JP7156372B2 - 監視装置、学習装置、監視方法、学習方法及びプログラム - Google Patents
監視装置、学習装置、監視方法、学習方法及びプログラム Download PDFInfo
- Publication number
- JP7156372B2 JP7156372B2 JP2020518290A JP2020518290A JP7156372B2 JP 7156372 B2 JP7156372 B2 JP 7156372B2 JP 2020518290 A JP2020518290 A JP 2020518290A JP 2020518290 A JP2020518290 A JP 2020518290A JP 7156372 B2 JP7156372 B2 JP 7156372B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- change
- value
- state
- discrete
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Computational Linguistics (AREA)
- Small-Scale Networks (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
Description
<<構成>>
図1は、本発明の第1の実施形態の監視装置の構成の例を表すブロック図である。本実施形態の監視装置100は、例えば、自動車に搭載されている車載ネットワークに接続される。また、監視装置100は、例えば、無線通信回線を介して、コールセンターの端末装置等に通信可能に接続されていてもよい。以下、自動車を車両とも表記する。
次に、本実施形態の監視装置100の動作について、図面を参照して詳細に説明する。
以上で説明した本実施形態には、ネットワークを流れる、車両の状態を表すデータを含むフレームから、不正なフレームを検出する精度を向上できるという効果がある。
以下では、第1の実施形態の変形例について説明する。
図7は、第1の実施形態の第2の変形例に係る監視システムの構成の例を表すブロック図である。
第3の変形例では、第1の実施形態、第1の変形例、及び、第2の変形例のいずれの構成が採用されていてもよい。第3の変形例と、第1の実施形態、第1の変形例、及び、第2の変形例との相違は、以下の通りである。
第1の実施形態の第4の変形例の構成要素は、以下に示す相違を除いて、第1の実施形態の同じ符号が付与されている同じ名称の構成要素と同様に動作する。
第1の実施形態の第5の変形例の構成要素は、以下に示す相違を除いて、第1の実施形態の同じ符号が付与されている同じ名称の構成要素と同様に動作する。
次に、本発明の第2の実施形態について、図面を参照して詳細に説明する。
まず、本実施形態の監視装置103の構成について説明する。
次に、本実施形態の監視装置103の動作について説明ずる。
本実施形態には、第1の実施形態と同じ効果がある。その理由は、判定部170が、算出部120によって算出された装置の状態の変化が、変化の前の装置の状態に応じた許容範囲に含まれるか判定するからである。
次に、本発明の第3の実施形態について、図面を参照して詳細に説明する。
まず、本実施形態に係る学習装置の構成について説明する。
次に、本実施形態に係る学習装置の動作について説明する。
本実施形態には、ネットワークを流れる、車両の状態を表すデータを含むフレームから、不正なフレームを検出する精度の向上に寄与できるという効果がある。
<<構成>>
次に、本発明の第4の実施形態について、図面を参照して詳細に説明する。
本実施形態の監視装置100の動作は、図3から図4に示す、第1の実施形態の監視装置100の動作と、以下で説明する点を除いて、同じである。
本実施形態には、第1の実施形態と同じ効果がある。その理由は、第1の実施形態の効果が生じる理由と同じである。
本実施形態は、第1の実施形態の第1から第5の変形例のそれぞれと同様の変形が可能である。
本変形例では、決定部150は、連続値空間における許容範囲のみを決定してよい。本変形例では、許容範囲の情報は、連続値空間における許容範囲のみを含んでいてよい。本変形例では、判定部170は、車両の状態の変化のうち、離散パラメータの値の変化が、離散空間における許容範囲に含まれているか否かを判定しない。判定部170は、車両の状態の変化のうち、連続パラメータの値の変化が、連続値空間における許容範囲に含まれているか否かを判定してよい。車両の状態の変化のうち、連続パラメータの値の変化が、連続値空間における許容範囲に含まれていれば、判定部170は、取得部110が取得したデータフレームが、不正なデータフレームではないと判定してよい。
本変形例では、決定部150は、離散空間における許容範囲のみを決定してよい。本変形例では、許容範囲の情報は、離散空間における許容範囲のみを含んでいてよい。本変形例では、判定部170は、車両の状態の変化のうち、連続パラメータの値の変化が、連続値空間における許容範囲に含まれているか否かを判定しない。判定部170は、車両の状態の変化のうち、離散パラメータの値の変化が、離散空間における許容範囲に含まれているか否かを判定してよい。車両の状態の変化のうち、離散パラメータの値の変化が、離散空間における許容範囲に含まれていれば、判定部170は、取得部110が取得したデータフレームが、不正なデータフレームではないと判定してよい。
上述の実施形態に係る監視装置及び学習装置の各々は、記憶媒体から読み出されたプログラムがロードされたメモリと、そのプログラムを実行するプロセッサとを含むコンピュータによって実現することができる。上述の実施形態に係る監視装置及び学習装置の各々は、専用のハードウェアによって実現することもできる。上述の実施形態に係る監視装置及び学習装置の各々は、前述のコンピュータと専用のハードウェアとの組み合わせによって実現することもできる。
また、上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
受信したデータフレームが含み、装置の状態を表すパラメータの値に基づいて、前記装置の状態の変化を算出する算出手段と、
前記変化の前の前記装置の状態に応じて定まる許容範囲に、前記変化が含まれるか否かを判定する判定手段と、
を備える監視装置。
前記許容範囲は、前記パラメータの組み合わせによって表される特徴空間において定められ、
前記判定手段は、前記データフレームが値を含む前記パラメータを含む前記組み合わせによって表される前記特徴空間において定まる前記許容範囲に、算出された前記変化が含まれるか否かを判定する
付記1に記載の監視装置。
前記判定手段は、前記データフレームが値を含む前記パラメータの少なくともいずれかをそれぞれ含む複数の前記組み合わせによってそれぞれ表される前記特徴空間において定まる、前記許容範囲の各々において、当該組み合わせが含む前記パラメータの値の変化によって表される前記装置の状態の、前記変化が含まれるか否かを判定する
付記2に記載の監視装置。
前記許容範囲は、前記パラメータのうちの第1のパラメータの前記許容範囲である第1の許容範囲として定められ、
前記判定手段は、前記第1のパラメータの値の変化によって表される前記装置の状態の変化が、前記パラメータの値に応じて定まる前記第1の許容範囲に含まれるか否かを判定する
付記1乃至3のいずれか1項に記載の監視装置。
前記第1の許容範囲は、前記パラメータのうちの第2のパラメータの値の組み合わせ毎に、前記第1のパラメータの値に応じて定められ、
前記判定手段は、前記第2のパラメータの値の組み合わせと前記第1のパラメータの値とによって定まる前記第1の許容範囲に、前記第1のパラメータの変化が含まれるか否かを判定する
付記4に記載の監視装置。
前記許容範囲は、前記第1の許容範囲と、前記第2のパラメータの前記許容範囲である第2の許容範囲として定められ、
前記第2の許容範囲は、前記第1のパラメータの値の範囲に定められた領域毎に定められ、
前記第1のパラメータの値の範囲は、前記第2のパラメータの値の組み合わせに毎に定められ、
前記判定手段は、前記第2のパラメータの値の組み合わせによって定まる前記第1の許容範囲に前記第1のパラメータの変化が含まれ、かつ、前記第1のパラメータの値が含まれる前記範囲によって定まる前記第2の許容範囲に前記第2のパラメータの変化が含まれるか否かを判定する
付記5に記載の監視装置。
前記第1の許容範囲は、前記パラメータのうち第2のパラメータの値の範囲に定められた領域毎に定められ、
前記第2のパラメータの値の範囲は、前記第1のパラメータの値の組み合わせ毎に定められ、
前記判定手段は、前記第1のパラメータの値の組み合わせと前記第2のパラメータの値が含まれる前記範囲とによって定まる前記第1の許容範囲に、前記第1のパラメータの変化が含まれるか否かを判定する
付記4に記載の監視装置。
前記変化に基づいて、前記変化の前の前記装置の状態に応じた前記変化の分布を生成する生成手段と、
生成された前記分布に基づいて、前記許容範囲を決定する決定手段と、
を備える付記1乃至7のいずれか1項に記載の監視装置。
前記装置は車両であり、
前記データフレームは、車両に搭載され前記車両の状態の情報を出力する情報処理装置によって出力され、前記車両の情報を示す
付記1乃至8のいずれか1項に記載の監視装置。
受信したデータフレームが含み、装置の状態を表すパラメータの値に基づいて、前記装置の状態の変化を算出する算出手段と、
前記変化に基づいて、前記変化の前の前記装置の状態に応じた前記変化の分布を生成する生成手段と、
生成された前記分布に基づいて、前記変化の許容範囲を決定する決定手段と、
を備える学習装置。
前記決定手段は、前記パラメータのうちの第1のパラメータの前記許容範囲である第1の許容範囲を決定する、
付記10に記載の学習装置。
前記決定手段は、前記パラメータのうちの第2のパラメータの値の組み合わせ毎に、前記第1のパラメータの値の前記変化の、前記第1のパラメータの値に応じた前記第1の許容範囲を決定する、
付記11に記載の学習装置。
前記決定手段は、さらに、前記パラメータのうちの第2のパラメータの値の組み合わせ毎に、前記第1のパラメータの値の範囲を決定し、決定された当該範囲において、複数の領域と、前記第1のパラメータの値が当該複数の領域の各々に含まれる場合の、前記第2のパラメータの値の前記変化の前記許容範囲である第2の許容範囲と、を決定する、
付記12に記載の学習装置。
前記決定手段は、前記第1のパラメータの値の組み合わせ毎に、前記パラメータのうちの第2のパラメータの値の範囲を決定し、決定された当該範囲において、複数の領域と、前記第2のパラメータの値が当該複数の領域の各々に含まれる場合の、前記第1の許容範囲とを決定する
付記11に記載の学習装置。
前記装置は車両であり、
前記データフレームは、車両に搭載され前記車両の状態の情報を出力する情報処理装置によって出力され、前記車両の情報を示す
付記10乃至14のいずれか1項に記載の学習装置。
受信したデータフレームが含み、装置の状態を表すパラメータの値に基づいて、前記装置の状態の変化を算出し、
前記変化の前の前記装置の状態に応じて定まる許容範囲に、前記変化が含まれるか否かを判定する、
監視方法。
前記許容範囲は、前記パラメータの組み合わせによって表される特徴空間において定められ、
前記データフレームが値を含む前記パラメータを含む前記組み合わせによって表される前記特徴空間において定まる前記許容範囲に、算出された前記変化が含まれるか否かを判定する
付記16に記載の監視方法。
前記データフレームが値を含む前記パラメータの少なくともいずれかをそれぞれ含む複数の前記組み合わせによってそれぞれ表される前記特徴空間において定まる、前記許容範囲の各々において、当該組み合わせが含む前記パラメータの値の変化によって表される前記装置の状態の、前記変化が含まれるか否かを判定する
付記17に記載の監視方法。
前記許容範囲は、前記パラメータのうちの第1のパラメータの前記許容範囲である第1の許容範囲として定められ、
前記第1のパラメータの値の変化によって表される前記装置の状態の変化が、前記パラメータの値に応じて定まる前記第1の許容範囲に含まれるか否かを判定する
付記16乃至18のいずれか1項に記載の監視方法。
前記第1の許容範囲は、前記パラメータのうちの第2のパラメータの値の組み合わせ毎に、前記第1のパラメータの値に応じて定められ、
前記第2のパラメータの値の組み合わせと前記第1のパラメータの値とによって定まる前記第1の許容範囲に、前記第1のパラメータの変化が含まれるか否かを判定する
付記19に記載の監視方法。
前記許容範囲は、前記第1の許容範囲と、前記第2のパラメータの前記許容範囲である第2の許容範囲として定められ、
前記第2の許容範囲は、前記第1のパラメータの値の範囲に定められた領域毎に定められ、
前記第1のパラメータの値の範囲は、前記第2のパラメータの値の組み合わせに毎に定められ、
前記第2のパラメータの値の組み合わせによって定まる前記第1の許容範囲に前記第1のパラメータの変化が含まれ、かつ、前記第1のパラメータの値が含まれる前記範囲によって定まる前記第2の許容範囲に前記第2のパラメータの変化が含まれるか否かを判定する
付記20に記載の監視方法。
前記第1の許容範囲は、前記パラメータのうち第2のパラメータの値の範囲に定められた領域毎に定められ、
前記第2のパラメータの値の範囲は、前記第1のパラメータの値の組み合わせ毎に定められ、
前記第1のパラメータの値の組み合わせと前記第2のパラメータの値が含まれる前記範囲とによって定まる前記第1の許容範囲に、前記第1のパラメータの変化が含まれるか否かを判定する
付記19に記載の監視方法。
前記変化に基づいて、前記変化の前の前記装置の状態に応じた前記変化の分布を生成し、
生成された前記分布に基づいて、前記許容範囲を決定する、
付記16乃至22のいずれか1項に記載の監視方法。
前記装置は車両であり、
前記データフレームは、車両に搭載され前記車両の状態の情報を出力する情報処理装置によって出力され、前記車両の情報を示す
付記16乃至23のいずれか1項に記載の監視方法。
受信したデータフレームが含み、装置の状態を表すパラメータの値に基づいて、前記装置の状態の変化を算出し、
前記変化に基づいて、前記変化の前の前記装置の状態に応じた前記変化の分布を生成し、
生成された前記分布に基づいて、前記変化の許容範囲を決定する、
学習方法。
前記パラメータのうちの第1のパラメータの前記許容範囲である第1の許容範囲を決定する、
付記25に記載の学習方法。
前記パラメータのうちの第2のパラメータの値の組み合わせ毎に、前記第1のパラメータの値の前記変化の、前記第1のパラメータの値に応じた前記第1の許容範囲を決定する、
付記26に記載の学習方法。
さらに、前記パラメータのうちの第2のパラメータの値の組み合わせ毎に、前記第1のパラメータの値の範囲を決定し、決定された当該範囲において、複数の領域と、前記第1のパラメータの値が当該複数の領域の各々に含まれる場合の、前記第2のパラメータの値の前記変化の前記許容範囲である第2の許容範囲と、を決定する、
付記27に記載の学習方法。
前記第1のパラメータの値の組み合わせ毎に、前記パラメータのうちの第2のパラメータの値の範囲を決定し、決定された当該範囲において、複数の領域と、前記第2のパラメータの値が当該複数の領域の各々に含まれる場合の、前記第1の許容範囲とを決定する
付記26に記載の学習方法。
前記装置は車両であり、
前記データフレームは、車両に搭載され前記車両の状態の情報を出力する情報処理装置によって出力され、前記車両の情報を示す
付記25乃至29のいずれか1項に記載の学習方法。
受信したデータフレームが含み、装置の状態を表すパラメータの値に基づいて、前記装置の状態の変化を算出する算出処理と、
前記変化の前の前記装置の状態に応じて定まる許容範囲に、前記変化が含まれるか否かを判定する判定処理と、
をコンピュータに実行させるプログラムを記憶する記憶媒体。
前記許容範囲は、前記パラメータの組み合わせによって表される特徴空間において定められ、
前記判定処理は、前記データフレームが値を含む前記パラメータを含む前記組み合わせによって表される前記特徴空間において定まる前記許容範囲に、算出された前記変化が含まれるか否かを判定する
付記31に記載の記憶媒体。
前記判定処理は、前記データフレームが値を含む前記パラメータの少なくともいずれかをそれぞれ含む複数の前記組み合わせによってそれぞれ表される前記特徴空間において定まる、前記許容範囲の各々において、当該組み合わせが含む前記パラメータの値の変化によって表される前記装置の状態の、前記変化が含まれるか否かを判定する
付記32に記載の記憶媒体。
前記許容範囲は、前記パラメータのうちの第1のパラメータの前記許容範囲である第1の許容範囲として定められ、
前記判定処理は、前記第1のパラメータの値の変化によって表される前記装置の状態の変化が、前記パラメータの値に応じて定まる前記第1の許容範囲に含まれるか否かを判定する
付記31乃至33のいずれか1項に記載の記憶媒体。
前記第1の許容範囲は、前記パラメータのうちの第2のパラメータの値の組み合わせ毎に、前記第1のパラメータの値に応じて定められ、
前記判定処理は、前記第2のパラメータの値の組み合わせと前記第1のパラメータの値とによって定まる前記第1の許容範囲に、前記第1のパラメータの変化が含まれるか否かを判定する
付記34に記載の記憶媒体。
前記許容範囲は、前記第1の許容範囲と、前記第2のパラメータの前記許容範囲である第2の許容範囲として定められ、
前記第2の許容範囲は、前記第1のパラメータの値の範囲に定められた領域毎に定められ、
前記第1のパラメータの値の範囲は、前記第2のパラメータの値の組み合わせに毎に定められ、
前記判定処理は、前記第2のパラメータの値の組み合わせによって定まる前記第1の許容範囲に前記第1のパラメータの変化が含まれ、かつ、前記第1のパラメータの値が含まれる前記範囲によって定まる前記第2の許容範囲に前記第2のパラメータの変化が含まれるか否かを判定する
付記35に記載の記憶媒体。
前記第1の許容範囲は、前記パラメータのうち第2のパラメータの値の範囲に定められた領域毎に定められ、
前記第2のパラメータの値の範囲は、前記第1のパラメータの値の組み合わせ毎に定められ、
前記判定処理は、前記第1のパラメータの値の組み合わせと前記第2のパラメータの値が含まれる前記範囲とによって定まる前記第1の許容範囲に、前記第1のパラメータの変化が含まれるか否かを判定する
付記34に記載の記憶媒体。
前記プログラムは、
前記変化に基づいて、前記変化の前の前記装置の状態に応じた前記変化の分布を生成する生成処理と、
生成された前記分布に基づいて、前記許容範囲を決定する決定処理と、
をコンピュータに実行させる付記31乃至37のいずれか1項に記載の記憶媒体。
前記装置は車両であり、
前記データフレームは、車両に搭載され前記車両の状態の情報を出力する情報処理装置によって出力され、前記車両の情報を示す
付記31乃至38のいずれか1項に記載の記憶媒体。
受信したデータフレームが含み、装置の状態を表すパラメータの値に基づいて、前記装置の状態の変化を算出する算出処理と、
前記変化に基づいて、前記変化の前の前記装置の状態に応じた前記変化の分布を生成する生成処理と、
生成された前記分布に基づいて、前記変化の許容範囲を決定する決定処理と、
をコンピュータに実行させるプログラムを記憶する記憶媒体。
前記決定処理は、前記パラメータのうちの第1のパラメータの前記許容範囲である第1の許容範囲を決定する、
付記40に記載の記憶媒体。
前記決定処理は、前記パラメータのうちの第2のパラメータの値の組み合わせ毎に、前記第1のパラメータの値の前記変化の、前記第1のパラメータの値に応じた前記第1の許容範囲を決定する、
付記41に記載の記憶媒体。
前記決定処理は、さらに、前記パラメータのうちの第2のパラメータの値の組み合わせ毎に、前記第1のパラメータの値の範囲を決定し、決定された当該範囲において、複数の領域と、前記第1のパラメータの値が当該複数の領域の各々に含まれる場合の、前記第2のパラメータの値の前記変化の前記許容範囲である第2の許容範囲と、を決定する、
付記42に記載の記憶媒体。
前記決定処理は、前記第1のパラメータの値の組み合わせ毎に、前記パラメータのうちの第2のパラメータの値の範囲を決定し、決定された当該範囲において、複数の領域と、前記第2のパラメータの値が当該複数の領域の各々に含まれる場合の、前記第1の許容範囲とを決定する
付記41に記載の記憶媒体。
前記装置は車両であり、
前記データフレームは、車両に搭載され前記車両の状態の情報を出力する情報処理装置によって出力され、前記車両の情報を示す
付記40乃至44のいずれか1項に記載の記憶媒体。
11 監視システム
12 監視システム
100 監視装置
101 監視装置
102 監視装置
103 監視装置
110 取得部
120 算出部
130 生成部
140 分布記憶部
150 決定部
160 ルール記憶部
170 判定部
180 出力部
190 ルール取得部
201 学習装置
202 学習装置
203 学習装置
280 ルール出力部
302 ルール記憶装置
500 ECU
501 不正ECU
600 バス
700 コールセンター端末
1000 コンピュータ
1001 プロセッサ
1002 メモリ
1003 記憶装置
1004 I/Oインタフェース
1005 記憶媒体
Claims (9)
- 受信したデータフレームが含み、装置の状態を表すパラメータの値に基づいて、前記装置の状態の変化を算出する算出手段と、
前記変化の前の前記装置の状態に応じて定まる許容範囲に、前記変化が含まれるか否かを判定する判定手段と、
を備え、
前記パラメータは、連続的な前記パラメータと、離散的な前記パラメータとを含み、
前記許容範囲は、離散的な前記パラメータの前記許容範囲と、連続的な前記パラメータの前記許容範囲とを含み、
連続的な前記パラメータの前記許容範囲は、離散的な前記パラメータによって定まり、
前記算出手段は、前記装置の状態の前記変化として、離散的な前記パラメータの値に基づく前記変化と、連続的な前記パラメータの値に基づく前記変化とを算出し、
前記判定手段は、
連続的な前記パラメータの値の前記変化が連続的な前記パラメータの前記許容範囲に含まれるか否かを判定し、
連続的な前記パラメータの値の前記変化が連続的な前記パラメータの前記許容範囲に含まれる場合に、離散的な前記パラメータの値の前記変化が離散的な前記パラメータの前記許容範囲に含まれるか否かを判定し、さらに、
離散的な前記パラメータの値の前記変化が離散的な前記パラメータの前記許容範囲に含まれる場合に受信した前記データフレームが不正な前記データフレームでないと判定する
監視装置。 - 前記許容範囲は、前記パラメータの組み合わせによって表される特徴空間において定められ、
前記判定手段は、前記データフレームが値を含む前記パラメータを含む前記組み合わせによって表される前記特徴空間において定まる前記許容範囲に、算出された前記変化が含まれるか否かを判定する
請求項1に記載の監視装置。 - 前記判定手段は、前記データフレームが値を含む前記パラメータの少なくともいずれかをそれぞれ含む複数の前記組み合わせによってそれぞれ表される前記特徴空間において定まる、前記許容範囲の各々において、当該組み合わせが含む前記パラメータの値の変化によって表される前記装置の状態の、前記変化が含まれるか否かを判定する
請求項2に記載の監視装置。 - 前記許容範囲は、前記パラメータのうちの第1のパラメータの前記許容範囲である第1の許容範囲として定められ、
前記判定手段は、前記第1のパラメータの値の変化によって表される前記装置の状態の変化が、前記パラメータの値に応じて定まる前記第1の許容範囲に含まれるか否かを判定する
請求項1乃至3のいずれか1項に記載の監視装置。 - 受信したデータフレームが含み、装置の状態を表すパラメータの値に基づいて、前記装置の状態の変化を算出する算出手段と、
前記変化に基づいて、前記変化の前の前記装置の状態に応じた前記変化の分布を生成する生成手段と、
生成された前記分布に基づいて、前記変化の許容範囲を決定する決定手段と、
前記パラメータは、連続的な前記パラメータと、離散的な前記パラメータとを含み、
前記許容範囲は、離散的な前記パラメータの前記許容範囲と、連続的な前記パラメータの前記許容範囲とを含み、
連続的な前記パラメータの前記許容範囲は、離散的な前記パラメータによって定まり、
前記算出手段は、前記装置の状態の前記変化として、離散的な前記パラメータの値に基づく前記変化と、連続的な前記パラメータの値に基づく前記変化とを算出し、
前記生成手段は、離散的な前記パラメータの値の前記変化に基づいて離散的な前記パラメータの値の前記変化の前記分布を生成し、連続的な前記パラメータの値の前記変化に基づいて連続的な前記パラメータの前記変化の前記分布を生成し、
前記決定手段は、離散的な前記パラメータの値の前記変化の前記分布と、連続的な前記パラメータの値の前記変化の前記分布とに基づいて、連続的な前記パラメータの前記許容範囲と、離散的な前記パラメータの前記許容範囲とを決定する
学習装置。 - 受信したデータフレームが含み、装置の状態を表すパラメータの値に基づいて、前記装置の状態の変化を算出し、
前記変化の前の前記装置の状態に応じて定まる許容範囲に、前記変化が含まれるか否かを判定する監視方法であって、
前記パラメータは、連続的な前記パラメータと、離散的な前記パラメータとを含み、
前記許容範囲は、離散的な前記パラメータの前記許容範囲と、離散的な前記パラメータによって定まる連続的な前記パラメータの前記許容範囲とを含み、
連続的な前記パラメータの前記許容範囲は、離散的な前記パラメータによって定まり、
前記装置の状態の前記変化として、離散的な前記パラメータの値に基づく前記変化と、連続的な前記パラメータの値に基づく前記変化とを算出し、
連続的な前記パラメータの値の前記変化が連続的な前記パラメータの前記許容範囲に含まれるか否かを判定し、
連続的な前記パラメータの値の前記変化が連続的な前記パラメータの前記許容範囲に含まれる場合に、離散的な前記パラメータの値の前記変化が離散的な前記パラメータの前記許容範囲に含まれるか否かを判定し、さらに、
離散的な前記パラメータの値の前記変化が離散的な前記パラメータの前記許容範囲に含まれる場合に受信した前記データフレームが不正な前記データフレームでないと判定する
監視方法。 - 受信したデータフレームが含み、装置の状態を表すパラメータの値に基づいて、前記装置の状態の変化を算出し、
前記変化に基づいて、前記変化の前の前記装置の状態に応じた前記変化の分布を生成し、
生成された前記分布に基づいて、前記変化の許容範囲を決定する学習処理であって、
前記パラメータは、連続的な前記パラメータと、離散的な前記パラメータとを含み、
前記許容範囲は、離散的な前記パラメータの前記許容範囲と、離散的な前記パラメータによって定まる連続的な前記パラメータの前記許容範囲とを含み、
連続的な前記パラメータの前記許容範囲は、離散的な前記パラメータによって定まり、
前記装置の状態の前記変化として、離散的な前記パラメータの値に基づく前記変化と、連続的な前記パラメータの値に基づく前記変化とを算出し、
離散的な前記パラメータの値の前記変化に基づいて離散的な前記パラメータの値の前記変化の前記分布を生成し、連続的な前記パラメータの値の前記変化に基づいて連続的な前記パラメータの前記変化の前記分布を生成し、
離散的な前記パラメータの値の前記変化の前記分布と、連続的な前記パラメータの値の前記変化の前記分布とに基づいて、連続的な前記パラメータの前記許容範囲と、離散的な前記パラメータの前記許容範囲とを決定する
学習方法。 - 受信したデータフレームが含み、装置の状態を表すパラメータの値に基づいて、前記装置の状態の変化を算出する算出処理と、
前記変化の前の前記装置の状態に応じて定まる許容範囲に、前記変化が含まれるか否かを判定する判定処理とをコンピュータの実行させるプログラムであって、
前記パラメータは、連続的な前記パラメータと、離散的な前記パラメータとを含み、
前記許容範囲は、離散的な前記パラメータの前記許容範囲と、離散的な前記パラメータによって定まる連続的な前記パラメータの前記許容範囲とを含み、
連続的な前記パラメータの前記許容範囲は、離散的な前記パラメータによって定まり、
前記算出処理は、前記装置の状態の前記変化として、離散的な前記パラメータの値に基づく前記変化と、連続的な前記パラメータの値に基づく前記変化とを算出し、
前記判定処理は、
連続的な前記パラメータの値の前記変化が連続的な前記パラメータの前記許容範囲に含まれるか否かを判定し、
連続的な前記パラメータの値の前記変化が連続的な前記パラメータの前記許容範囲に含まれる場合に、離散的な前記パラメータの値の前記変化が離散的な前記パラメータの前記許容範囲に含まれるか否かを判定し、さらに、
離散的な前記パラメータの値の前記変化が離散的な前記パラメータの前記許容範囲に含まれる場合に受信した前記データフレームが不正な前記データフレームでないと判定する
プログラム。 - 受信したデータフレームが含み、装置の状態を表すパラメータの値に基づいて、前記装置の状態の変化を算出する算出処理と、
前記変化に基づいて、前記変化の前の前記装置の状態に応じた前記変化の分布を生成する生成処理と、
生成された前記分布に基づいて、前記変化の許容範囲を決定する決定処理とをコンピュータに実行させるプログラムであって、
前記パラメータは、連続的な前記パラメータと、離散的な前記パラメータとを含み、
前記許容範囲は、離散的な前記パラメータの前記許容範囲と、離散的な前記パラメータによって定まる連続的な前記パラメータの前記許容範囲とを含み、
連続的な前記パラメータの前記許容範囲は、離散的な前記パラメータによって定まり、
前記算出処理は、前記装置の状態の前記変化として、離散的な前記パラメータの値に基づく前記変化と、連続的な前記パラメータの値に基づく前記変化とを算出し、
前記生成処理は、離散的な前記パラメータの値の前記変化に基づいて離散的な前記パラメータの値の前記変化の前記分布を生成し、連続的な前記パラメータの値の前記変化に基づいて連続的な前記パラメータの前記変化の前記分布を生成する処理であり、
前記決定処理は、離散的な前記パラメータの値の前記変化の前記分布と、連続的な前記パラメータの値の前記変化の前記分布とに基づいて、連続的な前記パラメータの前記許容範囲と、離散的な前記パラメータの前記許容範囲とを決定する処理である
プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JPPCT/JP2018/017735 | 2018-05-08 | ||
PCT/JP2018/017735 WO2019215807A1 (ja) | 2018-05-08 | 2018-05-08 | 監視装置、学習装置、監視方法、学習方法及び記憶媒体 |
PCT/JP2019/018202 WO2019216295A1 (ja) | 2018-05-08 | 2019-05-07 | 監視装置、学習装置、監視方法、学習方法及び記憶媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019216295A1 JPWO2019216295A1 (ja) | 2021-05-27 |
JP7156372B2 true JP7156372B2 (ja) | 2022-10-19 |
Family
ID=68466718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020518290A Active JP7156372B2 (ja) | 2018-05-08 | 2019-05-07 | 監視装置、学習装置、監視方法、学習方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11682217B2 (ja) |
JP (1) | JP7156372B2 (ja) |
WO (2) | WO2019215807A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832496B (zh) * | 2020-07-17 | 2023-11-03 | 南京康尼机电股份有限公司 | 一种轨道车门开关状态判断方法、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002189556A (ja) | 2000-12-22 | 2002-07-05 | Alps Electric Co Ltd | 手動入力装置及びこれを用いた車載機器制御装置 |
JP2004502932A (ja) | 2000-07-05 | 2004-01-29 | ロールス・ロイス・ピーエルシー | 動力装置の状態監視 |
JP2011075523A (ja) | 2009-10-02 | 2011-04-14 | Toyota Central R&D Labs Inc | 正常空間構築支援装置、正常空間構築支援方法、プログラム、および異常監視システム |
WO2016143072A1 (ja) | 2015-03-10 | 2016-09-15 | 三菱電機株式会社 | プログラマブルロジックコントローラ |
WO2017119027A1 (ja) | 2016-01-08 | 2017-07-13 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 不正検知方法、監視電子制御ユニット及び車載ネットワークシステム |
US20170278323A1 (en) | 2016-03-25 | 2017-09-28 | Qualcomm Incorporated | Methods and Systems for Utilizing Information Collected from Multiple Sensors to Protect a Vehicle from Malware and Attacks |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4847594A (en) * | 1988-03-28 | 1989-07-11 | Transducer Research, Inc. | Sensor for detecting the exhaustion of an adsorbent bed |
US20030233366A1 (en) * | 2002-06-17 | 2003-12-18 | Aspetuck Systems Inc. | Database monitoring system with formatted report information delivery |
WO2005089003A1 (en) * | 2004-02-11 | 2005-09-22 | Nokia Corporation | Scheduling with hidden rate request |
JP4483720B2 (ja) * | 2005-06-23 | 2010-06-16 | 株式会社デンソー | 電子制御装置 |
US7766840B2 (en) * | 2005-12-01 | 2010-08-03 | Cardiac Pacemakers, Inc. | Method and system for heart failure status evaluation based on a disordered breathing index |
US8072324B2 (en) * | 2008-02-20 | 2011-12-06 | Icontrol, Inc. | Methods for remote device status determination |
US10002034B2 (en) * | 2008-02-25 | 2018-06-19 | Georgetown University | System and method for detecting, collecting, analyzing, and communicating event-related information |
JP5623227B2 (ja) * | 2010-09-30 | 2014-11-12 | 株式会社トプコン | 測定方法及び測定装置 |
US9113590B2 (en) * | 2012-08-06 | 2015-08-25 | Superior Edge, Inc. | Methods, apparatus, and systems for determining in-season crop status in an agricultural crop and alerting users |
US9767668B2 (en) * | 2013-03-14 | 2017-09-19 | International Business Machines Corporation | Automatic adjustment of metric alert trigger thresholds |
US9594163B2 (en) * | 2013-04-15 | 2017-03-14 | Electronics And Telecommunications Research Institute | Security and surveillance system and method |
WO2014204646A1 (en) * | 2013-06-19 | 2014-12-24 | Zoll Medical Corporation | Analysis of skin coloration |
US20150084784A1 (en) * | 2013-09-25 | 2015-03-26 | Solutionbee, LLC | Apiary monitoring system |
JP6320200B2 (ja) * | 2014-07-01 | 2018-05-09 | アズビル株式会社 | Pidコントローラおよびデータ収集方法 |
JP6649215B2 (ja) | 2015-12-14 | 2020-02-19 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | セキュリティ装置、ネットワークシステム及び攻撃検知方法 |
JP6378217B2 (ja) * | 2016-01-06 | 2018-08-22 | ファナック株式会社 | 制御盤の密閉監視機能を有する工作機械 |
US10695907B2 (en) * | 2017-09-29 | 2020-06-30 | Intel Corporation | Methods and apparatus for monitoring robot health in manufacturing environments |
WO2020157807A1 (ja) * | 2019-01-28 | 2020-08-06 | 三菱電機株式会社 | 衛星コンステレーション形成システム、衛星コンステレーション形成方法、デブリ除去方式、衛星コンステレーション構築方式、および地上設備 |
US11200435B1 (en) * | 2019-03-11 | 2021-12-14 | Objectvideo Labs, Llc | Property video surveillance from a vehicle |
US11023896B2 (en) * | 2019-06-20 | 2021-06-01 | Coupang, Corp. | Systems and methods for real-time processing of data streams |
KR20210006707A (ko) * | 2019-07-09 | 2021-01-19 | 현대자동차주식회사 | 텔레매틱스 서비스 시스템 및 방법 |
US10717411B1 (en) * | 2019-07-25 | 2020-07-21 | Pony Ai Inc. | Systems and methods of using piezoelectric sensors for theft detection of enclosures |
KR20210096748A (ko) * | 2020-01-29 | 2021-08-06 | 세메스 주식회사 | 공정 제어 장치 및 방법 |
US20220172295A1 (en) * | 2020-12-01 | 2022-06-02 | Metropolitan Property And Casualty Insurance Company | Systems, methods, and devices for aggregating and quantifying telematics data |
US20220318920A1 (en) * | 2021-04-05 | 2022-10-06 | State Farm Mutual Automobile Insurance Company | Systems and methods for modeling telematics data |
-
2018
- 2018-05-08 WO PCT/JP2018/017735 patent/WO2019215807A1/ja active Application Filing
-
2019
- 2019-05-07 JP JP2020518290A patent/JP7156372B2/ja active Active
- 2019-05-07 WO PCT/JP2019/018202 patent/WO2019216295A1/ja active Application Filing
- 2019-05-07 US US17/052,957 patent/US11682217B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004502932A (ja) | 2000-07-05 | 2004-01-29 | ロールス・ロイス・ピーエルシー | 動力装置の状態監視 |
JP2002189556A (ja) | 2000-12-22 | 2002-07-05 | Alps Electric Co Ltd | 手動入力装置及びこれを用いた車載機器制御装置 |
JP2011075523A (ja) | 2009-10-02 | 2011-04-14 | Toyota Central R&D Labs Inc | 正常空間構築支援装置、正常空間構築支援方法、プログラム、および異常監視システム |
WO2016143072A1 (ja) | 2015-03-10 | 2016-09-15 | 三菱電機株式会社 | プログラマブルロジックコントローラ |
WO2017119027A1 (ja) | 2016-01-08 | 2017-07-13 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 不正検知方法、監視電子制御ユニット及び車載ネットワークシステム |
US20170278323A1 (en) | 2016-03-25 | 2017-09-28 | Qualcomm Incorporated | Methods and Systems for Utilizing Information Collected from Multiple Sensors to Protect a Vehicle from Malware and Attacks |
Also Published As
Publication number | Publication date |
---|---|
WO2019216295A1 (ja) | 2019-11-14 |
JPWO2019216295A1 (ja) | 2021-05-27 |
US11682217B2 (en) | 2023-06-20 |
WO2019215807A1 (ja) | 2019-11-14 |
US20210248385A1 (en) | 2021-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11380197B2 (en) | Data analysis apparatus | |
EP3370389B1 (en) | Cooperative cloud-edge vehicle anomaly detection | |
US11281811B2 (en) | Method, apparatus and device for storing vehicular data | |
US20180300477A1 (en) | In-vehicle cyber protection | |
JP5573743B2 (ja) | 車両データ解析装置、車両データ解析方法、及び故障診断装置 | |
US11595431B2 (en) | Information processing apparatus, moving apparatus, and method | |
US11178164B2 (en) | Data analysis apparatus | |
WO2021059714A1 (ja) | 占有グリッドマップ生成装置、占有グリッドマップ生成システム、占有グリッドマップ生成方法、およびプログラム | |
US11962605B2 (en) | Information processing apparatus, data analysis method and program | |
JP7180686B2 (ja) | 情報処理装置、異常分析方法及びプログラム | |
WO2020075826A1 (ja) | 機器、データ送信方法及びプログラム | |
KR101131344B1 (ko) | 메커트로닉스 시스템의 모델에 기초한 진단 방법 | |
CN112650977B (zh) | 保护神经网络模型的方法 | |
CN112693407A (zh) | 车辆安全性增强 | |
JP7156372B2 (ja) | 監視装置、学習装置、監視方法、学習方法及びプログラム | |
WO2021111681A1 (ja) | 情報処理装置、制御方法及びプログラム | |
CN114358241A (zh) | 确定安全关键输出值的方法及相应的系统和程序产品 | |
CN109960627B (zh) | 电子控制设备及其操作方法与计算机可读记录介质 | |
CN117389614B (zh) | 车辆软件的激活方法、装置、计算机设备及存储介质 | |
WO2022254520A1 (ja) | インテグリティ検証装置およびインテグリティ検証方法 | |
WO2021085196A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN112580031B (zh) | 用于防止程序代码对车辆恶意攻击的设备、系统和方法 | |
JP2024051738A (ja) | 情報処理装置、情報処理システム、情報処理プログラム、情報処理方法 | |
CN112580031A (zh) | 用于防止程序代码对车辆恶意攻击的设备、系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE Effective date: 20201014 Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201014 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE Effective date: 20201014 Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201014 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211019 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20211022 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220628 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220906 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220919 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7156372 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |