CN117574445B - 一种汽车数据防篡改系统 - Google Patents

一种汽车数据防篡改系统 Download PDF

Info

Publication number
CN117574445B
CN117574445B CN202410056876.1A CN202410056876A CN117574445B CN 117574445 B CN117574445 B CN 117574445B CN 202410056876 A CN202410056876 A CN 202410056876A CN 117574445 B CN117574445 B CN 117574445B
Authority
CN
China
Prior art keywords
data
analysis
parameter
information
characteristic
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
Application number
CN202410056876.1A
Other languages
English (en)
Other versions
CN117574445A (zh
Inventor
米胜荣
姚锦丽
郭玮鹏
王春青
张强
鲁振辉
吉宏斌
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.)
Xinqi Co ltd
Original Assignee
Xinqi 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 Xinqi Co ltd filed Critical Xinqi Co ltd
Priority to CN202410056876.1A priority Critical patent/CN117574445B/zh
Publication of CN117574445A publication Critical patent/CN117574445A/zh
Application granted granted Critical
Publication of CN117574445B publication Critical patent/CN117574445B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/95—Pattern authentication; Markers therefor; Forgery detection
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Bioethics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种汽车数据防篡改系统，尤其涉及汽车数据处理技术领域，包括，信息获取模块，用以获取汽车的行驶信息、里程信息、天气信息、发动机信息和事故信息；行驶分析模块，用以对行驶参数和油耗参数进行分析；特征分析模块，用以对数据特征进行分析并调整；信息存储模块，用以行驶参数、油耗参数、数据特征和特征图像进行存储；特征优化模块，用以根据对数据特征的调整过程进行优化和校正；数据构建模块，用以根据已存储的数据特征对特征图像进行构建；图像分析模块，用以根据特征图像对数据完整性进行分析；输出模块，用以对数据完整性进行输出。本发明实现了对汽车数据完整性的分析，有效防止数据被恶意篡改。

Description

一种汽车数据防篡改系统
技术领域
本发明涉及汽车数据处理技术领域，尤其涉及一种汽车数据防篡改系统。
背景技术
随着汽车智能化的发展，汽车数据的安全性变得越来越重要。然而，现有的汽车数据防篡改技术还存在一些问题，例如难以有效检测和防止恶意篡改、难以保证数据的完整性和可靠性等。
中国专利公开号：CN115510501A公开了一种汽车数据防篡改方法和系统，包括基于数据库定时获取备案汽车的空间坐标，根据所述空间坐标生成该备案汽车的活动图；基于所述活动图实时确定各备案汽车的空间坐标获取频率；实时获取各区域的天气参数，根据所述天气参数确定以靶目标为索引的影响参数；根据所述影响参数和所述活动图更新备案汽车的损坏状况。该发明实现了通过汽车活动范围、运动情况对汽车状态的分析，以统计出汽车的获取数据，未实现对汽车运行中环境数据、运行数据以及数值唯一的数据的统一分析，存在对汽车数据分析效率低，数据完整性判断不准确的问题。
发明内容
为此，本发明提供一种汽车数据防篡改系统，用以克服现有技术中对汽车数据分析效率低，数据完整性判断不准确的问题。
为实现上述目的，本发明提供一种汽车数据防篡改系统，包括：
信息获取模块，用以根据预设分析周期周期性获取汽车的行驶信息、里程信息和天气信息，还用以获取汽车的发动机信息和事故信息；
行驶分析模块，用以根据行驶信息和里程信息对行驶参数和油耗参数进行分析；
特征分析模块，用以根据里程信息、天气信息和发动机信息对数据特征进行分析，还用以根据行驶参数对数据特征的分析过程进行调整；
信息存储模块，用以行驶参数、油耗参数、数据特征和特征图像进行存储；
特征优化模块，用以根据已存储的行驶参数和油耗参数对行驶特征进行分析，还用以根据行驶特征对数据特征的调整过程进行优化，还用以根据事故信息对行驶特征的分析过程进行校正；
数据构建模块，用以根据已存储的数据特征对特征图像进行构建；
图像分析模块，用以根据特征图像对数据完整性进行分析；
输出模块，用以对数据完整性进行输出。
进一步地，所述行驶分析模块根据行驶速度和里程信息通过行驶参数公式计算行驶参数，所述行驶分析模块设有行驶参数公式如下：
D(i)=V(i)×T/[S(i)-S(i-1)]
其中，D(i)表示行驶参数，i表示周期编号，V(i)表示行驶速度，T表示预设分析周期的时长，S(i)表示当前周期的里程信息，S(i-1)表示上一周期的里程信息；
所述行驶分析模块根据行驶速度、油耗信息和空调状态对油耗参数进行分析，其中：
当空调状态为运行中时，所述行驶分析模块将当前分析周期的油耗信息与行驶速度的比值作为油耗参数，记做F(i,1)=U(i)/V(i);
当空调状态为未运行时，所述行驶分析模块将当前分析周期的油耗信息与行驶速度的比值作为油耗参数，记做F(i,2)=U(i)/V(i);
其中，F(i,1)表示空调状态为运行中的油耗参数，F(i,2)表示空调状态为未运行的油耗参数，U(i)表示油耗信息。
进一步地，所述特征分析模块信息转换单元，其用以将发动机信息中每一位的字符分别进行存储，并将存储后的各字符作为36进制数字进行进制转换，将存储后的各字符转换为10进制数字进行存储，形成编号数组，记做Q(q)，其中，Q(q)表示编号数组，q表示编号数组的位数编号。
进一步地，所述特征分析模块还设有特征分析单元，其用以根据里程信息、天气信息和编号数组通过第一特征分析公式对数据特征进行分析，所述特征分析单元设有第一特征分析公式如下：
其中，C(i)表示数据特征，P1表示气温，P2表示降水量。
进一步地，所述特征分析模块还设有特征调整单元，其用以根据行驶参数与第一参数阈值进行比对，并根据比对结果对数据特征的分析过程进行调整，其中：
当α1≤D(i)≤α2时，所述特征调整单元判定行驶参数正常，不对数据特征的分析过程进行调整；
当D(i)＜α1或D(i)＞α2时，所述特征调整单元判定行驶参数异常，对数据特征的分析过程进行调整，调整后的数据特征为C1(i)，设定C1(i)=C(i)×[1+D(i)-(α1+α2)/2]。
进一步地，所述特征优化模块设有参数分析单元，其用以根据已存储的行驶参数和油耗参数通过第二特征分析公式计算行驶特征，所述参数分析单元设有第二特征分析公式如下：
其中，H表示行驶特征，h1表示第一特征参数，h2表示第二特征参数，h3表示第三特征参数，n1表示已存储的油耗参数中空调状态为运行中的油耗参数数量，n2表示已存储的油耗参数中空调状态为未运行的油耗参数数量，ni表示当前分析周期的分析周期编号；
所述特征优化模块还设有特征优化单元，其用以根据行驶特征对数据特征的调整过程进行优化，优化后的数据特征为C2(i)，设定C2(i)=C1(i)×(H+1)。
进一步地，所述特征优化模块还设有特征校正单元，其用以根据事故信息对行驶特征的分析过程进行校正，其中：
当M=0时，所述特征校正单元判定汽车不存在事故问题，不对行驶特征的分析过程进行校正；
当M＞0时，所述特征校正单元判定汽车存在事故问题，对行驶特征的分析过程进行校正，校正后的行驶特征为H1，设定H1=H×h3×(M+1)。
进一步地，所述数据构建模块设有数据构建单元，其用以根据已存储的数据特征对特征灰度进行分析，所述数据构建单元将已存储的数据特征中连续的A个数据特征作为样本数据特征，并根据各样本数据特征根据灰度分析公式计算特征灰度，所述数据构建单元设有灰度分析公式如下：
其中，A表示样本容量，设定A=1440/T，R(k)表示第一特征灰度，G(k)表示第二特征灰度，B(k)表示第三特征灰度，L表示灰度参数。
进一步地，所述数据构建模块还设有图像构建单元，其用以根据特征灰度设置特征图像的RGB值，其中：
R(xa,ya)=R(a)
G(xa,ya)=G(a)
B(xa,ya)=B(a)
其中，R(xa,ya)表示特征图像中编号为a的像素点的R值，G(xa,ya)表示特征图像中编号为a的像素点的G值，B(xa,ya)表示特征图像中编号为a的像素点的B值。
进一步地，所述图像分析模块根据特征图像对完整性参数进行分析，其中：
当存在R(a)＞R(a+1)时，所述图像分析模块统计R(a)＞R(a+1)的数量，作为第一图像参数，记做Z1；
当存在G(a)＜L且G(a+1)＞L时，所述图像分析模块设置第二图像参数为Z2=-1；
当不存在G(a)＜L且G(a+1)＞L时，所述图像分析模块设置第二图像参数为Z2=1
所述图像分析模块统计B(a)＜1的次数和B(a)＞1的次数，并根据统计结果对第三图像参数进行分析，设定Z3=(za+zb)/(X×Y)；
所述图像分析模块根据第一图像参数、第二图像参数和第三图像参数通过完整性分析公式计算完整性参数，所述图像分析模块设有完整性分析公式如下：
W=Z3Z1+1×Z2
其中，W表示完整性参数，Z1表示第一图像参数，Z2表示第二图像参数，Z3表示第三图像参数；
所述图像分析模块将完整性参数与完整性阈值进行比对，并根据比对结果对数据完整性进行分析，其中：
当W≥w时，所述图像分析模块判定数据完整性为数据完整，数据未被篡改；
当W＜w时，所述图像分析模块判定数据完整性为数据不完整，数据被篡改；
其中，w表示完整性阈值。
与现有技术相比，本发明的有益效果在于，通过所述信息获取模块对行驶信息、里程信息、天气信息、发动机信息和事故信息的获取，以提高数据获取的准确度，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述行驶分析模块对行驶信息和里程信息的分析，以分析出行驶参数和油耗参数，用行驶参数表示汽车行驶中行驶速度和仪表里程的关系，用油耗参数表示油耗信息与行驶速度的关系，增加系统分析的多样性，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述特征分析模块对里程信息、天气信息和发动机信息的分析，以对数据特征进行分析，用数据特征表示汽车行驶里程与行驶环境以及零件信息中数值唯一不变的信息之间的关系，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述特征分析模块对行驶参数的分析，以对数据特征的分析过程进行调整，实现对数据异常值的判断，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述信息存储模块对行驶参数、油耗参数、数据特征和特征图像的存储，以增加系统分析样本数据的多样性，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述特征优化模块对已存储的行驶参数和油耗参数的分析，以对行驶特征的调整过程进行优化，实现对历史分析数据的综合分析，增加系统分析的多样性，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述数据构建模块对数据特征的分析，以构建出特征图像，用特征图像表示每天中汽车数据信息，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述图像分析模块对特征图像的分析，以对数据完整性进行分析，用数据完整性表示汽车数据是否被篡改，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述输出模块对数据完整性的输出，以提高系统输出的准确度，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度。
附图说明
图1为本实施例汽车数据防篡改系统的结构框图；
图2为本实施例特征分析模块的结构框图；
图3为本实施例特征优化模块的结构框图；
图4为本实施例数据构建模块的结构框图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本实施例一种汽车数据防篡改系统，包括：
信息获取模块，用以根据预设分析周期周期性获取汽车的行驶信息、里程信息和天气信息，还用以获取汽车的发动机信息和事故信息，所述行驶信息包括行驶速度、油耗信息和空调状态，所述行驶速度为分析周期内汽车的平均行驶速度，所述油耗信息为汽车在分析周期内的百公里燃油量的平均值，所述空调状态包括运行中和未运行，所述里程信息为汽车仪表盘上的行驶里程数，所述天气信息包括气温和降水量，所述发动机信息为发动机编号，所述事故信息为汽车出现交通事故的次数，所述行驶信息和里程信息的获取方式为通过汽车的动力控制系统以及中控系统后台数据导入，所述天气信息的获取方式为访问天气网站获取，所述发动机信息的获取方式为用户交互输入，所述事故信息的获取方式为通过交管部门服务平台查询获取，本实施例中预设分析周期为12分钟，本实施例中不对预设分析周期的取值作具体限定，本领域技术人员可自由设置，如还可设置为5分钟、10分钟和30分钟等；
行驶分析模块，用以根据行驶信息和里程信息对行驶参数和油耗参数进行分析，行驶分析模块与所述信息获取模块连接；
特征分析模块，用以根据里程信息、天气信息和发动机信息对数据特征进行分析，还用以根据行驶参数对数据特征的分析过程进行调整，特征分析模块与所述信息获取模块连接；
信息存储模块，用以行驶参数、油耗参数、数据特征和特征图像进行存储，信息存储模块与所述行驶分析模块、特征分析模块连接；
特征优化模块，用以根据已存储的行驶参数和油耗参数对行驶特征进行分析，还用以根据行驶特征对数据特征的调整过程进行优化，还用以根据事故信息对行驶特征的分析过程进行校正，特征优化模块与所述信息存储模块和特征分析模块连接；
数据构建模块，用以根据已存储的数据特征对特征图像进行构建，数据构建模块与所述信息存储模块连接；
图像分析模块，用以根据特征图像对数据完整性进行分析，图像分析模块与所述数据构建模块连接；
输出模块，用以对数据完整性进行输出，输出模块与所述图像分析模块连接。
请参阅图2所示，所述特征分析模块包括：
信息转换单元，用以对发动机信息进行进制转换，以得到编号数组；
特征分析单元，用以根据里程信息、天气信息和编号数组对数据特征进行分析，特征分析单元与所述信息转换单元连接；
特征调整单元，用以根据行驶参数对数据特征的分析过程进行调整，特征调整单元与所述特征分析单元连接。
请参阅图3所示，所述特征优化模块包括：
参数分析单元，用以根据已存储的行驶参数和油耗参数对行驶特征进行分析;
特征优化单元，用以根据行驶特征对数据特征的调整过程进行优化，特征优化单元与所述参数分析单元连接；
特征校正单元，用以根据事故信息对行驶特征的分析过程进行校正，特征校正单元与所述参数分析单元单元连接。
请参阅图4所示，所述数据构建模块包括：
数据构建单元，用以根据已存储的数据特征对特征灰度进行分析；
图像构建单元，用以特征灰度构建特征图像特征图像，图像构建单元与所述数据构建单元连接。
具体而言，本实施例应用于汽车的运行数据管理平台内，通过对汽车运行中各项数据以及环境数据的分析，以构建出汽车数据的特征图像，根据特征图像的变化判断出汽车数据的完整性，本实施例中通过所述信息获取模块对行驶信息、里程信息、天气信息、发动机信息和事故信息的获取，以提高数据获取的准确度，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述行驶分析模块对行驶信息和里程信息的分析，以分析出行驶参数和油耗参数，用行驶参数表示汽车行驶中行驶速度和仪表里程的关系，用油耗参数表示油耗信息与行驶速度的关系，增加系统分析的多样性，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述特征分析模块对里程信息、天气信息和发动机信息的分析，以对数据特征进行分析，用数据特征表示汽车行驶里程与行驶环境以及零件信息中数值唯一不变的信息之间的关系，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述特征分析模块对行驶参数的分析，以对数据特征的分析过程进行调整，实现对数据异常值的判断，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述信息存储模块对行驶参数、油耗参数、数据特征和特征图像的存储，以增加系统分析样本数据的多样性，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述特征优化模块对已存储的行驶参数和油耗参数的分析，以对行驶特征的调整过程进行优化，实现对历史分析数据的综合分析，增加系统分析的多样性，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述数据构建模块对数据特征的分析，以构建出特征图像，用特征图像表示每天中汽车数据信息，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述图像分析模块对特征图像的分析，以对数据完整性进行分析，用数据完整性表示汽车数据是否被篡改，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度，通过所述输出模块对数据完整性的输出，以提高系统输出的准确度，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度。
具体而言，本实施例中所述行驶分析模块根据行驶速度和里程信息通过行驶参数公式计算行驶参数，所述行驶分析模块设有行驶参数公式如下：
D(i)=V(i)×T/[S(i)-S(i-1)]
其中，D(i)表示行驶参数，i表示周期编号，V(i)表示行驶速度，T表示预设分析周期的时长，S(i)表示当前周期的里程信息，S(i-1)表示上一周期的里程信息。
具体而言，本实施例中通过所述行驶分析模块对行驶速度和里程信息的分析，以分析出行驶参数，用行驶参数表示行驶速度与里程信息变化的关系，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度。
具体而言，本实施例中所述行驶分析模块根据行驶速度、油耗信息和空调状态对油耗参数进行分析，其中：
当空调状态为运行中时，所述行驶分析模块将当前分析周期的油耗信息与行驶速度的比值作为油耗参数，记做F(i,1)=U(i)/V(i);
当空调状态为未运行时，所述行驶分析模块将当前分析周期的油耗信息与行驶速度的比值作为油耗参数，记做F(i,2)=U(i)/V(i);
其中，F(i,1)表示空调状态为运行中的油耗参数，F(i,2)表示空调状态为未运行的油耗参数，U(i)表示油耗信息。
具体而言，本实施例中所述信息转换单元将发动机信息中每一位的字符分别进行存储，并将存储后的各字符作为36进制数字进行进制转换，将存储后的各字符转换为10进制数字进行存储，形成编号数组，记做Q(q)，其中，Q(q)表示编号数组，q表示编号数组的位数编号。例如：当发动机信息为A9H8Z7时，所述信息转换单元分别对发动机信息每一位字符进行存储，形成A，9，H，8，Z，7的单独的字符，并将这些字符作为36进制的数字进行进制转换，A=10，9=9，H=17，8=8，Z=35，7=7，并对这些转换后的数字进行存储，得的编号数组为：Q(1)=10，Q(2)=9，Q(3)=17，Q(4)=8，Q(5)=35，Q(6)=7。
具体而言，本实施例中通过所述信息转换单元对发动机信息的分析，以分析出编号数组，用编号数组表示汽车数据中唯一不变的发动机编号的内容，实现对系统中数据参量的分析，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度。
具体而言，本实施例中所述特征分析单元根据里程信息、天气信息和编号数组通过第一特征分析公式对数据特征进行分析，所述特征分析单元设有第一特征分析公式如下：
其中，C(i)表示数据特征，P1表示气温，P2表示降水量。
具体而言，本实施例中通过所述特征分析单元对里程信息、天气信息和编号数组的分析，以分析出数据特征，用数据特征表示里程信息与环境因素之间的关系，保证数据数值唯一，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度。
具体而言，本实施例中所述特征调整单元根据行驶参数与第一参数阈值进行比对，并根据比对结果对数据特征的分析过程进行调整，其中：
当α1≤D(i)≤α2时，所述特征调整单元判定行驶参数正常，不对数据特征的分析过程进行调整；
当D(i)＜α1或D(i)＞α2时，所述特征调整单元判定行驶参数异常，对数据特征的分析过程进行调整，调整后的数据特征为C1(i)，设定C1(i)=C(i)×[1+D(i)-(α1+α2)/2]。
具体而言，本实施例中通过所述特征调整单元对行驶参数的分析，以对数据特征的分析过程进行调整，使调整后的数据特征与汽车的行驶参数相关，在行驶参数异常的情况下对数据特征进行调整，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度。
具体而言，本实施例中所述参数分析单元根据已存储的行驶参数和油耗参数通过第二特征分析公式计算行驶特征，所述参数分析单元设有第二特征分析公式如下：
其中，H表示行驶特征，h1表示第一特征参数，h2表示第二特征参数，h3表示第三特征参数，n1表示已存储的油耗参数中空调状态为运行中的油耗参数数量，n2表示已存储的油耗参数中空调状态为未运行的油耗参数数量，ni表示当前分析周期的分析周期编号。
具体而言，本实施例中通过所述参数分析单元对已存储的行驶参数和油耗参数的分析，以分析出行驶特征，用行驶特征表示汽车行驶参数波动与油耗参数的关系，增加系统分析的多样性，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度。
具体而言，本实施例中所述特征优化单元根据行驶特征对数据特征的调整过程进行优化，优化后的数据特征为C2(i)，设定C2(i)=C1(i)×(H+1)。
具体而言，本实施例中通过所述特征优化单元对行驶特征的分析，以对数据特征的调整过程进行优化，使数据特征与行驶特征相关，增加系统分析的多样性，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度。
具体而言，本实施例中所述特征校正单元根据事故信息对行驶特征的分析过程进行校正，其中：
当M=0时，所述特征校正单元判定汽车不存在事故问题，不对行驶特征的分析过程进行校正；
当M＞0时，所述特征校正单元判定汽车存在事故问题，对行驶特征的分析过程进行校正，校正后的行驶特征为H1，设定H1=H×h3×(M+1)。
具体而言，本实施例中通过所述特征校正单元对事故信息的分析，以对行驶特征的分析过程进行校正，使行驶特征与汽车发生事故的次数相关，实现汽车的事故信息对汽车数据分析的影响，从而对数据特征进行校正，进而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度。
具体而言，本实施例中所述数据构建单元根据已存储的数据特征对特征灰度进行分析，所述数据构建单元将已存储的数据特征中连续的A个数据特征作为样本数据特征，并根据各样本数据特征根据灰度分析公式计算特征灰度，所述数据构建单元设有灰度分析公式如下：
其中，A表示样本容量，设定A=1440/T，R(k)表示第一特征灰度，G(k)表示第二特征灰度，B(k)表示第三特征灰度，L表示灰度参数，70≤L≤85。可以理解的是，本实施例中不对灰度参数的取值作具体限定，本领域技术人员可自由设置，只需满足对特征灰度的分析即可，灰度参数的最佳取值为：L=85。
具体而言，本实施例中通过所述数据构建单元对已存储的数据特征的分析，以分析出特征灰度，用特征灰度表示存储的汽车数据值，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度。
具体而言，本实施例中所述图像构建单元根据样本容量对特征图像的大小进行分析，设定特征图像的大小为X×Y，其中，X表示特征图像横向方向上的像素点数量，12≤X≤24，Y表示特征图像纵向方向上的像素点数量，Y=A/X，并用坐标点表示特征图像中各像素点的位置,并从特征图像左上角开始按照从左向右顺序对各像素点进行编号，当编号至特征图像的右边缘时，按照从上到下的顺序对下一横向方向上的像素点进行编号，编号从1开始。可以理解的是，本实施例中不对特征图像构建的大小作具体限定，本领域技术人员可自由设置，只需满足对特征图像的分析即可，特征图像的大小的最佳取值为：X=24，Y=5。
具体而言，本实施例中所述图像构建单元根据特征灰度设置特征图像的RGB值，其中：
R(xa,ya)=R(a)
G(xa,ya)=G(a)
B(xa,ya)=B(a)
其中，R(xa,ya)表示特征图像中编号为a的像素点的R值，G(xa,ya)表示特征图像中编号为a的像素点的G值，B(xa,ya)表示特征图像中编号为a的像素点的B值。
具体而言，本实施例中通过所述图像构建单元对特征灰度的分析，以构建出特征图像，用特征图像更加直观的表示出汽车数据的变化情况，从而提高系统对汽车数据的分析效率，提高数据完整性判断的准确度。
具体而言，本实施例中所述图像分析模块根据特征图像对完整性参数进行分析，其中：
当存在R(a)＞R(a+1)时，所述图像分析模块统计R(a)＞R(a+1)的数量，作为第一图像参数，记做Z1；
当存在G(a)＜L且G(a+1)＞L时，所述图像分析模块设置第二图像参数为Z2=-1；
当不存在G(a)＜L且G(a+1)＞L时，所述图像分析模块设置第二图像参数为Z2=1
所述图像分析模块统计B(a)＜1的次数和B(a)＞1的次数，并根据统计结果对第三图像参数进行分析，设定Z3=(za+zb)/(X×Y)；
所述图像分析模块根据第一图像参数、第二图像参数和第三图像参数通过完整性分析公式计算完整性参数，所述图像分析模块设有完整性分析公式如下：
W=Z3Z1+1×Z2
其中，W表示完整性参数，Z1表示第一图像参数，Z2表示第二图像参数，Z3表示第三图像参数。
具体而言，本实施例中所述图像分析模块将完整性参数与完整性阈值进行比对，并根据比对结果对数据完整性进行分析，其中：
当W≥w时，所述图像分析模块判定数据完整性为数据完整，数据未被篡改；
当W＜w时，所述图像分析模块判定数据完整性为数据不完整，数据被篡改；
其中，w表示完整性阈值，0.9≤w＜1。可以理解的是，本实施例中不对完整性阈值进行具体限定，本领域技术人员可自由设置，只需满足对数据完整性的分析即可，完整性阈值的最佳取值为：w=0.95。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (7)

1.一种汽车数据防篡改系统，其特征在于，包括：
信息获取模块，用以根据预设分析周期周期性获取汽车的行驶信息、里程信息和天气信息，还用以获取汽车的发动机信息和事故信息；
行驶分析模块，用以根据行驶信息和里程信息对行驶参数和油耗参数进行分析；
特征分析模块，用以根据里程信息、天气信息和发动机信息对数据特征进行分析，还用以根据行驶参数对数据特征的分析过程进行调整；
信息存储模块，用以行驶参数、油耗参数、数据特征和特征图像进行存储；
特征优化模块，用以根据已存储的行驶参数和油耗参数对行驶特征进行分析，还用以根据行驶特征对数据特征的调整过程进行优化，还用以根据事故信息对行驶特征的分析过程进行校正；
数据构建模块，用以根据已存储的数据特征对特征图像进行构建；
图像分析模块，用以根据特征图像对数据完整性进行分析；
输出模块，用以对数据完整性进行输出；
所述特征分析模块信息转换单元，其用以将发动机信息中每一位的字符分别进行存储，并将存储后的各字符作为36进制数字进行进制转换，将存储后的各字符转换为10进制数字进行存储，形成编号数组，记做Q(q)，其中，Q(q)表示编号数组，q表示编号数组的位数编号；
所述特征分析模块还设有特征分析单元，其用以根据里程信息、天气信息和编号数组通过第一特征分析公式对数据特征进行分析，所述特征分析单元设有第一特征分析公式如下：
其中，C(i)表示数据特征，P1表示气温，P2表示降水量，Q(q)表示编号数组，S(i)表示当前周期的里程信息，i表示周期编号；
所述特征优化模块设有参数分析单元，其用以根据已存储的行驶参数和油耗参数通过第二特征分析公式计算行驶特征，所述参数分析单元设有第二特征分析公式如下：
其中，H表示行驶特征，h1表示第一特征参数，h2表示第二特征参数，h3表示第三特征参数，n1表示已存储的油耗参数中空调状态为运行中的油耗参数数量，n2表示已存储的油耗参数中空调状态为未运行的油耗参数数量，ni表示当前分析周期的分析周期编号，D(i)表示行驶参数，i表示周期编号，F(i,1)表示空调状态为运行中的油耗参数，F(i,2)表示空调状态为未运行的油耗参数；
所述特征优化模块还设有特征优化单元，其用以根据行驶特征对数据特征的调整过程进行优化，优化后的数据特征为C2(i)，设定C2(i)=C1(i)×(H+1)。
2.根据权利要求1所述的汽车数据防篡改系统，其特征在于，所述行驶分析模块根据行驶速度和里程信息通过行驶参数公式计算行驶参数，所述行驶分析模块设有行驶参数公式如下：
D(i)=V(i)×T/[S(i)-S(i-1)]
其中，D(i)表示行驶参数，i表示周期编号，V(i)表示行驶速度，T表示预设分析周期的时长，S(i)表示当前周期的里程信息，S(i-1)表示上一周期的里程信息；
所述行驶分析模块根据行驶速度、油耗信息和空调状态对油耗参数进行分析，其中：
当空调状态为运行中时，所述行驶分析模块将当前分析周期的油耗信息与行驶速度的比值作为油耗参数，记做F(i,1)=U(i)/V(i);
当空调状态为未运行时，所述行驶分析模块将当前分析周期的油耗信息与行驶速度的比值作为油耗参数，记做F(i,2)=U(i)/V(i);
其中，F(i,1)表示空调状态为运行中的油耗参数，F(i,2)表示空调状态为未运行的油耗参数，U(i)表示油耗信息。
3.根据权利要求2所述的汽车数据防篡改系统，其特征在于，所述特征分析模块还设有特征调整单元，其用以根据行驶参数与第一参数阈值进行比对，并根据比对结果对数据特征的分析过程进行调整，其中：
当α1≤D(i)≤α2时，所述特征调整单元判定行驶参数正常，不对数据特征的分析过程进行调整；
当D(i)＜α1或D(i)＞α2时，所述特征调整单元判定行驶参数异常，对数据特征的分析过程进行调整，调整后的数据特征为C1(i)，设定C1(i)=C(i)×[1+D(i)-(α1+α2)/2]。
4.根据权利要求1所述的汽车数据防篡改系统，其特征在于，所述特征优化模块还设有特征校正单元，其用以根据事故信息对行驶特征的分析过程进行校正，其中：
当M=0时，所述特征校正单元判定汽车不存在事故问题，不对行驶特征的分析过程进行校正；
当M＞0时，所述特征校正单元判定汽车存在事故问题，对行驶特征的分析过程进行校正，校正后的行驶特征为H1，设定H1=H×h3×(M+1)。
5.根据权利要求2所述的汽车数据防篡改系统，其特征在于，所述数据构建模块设有数据构建单元，其用以根据已存储的数据特征对特征灰度进行分析，所述数据构建单元将已存储的数据特征中连续的A个数据特征作为样本数据特征，并根据各样本数据特征根据灰度分析公式计算特征灰度，所述数据构建单元设有灰度分析公式如下：
其中，A表示样本容量，设定A=1440/T，R(k)表示第一特征灰度，G(k)表示第二特征灰度，B(k)表示第三特征灰度，L表示灰度参数。
6.根据权利要求5所述的汽车数据防篡改系统，其特征在于，所述数据构建模块还设有图像构建单元，其用以根据特征灰度设置特征图像的RGB值，其中：
R(xa,ya)=R(a)
G(xa,ya)=G(a)
B(xa,ya)=B(a)
其中，R(xa,ya)表示特征图像中编号为a的像素点的R值，G(xa,ya)表示特征图像中编号为a的像素点的G值，B(xa,ya)表示特征图像中编号为a的像素点的B值。
7.根据权利要求6所述的汽车数据防篡改系统，其特征在于，所述图像分析模块根据特征图像对完整性参数进行分析，其中：
当存在R(a)＞R(a+1)时，所述图像分析模块统计R(a)＞R(a+1)的数量，作为第一图像参数，记做Z1；
当存在G(a)＜L且G(a+1)＞L时，所述图像分析模块设置第二图像参数为Z2=-1；
当不存在G(a)＜L且G(a+1)＞L时，所述图像分析模块设置第二图像参数为Z2=1
所述图像分析模块统计B(a)＜1的次数和B(a)＞1的次数，并根据统计结果对第三图像参数进行分析，设定Z3=(za+zb)/(X×Y)；
所述图像分析模块根据第一图像参数、第二图像参数和第三图像参数通过完整性分析公式计算完整性参数，所述图像分析模块设有完整性分析公式如下：
W=Z3Z1+1×Z2
其中，W表示完整性参数，Z1表示第一图像参数，Z2表示第二图像参数，Z3表示第三图像参数；
所述图像分析模块将完整性参数与完整性阈值进行比对，并根据比对结果对数据完整性进行分析，其中：
当W≥w时，所述图像分析模块判定数据完整性为数据完整，数据未被篡改；
当W＜w时，所述图像分析模块判定数据完整性为数据不完整，数据被篡改；
其中，w表示完整性阈值，0.9≤w＜1。
CN202410056876.1A 2024-01-16 2024-01-16 一种汽车数据防篡改系统 Active CN117574445B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410056876.1A CN117574445B (zh) 2024-01-16 2024-01-16 一种汽车数据防篡改系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410056876.1A CN117574445B (zh) 2024-01-16 2024-01-16 一种汽车数据防篡改系统

Publications (2)

Publication Number Publication Date
CN117574445A CN117574445A (zh) 2024-02-20
CN117574445B true CN117574445B (zh) 2024-04-09

Family

ID=89862715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410056876.1A Active CN117574445B (zh) 2024-01-16 2024-01-16 一种汽车数据防篡改系统

Country Status (1)

Country Link
CN (1) CN117574445B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1035546A (ja) * 1996-07-22 1998-02-10 Yoshinari Ono 走行自動車の走行状況の記録読出し方法及び装置
JP2008181410A (ja) * 2007-01-25 2008-08-07 Horiba Ltd ドライブレコーダ、ドライブレコーダ用プログラム、改ざん解析プログラム、データ解析システム及び画像の改ざん検出方法
CN107808429A (zh) * 2017-10-16 2018-03-16 深圳市易成自动驾驶技术有限公司 基于区块链记录车辆加油信息的方法、设备及介质
CN109714421A (zh) * 2018-12-28 2019-05-03 国汽(北京)智能网联汽车研究院有限公司 基于车路协同的智能网联汽车运行系统
CN111149141A (zh) * 2017-09-04 2020-05-12 Nng软件开发和商业有限责任公司 用于收集并使用来自交通工具的传感器数据的方法和装置
CN115510501A (zh) * 2022-11-22 2022-12-23 中汽信息科技(天津)有限公司 一种汽车数据防篡改方法和系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4726586B2 (ja) * 2005-09-20 2011-07-20 鈴木 旭 自動車用ドライブレコーダ
US9491420B2 (en) * 2009-09-20 2016-11-08 Tibet MIMAR Vehicle security with accident notification and embedded driver analytics
US10991245B2 (en) * 2018-01-22 2021-04-27 Rpma Investments Aps System and method of two-way wireless communication for connected car vehicle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1035546A (ja) * 1996-07-22 1998-02-10 Yoshinari Ono 走行自動車の走行状況の記録読出し方法及び装置
JP2008181410A (ja) * 2007-01-25 2008-08-07 Horiba Ltd ドライブレコーダ、ドライブレコーダ用プログラム、改ざん解析プログラム、データ解析システム及び画像の改ざん検出方法
CN111149141A (zh) * 2017-09-04 2020-05-12 Nng软件开发和商业有限责任公司 用于收集并使用来自交通工具的传感器数据的方法和装置
CN107808429A (zh) * 2017-10-16 2018-03-16 深圳市易成自动驾驶技术有限公司 基于区块链记录车辆加油信息的方法、设备及介质
CN109714421A (zh) * 2018-12-28 2019-05-03 国汽(北京)智能网联汽车研究院有限公司 基于车路协同的智能网联汽车运行系统
CN115510501A (zh) * 2022-11-22 2022-12-23 中汽信息科技(天津)有限公司 一种汽车数据防篡改方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
车辆自组网隐私保护研究综述;杨涛 等;计算机研究与发展;20121015;178-183 *

Also Published As

Publication number Publication date
CN117574445A (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
US9043079B2 (en) Generation of reference value for vehicle failure diagnosis
US12056782B2 (en) Method and system for area management in smart city based on internet of things
CN110395245B (zh) 一种基于固定路线驾驶信息的混动汽车能量管理系统
CN114001989B (zh) 一种基于工况识别的单车空调能耗预测方法及预测装置
CN113285924B (zh) 一种基于灰度图像深度学习的车内网络报文异常检测方法
CN111144446A (zh) 一种基于时空网格的司机身份识别方法和系统
CN117574445B (zh) 一种汽车数据防篡改系统
CN117291492B (zh) 一种基于边缘协同的货物进出口路线规划系统和方法
CN116968556A (zh) 一种基于模糊熵的动力与储能电池故障诊断方法
CN116127604B (zh) 一种汽车防撞数据处理方法及系统
CN118038662A (zh) 公路碳排与交通流量实时融合分析与处理系统
CN116383678B (zh) 一种营运客车异常变速行为常发性路段识别方法
CN115510501B (zh) 一种汽车数据防篡改方法和系统
CN114819423B (zh) 应用gis技术及数据信息融合系统的碳排治理系统
CN114610830B (zh) 一种基于驾驶行为数据的地图要素变化检测方法
CN108399662A (zh) 个人化剩余里程动态校正方法
CN115310522A (zh) 一种非机动车骑行轨迹的数据质量提升方法及系统
CN116992993A (zh) 一种交通流量预测模型建立方法、装置和设备
CN117952717B (zh) 一种基于大数据的机票订单处理方法及系统
CN118433715B (zh) 一种基于零信任的车联网安全访问控制方法和系统
CN117391910B (zh) 一种机场空气质量动态表征方法及系统
CN118628132B (zh) 一种面向收费站的碳排放数据监测方法及系统
CN117319440B (zh) 一种基于车联网的数据采集及分析方法及系统
CN117097767B (zh) 一种用于汽车车联网的联合通讯方法及系统
CN118709843A (zh) 冷链配送车的碳排放量影响参数的优化方法、装置及设备

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