(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210950885.6 (22)申请日 2022.08.09 (71)申请人 重庆长安汽车股份有限公司 地址 400020 重庆市江北区鱼嘴镇长安汽 车全球研发中心 (72)发明人 刘玉春　戴娇　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 张伟 (51)Int.Cl. H04L 9/40(2022.01) H04L 12/40(2006.01) H04L 67/12(2022.01) (54)发明名称 CAN信号异常检测方法、 装置、 车辆及存储介 质 (57)摘要 本申请涉及车辆技术领域， 特别涉及一种 CAN信号异常检测方法、 装置、 车辆及存储介质， 其中， 方法包括： 采集车辆在多个不同形式状态 下的CAN数据， 并按照预设格式对每个CAN数据进 行封装， 得到多个封装CAN数据； 基于预设的身份 标识白名单， 筛选出满足预设合法条件的封装 CAN数据， 得到待检测数据； 根据待检测数据的标 识信息从预设的异常信号检测模型中匹配最优 检测模型， 并通过最优检测模型预测待检测数据 的异常概率值， 在异常概率值小于或等于预设阈 值时， 判定待检测数据为异常数据， 其中， 预设的 异常信号检测模型由目标CAN数据训练得到。 由 此， 解决了异常数据识别率低， 且依赖大量人工 特征工程构建工作的问题， 提高识别效率。 权利要求书2页 说明书9页 附图4页 CN 115499159 A 2022.12.20 CN 115499159 A 1.一种CAN信号异常检测方法， 其特 征在于， 包括以下步骤： 采集车辆在多个不同形式状态下的CAN数据， 并按照预设格式对每个CAN数据进行封 装， 得到多个封装CAN数据； 基于预设的身份标识白名单， 筛选出满足预设合法条件的封装CAN数据， 得到待检测数 据； 以及 根据所述待检测数据的标识信 息从预设的异常信号检测模型中匹配最优检测模型， 并 通过所述最优检测模型预测所述待检测数据的异常概率值， 在所述异常概率值小于或等于 预设阈值时， 判定所述待检测数据为异常数据， 其中， 所述预设的异常信号检测模型由目标 CAN数据训练得到 。 2.根据权利要求1所述的方法， 其特征在于， 在筛选出满足所述预设合法条件的封装 CAN数据之后， 还 包括： 将所述封装CAN数据中十六进制表示的数据转 化为二进制序列， 得到转 化CAN数据； 对所述转化CAN数据中数据量小于预设值的数据进行 数据扩充， 得到所述待检测数据。 3.根据权利要求2所述的方法， 其特征在于， 在根据 所述待检测数据的标识信 息从所述 预设的异常信号检测模型中匹配所述 最优检测模型之前， 还 包括： 采集所述车辆在不同形式状态下的所述目标CAN数据， 并对所述目标CAN数据进行预处 理， 得到训练数据和 测试数据； 通过Embedin g层将所述训练数据中的二进制稀疏向量转化为稠密向量， 输入到Bilstm 层进行高级特征的提取； 将所述Bilstm层提取到的特征与Attention层生成的权重向量按 元素相乘， 得到目标时刻状态的加权特 征， 并通过Sigmo id输出层得到第一输出 结果； 以所述训练数据中未进行特征转化的十六进制数据序列作 为Catboost模型的输入， 得 到第二输出 结果； 对所述第一输出 结果和所述第二输出 结果进行加权融合得到初始 异常信号检测模型； 基于预设的交叉熵损 失函数和所述测试数据， 评估所述初始异常信号检测模型， 并根 据评估结果对所述初始 异常信号检测模型进行优化， 得到所述预设的异常信号检测模型。 4.根据权利要求3所述的方法， 所述对所述目标CAN数据进行预处理， 得到训练数据和 测试数据， 包括： 将所述目标CAN数据中十六进制表示的数据转化为二进制序列， 得到初始CAN训练数 据； 对所述初始CAN训练数据的数据域进行修改， 生成待训练数据； 将所述待训练数据中部分数据作为所述训练数据， 剩余部分作为所述测试 数据。 5.根据权利要求3所述的方法， 其特 征在于， 所述预设的交叉熵损失函数为： 其中， 样本(x,y)＝{(x1,y1),(x2,y2),…,(xN,yN)}， yi∈[0,1]， 为预测概率值， i∈[1, N]， N为自然数。 6.根据权利要求1所述的方法， 其特征在于， 在基于所述预设的身份标识白名单， 筛选 出满足所述预设合法条件的封装CAN数据之前， 还 包括： 根据车辆 CAN数据的身份标识种类建立所述预设的身份标识白名单。权　利　要　求　书 1/2 页 2 CN 115499159 A 27.一种CAN信号异常检测装置， 其特 征在于， 包括： 采集模块， 用于采集车辆在多个不同形式状态下的CAN数据， 并按照预设格式对每个 CAN数据进行封装， 得到多个封装CAN数据； 筛选模块， 基于预设的身份标识白名单， 筛选出满足预设合法条件的封装CAN数据， 得 到待检测数据； 以及 判定模块， 用于根据 所述待检测数据的标识信 息从预设的异常信号检测模型中匹配最 优检测模型， 并通过所述最优检测模型预测所述待检测数据的异常概率值， 在所述异常概 率值小于或等于预设阈值时， 判定所述待检测数据为异常数据， 其中， 所述预设的异常信号 检测模型由目标CAN数据训练得到 。 8.根据权利要求7所述的装置， 其特征在于， 在筛选出满足所述预设合法条件的封装 CAN数据之后， 所述筛 选模块， 还用于： 将所述封装CAN数据中十六进制表示的数据转 化为二进制序列， 得到转 化CAN数据； 对所述转化CAN数据中数据量小于预设值的数据进行 数据扩充， 得到所述待检测数据。 9.一种车辆， 其特征在于， 包括： 存储器、 处理器及存储在所述存储器上并可在所述处 理器上运行的计算机程序， 所述处理器执行所述程序， 以实现如权利要求 1‑6任一项所述的 CAN信号异常检测方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行， 以用于实现如权利要求1 ‑6任一项所述的CAN信号异常检测方法。权　利　要　求　书 2/2 页 3 CN 115499159 A 3