【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及汽車網(wǎng)絡(luò)安全，具體涉及一種對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法。
技術(shù)介紹
1、網(wǎng)聯(lián)汽車，即智能網(wǎng)聯(lián)汽車，是指車聯(lián)網(wǎng)與智能車的有機(jī)聯(lián)合，其可以通過無線通信技術(shù)與外部網(wǎng)絡(luò)進(jìn)行連接，實現(xiàn)車輛與車輛(v2v)、車輛與基礎(chǔ)設(shè)施(v2i)、車輛與行人(v2p)之間的信息交互。這種汽車搭載有先進(jìn)的車載傳感器、控制器、執(zhí)行器等裝置，以及通信模塊，使得該汽車在具備智能駕駛輔助功能的同時，還能提供信息娛樂功能。
2、目前，無論是網(wǎng)聯(lián)汽車與車聯(lián)網(wǎng)的數(shù)據(jù)傳輸，還是網(wǎng)聯(lián)汽車的智能駕駛輔助功能、信息娛樂功能，都需要依托其安裝在網(wǎng)聯(lián)汽車智能系統(tǒng)中的應(yīng)用程序(application，app)，來跟外部網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)交換。但是，這些應(yīng)用程序往往沒有網(wǎng)絡(luò)攻擊預(yù)警機(jī)制。所以，智能網(wǎng)聯(lián)汽車與外部網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)通信的應(yīng)用程序，由于其通常使用的數(shù)據(jù)傳輸安全機(jī)制較弱，往往不會進(jìn)行身份驗證，也不會進(jìn)行數(shù)據(jù)包長度、結(jié)構(gòu)的一致性驗證。故，目前網(wǎng)聯(lián)汽車的智能系統(tǒng)中許多應(yīng)用程序都會遭受來自數(shù)據(jù)流量中的網(wǎng)絡(luò)攻擊，但是駕駛員完全無法及時得知，網(wǎng)聯(lián)汽車的智能系統(tǒng)也無法對網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警，根本沒有辦法對網(wǎng)絡(luò)攻擊及時作出急救措施。
3、一旦網(wǎng)聯(lián)汽車的數(shù)據(jù)傳輸安全機(jī)制被這種網(wǎng)絡(luò)攻擊攻陷，攻擊者通過某個應(yīng)用程序成功入侵到網(wǎng)聯(lián)汽車的智能系統(tǒng)中，就會出現(xiàn)以下諸多問題：
4、①網(wǎng)聯(lián)汽車的數(shù)據(jù)在智能系統(tǒng)中，通常是經(jīng)總線以明文的形式傳輸，沒有加密處理，攻擊者可以使用專業(yè)設(shè)備監(jiān)聽總線通信，探測到關(guān)于網(wǎng)聯(lián)汽車、駕駛員的各種私密信息；
5、②攻擊者可以在
6、所以，如何為網(wǎng)聯(lián)汽車的數(shù)據(jù)通信網(wǎng)絡(luò)構(gòu)建出判斷自身是否遭受網(wǎng)絡(luò)攻擊的防御機(jī)制，實時對網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警，使網(wǎng)聯(lián)汽車能夠?qū)W(wǎng)絡(luò)攻擊及時作出急救措施，一直是本領(lǐng)域技術(shù)人員亟待解決的問題。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的是針對現(xiàn)有技術(shù)對應(yīng)的不足，提供一種對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，在網(wǎng)聯(lián)汽車的智能系統(tǒng)中，設(shè)置一個能夠判斷網(wǎng)絡(luò)攻擊行為的鑒別器(由半監(jiān)督生成對抗網(wǎng)絡(luò)通過對抗訓(xùn)練得出)，由該鑒別器對實時采集到的車載應(yīng)用數(shù)據(jù)進(jìn)行監(jiān)控，以準(zhǔn)確判斷網(wǎng)聯(lián)汽車的數(shù)據(jù)通信網(wǎng)絡(luò)是否受到網(wǎng)絡(luò)攻擊。
2、本專利技術(shù)的目的是采用下述方案實現(xiàn)的，一種對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，包括以下步驟：
3、1)建立用于判斷網(wǎng)絡(luò)攻擊行為的半監(jiān)督生成對抗網(wǎng)絡(luò)，該半監(jiān)督生成對抗網(wǎng)絡(luò)包括一個包含多個殘差跳躍連接塊的鑒別器，和一個生成器；
4、2)采集網(wǎng)聯(lián)汽車各種車載應(yīng)用的數(shù)據(jù)流量，形成實時網(wǎng)絡(luò)數(shù)據(jù)流量集；
5、3)對實時網(wǎng)絡(luò)數(shù)據(jù)流量集中的各類數(shù)據(jù)流量進(jìn)行預(yù)處理，得到對應(yīng)的數(shù)據(jù)流量圖；
6、4)將步驟3)中得到的數(shù)據(jù)流量圖輸入至半監(jiān)督生成對抗網(wǎng)絡(luò)的鑒別器中，以判斷網(wǎng)聯(lián)汽車的智能系統(tǒng)是否正在遭受網(wǎng)絡(luò)攻擊。
7、優(yōu)選地，步驟1)中，所述半監(jiān)督生成對抗網(wǎng)絡(luò)的具體獲取方式如下：
8、1-1)采集網(wǎng)聯(lián)汽車各種車載應(yīng)用的若干數(shù)據(jù)、流量，形成真實數(shù)據(jù)集；
9、1-2)將真實數(shù)據(jù)集中的部分?jǐn)?shù)據(jù)流量作為無標(biāo)簽樣本，形成無標(biāo)簽樣本集；
10、1-3)對真實數(shù)據(jù)集中同一類數(shù)據(jù)流量進(jìn)行標(biāo)記、編號，形成有標(biāo)簽樣本集；
11、1-4)利用有標(biāo)簽樣本集、無標(biāo)簽樣本集訓(xùn)練鑒別器；
12、1-5)利用隨機(jī)噪聲向量訓(xùn)練生成器；
13、1-6)重復(fù)步驟1-4)至1-5)，直到重復(fù)次數(shù)等于預(yù)先設(shè)置的循環(huán)次數(shù)。
14、優(yōu)選地，步驟1-4)中)利用有標(biāo)簽樣本集、無標(biāo)簽樣本集訓(xùn)練鑒別器的具體方式如下：
15、1-4-1)初始化生成器的網(wǎng)絡(luò)參數(shù)；
16、1-4-2)將有標(biāo)簽樣本集中的若干樣本與對應(yīng)標(biāo)簽同時送入鑒別器，計算多分類損失并反向傳播，使鑒別器的多分類損失最小化；
17、1-4-3)利用生成器以及無標(biāo)簽樣本集中的數(shù)據(jù)，得到若干偽樣本；
18、1-4-4)將步驟1-4-3)得到的偽樣本，以及無標(biāo)簽樣本集中的若干樣本，送入鑒別器，計算二分類損失并反向傳播，使鑒別器的二分類損失函數(shù)最小化。
19、優(yōu)選地，步驟1-5)中利用隨機(jī)噪聲向量訓(xùn)練生成器的具體方式如下：
20、1-5-1)固定鑒別器的網(wǎng)絡(luò)參數(shù)；
21、1-5-2)將若干隨機(jī)噪聲向量輸入生成器，得到對應(yīng)的若干偽樣本；
22、1-5-3)使用隨機(jī)函數(shù)產(chǎn)生若干假標(biāo)簽；
23、1-5-4)將步驟1-5-2)得到的偽樣本與步驟1-5-3)得到的假標(biāo)簽，送入鑒別器，反向傳播二元分類損失，使生成器損失最大化。
24、優(yōu)選地，所述生成器包括第一反卷積層、第二反卷積層、第三反卷積層、第四反卷積層，各個反卷積層均包括歸一化層、通道注意力層、空間注意力層。
25、優(yōu)選地，所述生成器各個反卷積層的參數(shù)如下：
26、第一反卷積層的輸入通道為100pixel，卷積核的尺寸為3×3，步長設(shè)置為1，輸出為3×3×512pixel的特征圖；
27、第二反卷積層的輸入通道為512pixel，卷積核的尺寸為5×5，步長設(shè)置為2，padding參數(shù)為1，輸出為7×7×256pixel的特征圖；
28、第三反卷積層的輸入通道為256pixel，卷積核的尺寸為5×5，步長設(shè)置為2，padding參數(shù)為2，out_padding參數(shù)設(shè)置為1，輸出為14×14×128pixel的特征圖；
29、第四反卷積層的輸入通道為128pixel，卷積核的尺寸為5×5，步長設(shè)置為2，padding設(shè)置為2，out_padding設(shè)置為1，輸出為28×28×3pixel的特征圖。
30、優(yōu)選地，所述鑒別器包括第一輸入端、第二輸入端、第三輸入端，所述第一輸入端用于接收偽樣本，所述第二輸入端用于接收有標(biāo)簽樣本，所述第三輸入端用于接收無標(biāo)簽樣本。
31、優(yōu)選地，所述鑒別器包括一個主干網(wǎng)絡(luò)、三個殘差跳躍連接塊，所述主干網(wǎng)絡(luò)由多個卷積層和多個歸一化層交替循環(huán)構(gòu)成。
32、優(yōu)選地，所述殘差跳躍連接塊包括第一殘差跳躍連接塊、第二殘差跳躍連接塊、第三殘差跳躍連接塊，所述第一殘差跳躍連接塊采用尺寸大小為1×1的卷積層，和3×3卷積核組成，所述第二殘差跳躍連接塊采用尺寸大小為1×1的卷積層，和3×3卷積核組成，所述第三殘差跳躍連接塊采用尺寸大小為1×1的卷積層，和5×5卷積核組成，以表征流量圖像的多尺度特征的同時，大幅減少網(wǎng)絡(luò)的計算量。
33、本專利技術(shù)的優(yōu)點在于以下幾點：
34、①本專利技術(shù)采用的鑒別器，是利用網(wǎng)聯(lián)汽車的車載應(yīng)用數(shù)據(jù)提前訓(xùn)練好后，再移植到網(wǎng)聯(lián)汽車的智能系統(tǒng)中的，這使得該鑒別器在進(jìn)行實際判別時，可以快速、準(zhǔn)確的分辨數(shù)據(jù)流量中本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
1.一種對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，步驟1)中，所述半監(jiān)督生成對抗網(wǎng)絡(luò)的具體獲取方式如下：
3.根據(jù)權(quán)利要求2所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，步驟1-4)中)利用有標(biāo)簽樣本集、無標(biāo)簽樣本集訓(xùn)練鑒別器的具體方式如下：
4.根據(jù)權(quán)利要求2所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，步驟1-5)中利用隨機(jī)噪聲向量訓(xùn)練生成器的具體方式如下：
5.根據(jù)權(quán)利要求1或2所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，所述生成器包括第一反卷積層、第二反卷積層、第三反卷積層、第四反卷積層，各個反卷積層均包括歸一化層、通道注意力層、空間注意力層。
6.根據(jù)權(quán)利要求5所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，所述生成器各個反卷積層的參數(shù)如下：
7.根據(jù)權(quán)利要求1所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，所述鑒別器包括第一輸入端、第二輸入端、第三輸入端，所述第一輸
8.根據(jù)權(quán)利要求1所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，所述鑒別器包括一個主干網(wǎng)絡(luò)、三個殘差跳躍連接塊，所述主干網(wǎng)絡(luò)由多個卷積層和多個歸一化層交替循環(huán)構(gòu)成。
9.根據(jù)權(quán)利要求1或8所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，所述殘差跳躍連接塊包括第一殘差跳躍連接塊、第二殘差跳躍連接塊、第三殘差跳躍連接塊，所述第一殘差跳躍連接塊采用尺寸大小為1×1的卷積層，和3×3卷積核組成，所述第二殘差跳躍連接塊采用尺寸大小為1×1的卷積層，和3×3卷積核組成，所述第三殘差跳躍連接塊采用尺寸大小為1×1的卷積層，和5×5卷積核組成，以表征流量圖像的多尺度特征的同時，大幅減少網(wǎng)絡(luò)的計算量。
...【技術(shù)特征摘要】
1.一種對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，步驟1)中，所述半監(jiān)督生成對抗網(wǎng)絡(luò)的具體獲取方式如下：
3.根據(jù)權(quán)利要求2所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，步驟1-4)中)利用有標(biāo)簽樣本集、無標(biāo)簽樣本集訓(xùn)練鑒別器的具體方式如下：
4.根據(jù)權(quán)利要求2所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，步驟1-5)中利用隨機(jī)噪聲向量訓(xùn)練生成器的具體方式如下：
5.根據(jù)權(quán)利要求1或2所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，所述生成器包括第一反卷積層、第二反卷積層、第三反卷積層、第四反卷積層，各個反卷積層均包括歸一化層、通道注意力層、空間注意力層。
6.根據(jù)權(quán)利要求5所述對網(wǎng)聯(lián)汽車受到網(wǎng)絡(luò)攻擊進(jìn)行預(yù)警的方法，其特征在于，所述生成器各個反卷積層的參數(shù)如下：
...【專利技術(shù)屬性】
技術(shù)研發(fā)人員：杜黎明，陳莎，苗芳，蔡雪峰，袁青，楊永強(qiáng)，葸璐，
申請(專利權(quán))人：重慶長安工業(yè)集團(tuán)有限責(zé)任公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。