CN113859250A - 一种基于驾驶行为异常识别的智能汽车信息安全威胁检测*** - Google Patents

Abstract

本发明公开了一种基于驾驶行为异常识别的智能汽车信息安全威胁检测***，包括：智能汽车，用于进行车辆定位、障碍物数据采集和驾驶数据传输；轨迹存储模块，用于存储智能汽车的路线轨迹信息；驾驶行为模拟模块，用于依据智能汽车的路线轨迹和驾驶行为参数，生成在此路段的驾驶行为模型；信息安全威胁检测模块，用于检测到智能汽车行驶在此路段后，实时将当前的驾驶行为模型与标准驾驶行为模型对比分析。本发明的基于驾驶行为异常识别的智能汽车信息安全威胁检测***，利用驾驶行为异常变化，分析智能汽车信息安全威胁。

Description

一种基于驾驶行为异常识别的智能汽车信息安全威胁检测 ***

技术领域

本发明涉及汽车信息安全技术领域，适用于车辆信息安全防护，具体涉及到一种基于驾驶行为异常识别的智能汽车信息安全威胁检测***。

背景技术

随着汽车智能化，网联化，电气化，共享化的发展，汽车不在是一种简单的代步工具，逐渐发展成为一种可感知周围环境的智能移动出行产品。

智能汽车具备利用智能传感器自动探测智能汽车周围障碍物的能力，并自动将智能汽车的驾驶行为和驾驶路线上传到云端服务器，智能汽车的云端服务器可根据智能汽车的驾驶行为发送智能控车命令。

智能传感器指利用超声波，毫米波，图像识别，人脸识别，语音识别等技术检测车辆周围环境信息；云端服务器指接受智能汽车的远程数据，分析智能汽车的远程数据，产生或发送控车指令的***；智能汽车正常行驶过程中，攻击者发掘智能汽车的软硬件缺陷，在行驶过程中发起攻击，导致异常驾驶行为，易引发交通事故。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种基于驾驶行为异常识别的智能汽车信息安全威胁检测***。

为实现上述目的，本发明提供了如下技术方案：一种基于驾驶行为异常识别的智能汽车信息安全威胁检测***，包括：

智能汽车，用于进行车辆定位、障碍物数据采集和驾驶数据传输；

轨迹存储模块，用于存储智能汽车的路线轨迹信息；

驾驶行为模拟模块，用于依据智能汽车的路线轨迹和驾驶行为参数，生成在此路段的驾驶行为模型；

信息安全威胁检测模块，用于检测到智能汽车行驶在此路段后，实时将当前的驾驶行为模型与标准驾驶行为模型对比分析。

作为本发明的进一步改进，所述智能汽车中采用超声波传感器、毫米波传感器、视觉传感器或激光探测器采集障碍物数据。

作为本发明的进一步改进，所述驾驶行为模块利用智能汽车的制动减速度，方向盘转向角速度，车辆加速度，车速状态，行驶时间和停车时间，基于相关数学模型生成实时驾驶行为模型。

作为本发明的进一步改进，所述信息安全威胁检测模块将当前的驾驶行为模型与标准驾驶行为模型对比分析的方式为对比分析实时驾驶模型与标准驾驶模型之间的相对误差。

作为本发明的进一步改进，所述驾驶行为模拟模块生成此路段的驾驶模型步骤如下：

步骤一，将驾驶员驾驶车辆分为不同驾驶场景，驾驶场景采用公式表示如下：DS驾驶场景＝{直线行驶，转向行驶，超车行驶，变道行驶，上坡行驶，下坡行驶}；

步骤二，构建不同驾驶行为下的驾驶模型：

驾驶场景＝{DS1，DS2,……}^T＝{X1,Y1,D 1,T1,G1；X1,Y1,D 1,T1,G1；}^T；模型中，X＝驾驶员控制制动踏板状态，Y＝驾驶员控制加速踏板状态，Z＝驾驶员控制转向方向盘状态，D＝驾驶员开启转向灯，G＝驾驶员挡位切换；

其中，在不同驾驶状态下，智能网联汽车的运动参数如下：

X＝车辆的行驶方向；Y＝车辆的横向移动方向；Z＝车辆的上下移动方向；al＝智能网联汽车的直线加速度；at＝智能网联汽车的横向加速度；yaw＝智能网联汽车的横向摆渡角度；智能网联汽车运动状态＝{VS₁,VS₂,……}^T＝{al₁,at₁,yaw₁；al₂,at₂,yaw₂；……}^T。

作为本发明的进一步改进，所述驾驶行为模拟模块在构建好驾驶模型后，还进行如下步骤：

步骤三，确定驾驶行为与车俩运动状态的关系；

步骤四，确定驾驶行为的偏差边界。

作为本发明的进一步改进，所述驾驶行为与车俩运动状态的关系通过以下公式表示：

m＝智能网联汽车质量，v＝智能网联汽车车速。

本发明的有益效果：

(1)本发明基于智能汽车的驾驶状态变化，构造正常的驾驶模型。

(2)本发明可以在智能汽车行驶过程中，实时检测智能汽车是否遭受攻击。

(3)本发明可以减少车辆接受恶意数据，导致的驾驶事故。

附图说明

图1为整体***运行时的模块框图；

图2为汽车运动参数的示意图。

具体实施方式

下面将所给出的实施例对本发明做进一步的详述。

参照图1至2所示，本实施例的一种基于驾驶行为异常识别的智能汽车信息安全威胁检测***，具体为：1包含利用超声波技术，毫米波技术，视觉技术和激光探测等先进探测技术实现探测识别障碍物的智能汽车；

2信息安全威胁检测***，包含但不限于轨迹存储模块，驾驶行为模拟模块，信息安全威胁检测模块；

3轨迹存储模块，包含但不限于存储智能汽车的路线轨迹信息，路线轨迹的获取可以是通过云端路线的下载，比如特定区域的路线，高速公路；

4驾驶行为模拟模块，包含但不限于利用智能汽车的制动减速度，方向盘转向角速度，车辆加速度，车速状态，行驶时间和停车时间，基于相关数学模型生成实时驾驶行为模型；标准正常驾驶行为模型可以是通过前期车辆验证，比如智能汽车测试***功能软件时或用户让智能汽车多次驶过某个路段，自动生成标准正常驾驶行为模型。

5信息安全威胁检测模块，包含但不限于基于智能汽车的行驶轨迹，对比分析实时驾驶模型与标准驾驶模型之间的相对误差。

6信息安全威胁检测***接收智能汽车的数据方式，包含但不限于CAN/CANFD/4G/5G等成熟的通讯技术。

在使用本实施例的***的时候，主要采用以下步骤：

步骤1：智能汽车信息安全威胁检测***包含智能汽车，智能汽车能实现车辆定位，障碍物数据采集，驾驶数据传输，信息安全威胁检测统包含存储智能汽车的行驶路线信息模块，驾驶行为模拟模块，信息安全威胁检测模块。

步骤2：用户选择智能汽车的行驶路线，信息安全威胁检测***获取智能汽车的行驶轨和驾驶行为参数。

步骤3：信息安全威胁检测***中的驾驶模型模拟模块，依据智能汽车的行驶轨迹和驾驶行为参数，生成在此路段的驾驶行为模型。

步骤4：信息安全威胁检测***中的信息安全威胁检测模块，检测到智能汽车行驶在此路段后，实时将当前的驾驶行为模型与标准驾驶行为模型对比分析。步骤3中生成驾驶行为模型的具体方式如下：

1.将驾驶员驾驶车辆分为不同驾驶场景：

DS驾驶场景＝{直线行驶，转向行驶，超车行驶，变道行驶，上坡行驶，下坡行驶,……}

2.构建不同驾驶行为下的驾驶模型：

X＝驾驶员控制制动踏板状态(车辆的制动力)；

Y＝驾驶员控制加速踏板状态(动力牵引力)；

Z＝驾驶员控制转向方向盘状态(方向盘转向角度)；

D＝驾驶员开启转向灯(转向灯是否开启)；

G＝驾驶员挡位切换(车辆的挡位状态)；

驾驶场景＝{DS₁，DS₂,……}^T＝{X₁,Y₁,D ₁,T₁,G₁；X₁,Y₁,D ₁,T₁,G₁；……}^T；

在不同驾驶状态下，智能网联汽车的运动参数：

X＝车辆的行驶方向；

Y＝车辆的横向移动方向；

Z＝车辆的上下移动方向；

al(纵向加速度)＝智能网联汽车的直线加速度；

at(横向加速度)＝智能网联汽车的横向加速度；

yaw(横摆角)＝智能网联汽车的横向摆渡角度；

智能网联汽车运动状态＝{VS₁,VS₂,……}^T＝{al₁,at₁,yaw₁；al₂,at₂,yaw₂；……}^T；

1.确定驾驶行为与车俩运动状态的关系：VS₁＝F(DS₁)；

m＝智能网联汽车质量

v＝智能网联汽车车速；

2.确定驾驶行为的偏差边界:

重放攻击：是指发送一个接收方已接收过的包，来达到欺骗***的目的，容易造成车载网络通信负载增加，车辆无法接收实时控车信息。

篡改攻击：是指一个合法消息的某些部分被改变、删除，消息被延迟或改变顺序，致使接受端接收到错误的控车信息。

Error(al₁)<θ₁,Error(at₁)<β₁,Error(yaw₁)<α₁；

Error(DS)<{θ₁，β₁，α₁；θ₂，β₂，α₃；……}^T；

基于驾驶行为异常的检测方案实现步骤：

车辆启动后，监控驾驶员的(车辆的制动力，动力牵引力，方向盘转向角度，转向灯是否开启，车辆的挡位状态)数据传输。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于驾驶行为异常识别的智能汽车信息安全威胁检测***，其特征在于：包括：

智能汽车，用于进行车辆定位、障碍物数据采集和驾驶数据传输；

轨迹存储模块，用于存储智能汽车的路线轨迹信息；

驾驶行为模拟模块，用于依据智能汽车的路线轨迹和驾驶行为参数，生成在此路段的驾驶行为模型；

信息安全威胁检测模块，用于检测到智能汽车行驶在此路段后，实时将当前的驾驶行为模型与标准驾驶行为模型对比分析。

2.根据权利要求1所述的基于驾驶行为异常识别的智能汽车信息安全威胁检测***，其特征在于：所述智能汽车中采用超声波传感器、毫米波传感器、视觉传感器或激光探测器采集障碍物数据。

3.根据权利要求1或2所述的基于驾驶行为异常识别的智能汽车信息安全威胁检测***，其特征在于：所述驾驶行为模块利用智能汽车的制动减速度，方向盘转向角速度，车辆加速度，车速状态，行驶时间和停车时间，基于相关数学模型生成实时驾驶行为模型。

4.根据权利要求1或2所述的基于驾驶行为异常识别的智能汽车信息安全威胁检测***，其特征在于：所述信息安全威胁检测模块将当前的驾驶行为模型与标准驾驶行为模型对比分析的方式为对比分析实时驾驶模型与标准驾驶模型之间的相对误差。

5.根据权利要求4所述的基于驾驶行为异常识别的智能汽车信息安全威胁检测***，其特征在于：所述驾驶行为模拟模块生成此路段的驾驶模型步骤如下：

步骤一，将驾驶员驾驶车辆分为不同驾驶场景，驾驶场景采用公式表示如下：DS驾驶场景＝{直线行驶，转向行驶，超车行驶，变道行驶，上坡行驶，下坡行驶}；

步骤二，构建不同驾驶行为下的驾驶模型：

驾驶场景＝{DS1，DS2,……}^T＝{X1,Y1,D1,T1,G1；X1,Y1,D1,T1,G1；}^T；模型中，X＝驾驶员控制制动踏板状态，Y＝驾驶员控制加速踏板状态，Z＝驾驶员控制转向方向盘状态，D＝驾驶员开启转向灯，G＝驾驶员挡位切换；

其中，在不同驾驶状态下，智能网联汽车的运动参数如下：

X＝车辆的行驶方向；Y＝车辆的横向移动方向；Z＝车辆的上下移动方向；al＝智能网联汽车的直线加速度；at＝智能网联汽车的横向加速度；yaw＝智能网联汽车的横向摆渡角度；智能网联汽车运动状态＝{VS₁,VS₂,……}^T＝{al₁,at₁,yaw₁；al₂,at₂,yaw₂；……}^T。

6.根据权利要求5所述的基于驾驶行为异常识别的智能汽车信息安全威胁检测***，其特征在于：所述驾驶行为模拟模块在构建好驾驶模型后，还进行如下步骤：

步骤三，确定驾驶行为与车俩运动状态的关系；

步骤四，确定驾驶行为的偏差边界。

7.根据权利要求6所述的基于驾驶行为异常识别的智能汽车信息安全威胁检测***，其特征在于：所述驾驶行为与车俩运动状态的关系通过以下公式表示：

m＝智能网联汽车质量，v＝智能网联汽车车速。

Images