔离的各类函数进行调用。分类后的函数信息可包括预判定行为信息、操作行为信息、环境信息等。
步骤S104，分别判断多类函数信息是否大于对应预设阈值，若是则将对应函数信息发送给云端中心服务器，以便于云端中心服务器基于训练完成的检测模型对对应函数信息进行异常判断。
具体地，正常情况下车载边缘节点采集到的信息数据应均在一定范围之内，例如车辆车门解锁信息，在一定时间内不会超过预设解锁次数；若超过则可能表示车辆门锁存在异常或存在异常操作车辆门锁的情况，此时就需要对车辆门锁进行相应的预警操作；但是也可能存在车主确实因为某些原因自己多次开锁的情况，因此信息数据是否为异常需进行进一步的判断。
基于上述原因，Serverless虚拟化平台在获取到多类函数信息时，会基于预先设置的预设阈值对多类函数信息分别进行判断；由于每类函数信息均有相对应的预设阈值，因此需将多类函数信息分别与与其对应的预设阈值进行判断，若某函数信息大于其对应的预设阈值，则需将该函数信息发送给云端中心服务器，以便于云端中心服务器基于训练完成的检测模型对对应函数信息进行异常判断。
为了提高本发明方法检测函数信息时的准确率，本发明实施例所涉及到的云端中心服务器需事先设置有可对函数信息进行异常判断的检测模型，且该检测模型是事先经过深度训练所得。进一步地，检测模型的训练可采用网络公开的数据集进行训练，即将网络公开数据集中往年异常数据作为训练集进行训练。具体检测模型的结构可设置为包括依次串联连接的LSTM模型、Attention模型和CNN模型；同时也可设置为CNN模型、LSTM模型和Attention模型，其中CNN模型和LSTM模型并行输入样本，CNN模型和所述LSTM模型的输出分别与Attention模型连接。
以CNN模型和LSTM模型并行为例进行说明。图3示出了本发明实施例一中训练完成的检测模型的结构示意图；参考图3所示，训练集中的训练数据分别输入到CNN模型和Lstm模型内，实现特征提取及分类，而后Attention模型对CNN模型和Lstm的模型分别输出的权重进行投票式分类，基于训练集中的训练数据的标签计算交叉熵损失函数，并基于交叉熵损失函数值对检测模型参数进行调整。重复训练，直到获取的交叉熵损失函数达到收敛状态，以得到训练完成的检测模型。具体交叉熵损失函数达到收敛的标准可基于实际情况进行设置，本申请在此不对其进行过分详细的描述。且需要说明的是，训练集中的训练数据在输入CNN模型和Lstm模型时，需经过简单分类特征化和归一化处理。具体分类特征化以及归一化为本领域技术人员的常规技术手段，在此不对其进行过多详述。
进一步地，云端中心服务器接收到函数信息后，需将函数信息输入到训练完成的检测模型中，若训练完成的检测模型输出结果为异常，则表示对应函数信息确实为异常，此时云端中心服务器向车载主板发送对应的预警指令，而后车辆上的车载主板也会基于预警指令进行相应预警动作；而若训练完成的检测模型输出结果为正常，则表示对应函数信息应为正常数据。需要说明的是，若训练完成的检测模型输出结果为异常时，可存储相应异常函数信息以及对应的异常结果，以作为后续重新训练检测模型时的训练数据。
且需要说明的是，所存储的异常函数信息以及异常结果，是结合当前最新车联网异常病毒情况以及当前车联网异常状态等情况进行筛选所得的。同时需要说明的是，每当存储的异常函数信息以及异常结果的数据量达到一定数值后，就续将存储的异常函数信息以及异常结果作为新训练数据集，清空存储器，并基于新训练数据集对当前检测模型进行优化训练，以得到优化训练后的检测模型，再将优化训练后的检测模型替换原来训练完成的检测模型。
由于Serverless虚拟化平台在接收到大量数据时会自动迅速膨胀扩张资源，但若所接受的数据均为异常数据时，若也进行自动迅速膨胀扩张资源，此时就会造成资源浪费。为了避免该情况出现，异常函数信息的判断以及向车载主板发出预警指令，即可提醒用户车辆异常；同时车载主板基于预警指令进行的预警动作则会阻值异常数据的采集，进而避免资源膨胀扩张造成的浪费现象出现。该种设置从根本上解决了云端中心服务器被分布式拒绝服务攻击的可能性，同时增加了车联网流量高峰的抗击阈值。
进一步需要说明的是，为了保证本发明实施例数据传输速度，本实施例所涉及的云端中心服务器、车载主板和Serverless虚拟化平台之间均基于WebRTC的串流技术实现数据交互的，车载主板是可以自主联网的。
本发明实施例提供的基于Serverless的车联网数据传输方法，通过车载主板将车载边缘节点采集的信息数据发送给Serverless虚拟化平台，可有效避免各个车载边缘节点因为通讯协议不一样而无法进行实时转译和通讯的问题，同时避免车辆边缘节点端存储容量和计算能力不够导致的安全防御运行对硬件要求过高的问题；通过设置Serverless虚拟化平台，可提高数据安全性，且在车联网遭遇流量高峰时，Serverless虚拟化平台可以迅速膨胀扩张资源，抵抗流量冲击并短时间进行相应的操作响应；通过在云端中心服务器内部署深度学习的检测模型，对超过阈值条件的函数信息进行处理分析，以实现函数信息的异常判断，进而实现对车辆及车辆用户的预警。
实施例二
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种基于Serverless的车联网数据传输装置。
图4示出了本发明实施例二基于Serverless的车联网数据传输装置的结构示意图；参考图4所示，本发明实施例基于Serverless的车联网数据传输装置包括键值接收单元、配对单元和数据接收单元。
键值接收单元用于接收云端中心服务器发送的键值；
配对单元用于基于键值与车载主板进行配对；
数据接收单元用于接收车载主板发送的检测信息，并基于函数类别对检测信息进行分类，以获取多类函数信息并存储；
其中，基于Serverless的车联网数据传输装置实施的传输方法基于Serverless虚拟化平台实施；且键值生成过程包括：
车载主板向云端中心服务器发送配对请求，配对请求包括车载主板的配置参数信息；
云端中心服务器获取Serverless虚拟化平台的流地址，并基于车载主板的配置参数信息和Serverless虚拟化平台的配置参数信息生成键值；
云端中心服务器将流地址和键值发送给车载主板，并将键值发送给Serverless虚拟化平台。
本发明实施例提供的基于Serverless的车联网数据传输装置，通过车载主板将车载边缘节点采集的信息数据发送给Serverless虚拟化平台，可有效避免各个车载边缘节点因为通讯协议不一样而无法进行实时转译和通讯的问题，同时避免车辆边缘节点端存储容量和计算能力不够导致的安全防御运行对硬件要求过高的问题；通过设置Serverless虚拟化平台，可提高数据安全性，且在车联网遭遇流量高峰时，Serverless虚拟化平台可以迅速膨胀扩张资源，抵抗流量冲击并短时间进行相应的操作响应；通过在云端中心服务器内部署深度学习的检测模型，对超过阈值条件的函数信息进行处理分析，以实现函数信息的异常判断，进而实现对车辆及车辆用户的预警。
实施例三
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种存储介质，其存储有计算机程序，该计算机程序被处理器执行时可实现实施例一中基于Serverless的车联网数据传输方法中的所有步骤。
基于Serverless的车联网数据传输方法的具体步骤以及应用本发明实施例提供的可读存储介质获取的有益效果均与实施例一相同，在此不在对其进行赘述。
需要说明的是：存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
实施例四
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种终端。
图5示出了本发明实施例四终端结构示意图，参照图5，本实施例终端包括相互连接的处理器及存储器；存储器用于存储计算机程序，处理器用于执行存储器存储的计算机程序，以使终端执行时可实现实施例一基于Serverless的车联网数据传输方法中的所有步骤。
基于Serverless的车联网数据传输方法的具体步骤以及应用本发明实施例提供的终端获取的有益效果均与实施例一相同，在此不在对其进行赘述。
需要说明的是，存储器可能包含随机存取存储器（Random Access Memory，简称RAM），也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。同理处理器也可以是通用处理器，包括中央处理器（Central Processing Unit，简称CPU）、网络处理器（Network Processor，简称NP）等；还可以是数字信号处理器（Digital SignalProcessing，简称DSP）、专用集成电路（Application Specific Integrated Circuit，简称ASIC）、现场可编程门阵列（Field Programmable Gate Array，简称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。
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种基于Serverless的车联网数据传输方法，包括：
接收云端中心服务器发送的键值；
基于所述键值与车载主板进行配对；
接收所述车载主板发送的检测信息，并基于函数类别对所述检测信息进行分类，以获取多类函数信息并存储；
其中，所述基于Serverless的车联网数据传输方法基于Serverless虚拟化平台实施；且所述键值生成过程包括：
所述车载主板向所述云端中心服务器发送配对请求，所述配对请求包括所述车载主板的配置参数信息；
所述云端中心服务器获取Serverless虚拟化平台的流地址，并基于所述车载主板的配置参数信息和所述Serverless虚拟化平台的配置参数信息生成键值；
所述云端中心服务器将所述流地址和所述键值发送给所述车载主板，并将所述键值发送给所述Serverless虚拟化平台。
2.根据权利要求1所述的方法，其特征在于，还包括：
分别判断多类函数信息是否大于对应预设阈值，若是则将对应所述函数信息发送给所述云端中心服务器，以便于所述云端中心服务器基于训练完成的检测模型对对应所述函数信息进行异常判断。
3.根据权利要求2所述的方法，其特征在于，所述云端中心服务器基于训练完成的检测模型对对应所述函数信息进行异常判断包括：
将所述函数信息输入到训练完成的检测模型中，若所述训练完成的检测模型输出结果为异常，则所述云端中心服务器向所述车载主板发送预警指令，以便于所述车载主板基于所述预警指令进行相应预警动作，若所述训练完成的检测模型输出结果为正常，则所述云端中心服务器不向所述车载主板发送预警指令。
4.根据权利要求3所述的方法，其特征在于，所述训练完成的检测模型包括依次串联连接的LSTM模型、Attention模型和CNN模型；或
所述训练完成的检测模型包括CNN模型、LSTM模型和Attention模型，所述CNN模型和所述LSTM模型并行输入样本，所述CNN模型和所述LSTM模型的输出分别与Attention模型连接。
5.根据权利要求1所述的方法，其特征在于，所述车载主板的检测信息获取方式为：
所述车载主板所属车辆上的车载边缘节点采集信息数据，并将所述信息数据发送给所述车载主板；
所述车载主板对所述信息数据进行压缩并加密，以获取检测信息。
6.根据权利要求1所述的方法，其特征在于，所述云端中心服务器、所述车载主板和所述Serverless虚拟化平台之间均基于WebRTC的串流技术实现信号传输。
7.根据权利要求1所述的方法，其特征在于，所述车载主板的配置参数信息包括所述车载主板的MAC地址，所述Serverless虚拟化平台的配置参数信息包括所述Serverless虚拟化平台的MAC地址，所述Serverless虚拟化平台的流地址包括所述Serverless虚拟化平台的配置参数信息。
8.一种基于Serverless的车联网数据传输装置，其特征在于，包括键值接收单元、配对单元和数据接收单元；
所述键值接收单元，用于接收云端中心服务器发送的键值；
所述配对单元，用于基于所述键值与车载主板进行配对；
所述数据接收单元，用于接收所述车载主板发送的检测信息，并基于函数类别对所述检测信息进行分类，以获取多类函数信息并存储；
其中，所述基于Serverless的车联网数据传输装置实施的传输方法基于Serverless虚拟化平台实施；且所述键值生成过程包括：
所述车载主板向所述云端中心服务器发送配对请求，所述配对请求包括所述车载主板的配置参数信息；
所述云端中心服务器获取Serverless虚拟化平台的流地址，并基于所述车载主板的配置参数信息和所述Serverless虚拟化平台的配置参数信息生成键值；
所述云端中心服务器将所述流地址和所述键值发送给所述车载主板，并将所述键值发送给所述Serverless虚拟化平台。
9.一种存储介质，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权利要求1至7中任一项基于Serverless的车联网数据传输方法。
10.一种终端，其特征在于，包括：处理器以及存储器，所述存储器与所述处理器之间通信连接；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至7中任一项基于Serverless的车联网数据传输方法。
CN202211107036.0A 2022-09-13 2022-09-13 基于Serverless的车联网数据传输方法及装置、存储介质和终端 Active CN115189996B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211107036.0A CN115189996B (zh) 2022-09-13 2022-09-13 基于Serverless的车联网数据传输方法及装置、存储介质和终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211107036.0A CN115189996B (zh) 2022-09-13 2022-09-13 基于Serverless的车联网数据传输方法及装置、存储介质和终端

Publications (2)

Publication Number Publication Date
CN115189996A true CN115189996A (zh) 2022-10-14
CN115189996B CN115189996B (zh) 2022-11-25

Family

ID=83524797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211107036.0A Active CN115189996B (zh) 2022-09-13 2022-09-13 基于Serverless的车联网数据传输方法及装置、存储介质和终端

Country Status (1)

Country Link
CN (1) CN115189996B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109714344A (zh) * 2018-12-28 2019-05-03 国汽(北京)智能网联汽车研究院有限公司 基于“端-管-云”的智能网联汽车信息安全平台
CN111541760A (zh) * 2020-04-20 2020-08-14 中南大学 基于无服务器雾计算系统架构的复杂任务分配方法
CN114080058A (zh) * 2020-08-17 2022-02-22 华为技术有限公司 一种计算任务的处理方法、通信装置及无线网络架构
CN114564298A (zh) * 2022-03-18 2022-05-31 王击 一种基于组合优化的混合容器云环境下Serverless服务调度系统
CN114585105A (zh) * 2020-11-28 2022-06-03 华为技术有限公司 一种算力感知的会话管理方法及通信装置
US20220177003A1 (en) * 2020-12-07 2022-06-09 Accenture Global Solutions Limited Method and system for provisioning cloud service on vehicle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109714344A (zh) * 2018-12-28 2019-05-03 国汽(北京)智能网联汽车研究院有限公司 基于“端-管-云”的智能网联汽车信息安全平台
CN111541760A (zh) * 2020-04-20 2020-08-14 中南大学 基于无服务器雾计算系统架构的复杂任务分配方法
CN114080058A (zh) * 2020-08-17 2022-02-22 华为技术有限公司 一种计算任务的处理方法、通信装置及无线网络架构
CN114585105A (zh) * 2020-11-28 2022-06-03 华为技术有限公司 一种算力感知的会话管理方法及通信装置
US20220177003A1 (en) * 2020-12-07 2022-06-09 Accenture Global Solutions Limited Method and system for provisioning cloud service on vehicle
CN114564298A (zh) * 2022-03-18 2022-05-31 王击 一种基于组合优化的混合容器云环境下Serverless服务调度系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LUIS FELIPE HERRERA-QUINTERO;JULIAN CAMILO VEGA-ALFONSO;KLAUS: "Smart ITS Sensor for the Transportation Planning Based on IoT Approaches Using Serverless and Microservices Architecture", 《IEEE INTELLIGENT TRANSPORTATION SYSTEMS MAGAZINE ( VOLUME: 10, ISSUE: 2, SUMMER 2018)》 *
韦天成: "基于云存储的车联网数据去重安全协议研究", 《中国优秀硕士学位论文全文数据库》 *

Also Published As

Publication number Publication date
CN115189996B (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
Yang et al. Tree-based intelligent intrusion detection system in internet of vehicles
Tsimenidis et al. Deep learning in IoT intrusion detection
CN111147504B (zh) 威胁检测方法、装置、设备和存储介质
CN110011999B (zh) 基于深度学习的IPv6网络DDoS攻击检测系统及方法
CN107135093B (zh) 一种基于有限自动机的物联网入侵检测方法及检测系统
CN107040517B (zh) 一种面向云计算环境的认知入侵检测方法
EP2979424B1 (en) Method and apparatus for detecting a multi-stage event
EP2979425B1 (en) Method and apparatus for detecting a multi-stage event
Olufowobi et al. Anomaly detection approach using adaptive cumulative sum algorithm for controller area network
CN111885060B (zh) 面向车联网的无损式信息安全漏洞检测系统和方法
CN112822223B (zh) 一种dns隐蔽隧道事件自动化检测方法、装置和电子设备
Alkhatib et al. SOME/IP intrusion detection using deep learning-based sequential models in automotive ethernet networks
Tanksale Intrusion detection for controller area network using support vector machines
Mangrulkar et al. Network attacks and their detection mechanisms: A review
Cherian et al. Secure SDN–IoT framework for DDoS attack detection using deep learning and counter based approach
Zaman et al. Implementation of intrusion detection system in the internet of things: A survey
CN113836564A (zh) 一种基于区块链的网联汽车信息安全系统
CN115189996B (zh) 基于Serverless的车联网数据传输方法及装置、存储介质和终端
CN113938314B (zh) 一种加密流量的检测方法及装置、存储介质
CN113726810A (zh) 入侵检测系统
Atkison et al. Feature Extraction Optimization for Network Intrusion Detection in Control System Networks.
Qiu et al. Research on vehicle network intrusion detection technology based on dynamic data set
CN111641593A (zh) 一种物联网安全架构及其信息安全交互方法
Okokpujie et al. Congestion Intrusion Detection-Based Method for Controller Area Network Bus: A Case for Kia Soul Vehicle
Soares et al. Intrusion Detection Systems in VANET: A Review on Implementation Techniques and Datasets

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