(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 202210951160.9 (22)申请日 2022.08.09 (71)申请人 中汽创智科技有限公司 地址 211100 江苏省南京市江宁区秣陵街 道胜利路8 8号 (72)发明人 王为国　胡红星　唐洁　宋千里　 徐丹　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 郑华洁 (51)Int.Cl. H04L 9/40(2022.01) H04L 67/12(2022.01) H04L 12/40(2006.01) (54)发明名称 车载总线报文处理方法、 装置、 车载终端及 存储介质 (57)摘要 本申请公开了一种车载总线报文处理方法、 装置、 车载终端及存储介质， 通过将待检测的车 载总线报文分段得到多个分段报文， 提取每个所 述分段报文的特征数据信息， 将所述多个分段报 文的特征数据信息输入报文异常检测模型进行 异常检测处理， 根据异常检测结果确定待检测的 车载总线报文是否为异常报文， 确定异常报文的 攻击类型并采取对应的防御策略进行响应， 其 中， 所述报文异常检测模型为根据样本车载总线 报文对应的样本特征数据信息构造的多棵串行 的决策树模 型。 本申请通过判断待检测的车载总 线报文是否异常并采取相应的防御策略， 提高了 车载总线报文检测的精度和效果， 降低了异常报 文对车辆信息安全的危害， 保证了车辆的网络信 息安全安全。 权利要求书3页 说明书13页 附图4页 CN 115484059 A 2022.12.16 CN 115484059 A 1.一种车 载总线报文处 理方法， 其特 征在于， 包括： 获取待检测的车 载总线报文及其时间戳和报文序号； 将所述待检测的车载总 线报文进行分段得到多个分段报文， 提取每个所述分段报文的 特征数据信息； 将所述待检测的车载总 线报文的时间戳、 报文序号和所述多个分段报文的特征数据信 息输入报文异常检测模型进行报文异常检测处理， 得到异常检测结果； 所述异常检测结果 表征所述待检测的车载总线报文为异常的概率， 所述报文异常检测模型为根据样本车载总 线报文对应的时间戳、 报文序号和样本特 征数据信息构造的多棵串行的决策树模型； 根据所述异常检测结果， 确定所述待检测的车 载总线报文是否为异常报文； 当所述待检测的车载总线报文为所述异常报文时， 确定所述异常报文对应的攻击类 型； 获取所述攻击类型对应的防御策略； 根据所述防御策略， 对所述异常报文 进行响应处 理。 2.根据权利要求1所述的车 载总线报文处 理方法， 其特 征在于， 所述将所述待检测的车载总 线报文进行分段得到多个分段报文， 提取每个所述分段报 文的特征数据信息的步骤 包括： 提取所述待检测的车载总 线报文的字段信 息； 所述字段信 息包括字段序列以及所述字 段序列中每 个字段对应的字段值； 按照相邻两个字段作为一个分段的划分规则， 将所述字段序列划分为多个分段； 所述 多个分段中每 个分段对应的字段不同； 根据每个所述分段中字段对应的字段值， 得到每 个所述分段的特 征数据信息 。 3.根据权利要求2所述的车载总 线报文处理方法， 其特征在于： 所述方法还包括训练得 到所述报文异常检测模型的步骤： 构建预设决策树分类模型， 所述预设决策树分类模型包括多棵串行的初始决策树模 型； 获取样本车载总 线报文及其 时间戳和报文序号， 以及所述样本车载总 线报文对应的标 签信息； 所述标签信息指示所述样本车 载总线报文是否异常； 将所述样本车载总 线报文进行分段得到多个样本分段报文， 提取每个所述样本分段报 文的特征数据信息； 根据所述样本车载总 线报文的时间戳、 报文序号以及多个所述样本分段报文的特征数 据信息和所述样本车载总线报文对应的标签信息对所述预设决策树分类模 型进行训练， 得 到所述报文异常检测模型。 4.根据权利要求3所述的车载总 线报文处理方法， 其特征在于， 所述根据 所述样本车载 总线报文的时间戳、 报文序号以及多个所述样本分段报文的特征数据信息和所述样本车载 总线报文对应的标签信息对所述预设决策树分类模型进行训练， 得到所述报文异常检测模 型， 包括： 将所述样本车载总 线报文的时间戳、 报文序号和所述样本分段报文的特征数据信 息输 入至所述预设决策树分类模型， 得到预测分类结果； 基于所述预测分类结果与 所述样本车载总 线报文对应的标签信 息之间的差异， 确定目权　利　要　求　书 1/3 页 2 CN 115484059 A 2标损失函数值； 根据所述目标损失函数值， 确定所述预设决策树分类模型中各叶子节点的当前最优叶 子节点权 重； 根据所述各叶子节点的当前最优叶子节点权重调整所述预设决策树分类模型的模型 参数， 并基于调整后的模型参数继续迭代训练直至达到预设训练结束条件， 得到所述报文 异常检测模型。 5.根据权利要求4所述的车载总 线报文处理方法， 其特征在于， 所述基于所述预测分类 结果与所述样本车 载总线报文对应的标签信息之间的差异， 确定目标损失函数值， 包括： 基于所述预测分类结果与 所述样本车载总 线报文对应的标签信 息之间的差异， 确定第 一损失函数值； 根据所述预设决策树分类模型中各叶子节点对应的当前最优叶子节点权重， 确定所述 预设决策树分类模型的当前复杂程度值； 根据所述第一损失函数值和所述当前复杂程度值， 得到所述目标损失函数值。 6.根据权利要求4所述的车载总 线报文处理方法， 其特征在于， 所述根据 所述目标损失 函数值， 确定所述预设决策树分类模型中各叶子节点的当前最优叶子节点权 重， 包括： 将所述目标损失函数值对应的目标损失函数进行二阶泰勒展开， 确定所述目标损失函 数展开后的极值点， 根据所述极值点确定所述预设决策树分类模型中各叶子节点对应的当 前最优叶子节点权 重。 7.根据权利要求1所述的车载总 线报文处理方法， 其特征在于， 所述根据 所述异常检测 结果， 确定所述待检测的车 载总线报文是否为异常报文， 包括： 判断所述异常检测结果是否小于预设阈值； 当所述异常检测结果小于预设阈值 时， 确定所述待检测的车载总 线报文为所述异常报 文。 8.根据权利要求1所述的车载总 线报文处理方法， 其特征在于， 所述攻击类型包括针对 辅助驾驶系统的攻击类型、 针对主控单元的攻击类型、 针对中央网关的攻击类型、 针对自动 驾驶系统的攻击类型、 针对车载信息娱乐系统的攻击类型、 针对停车距离控制系统中的攻 击类型中的至少一种， 所述当所述待检测的车载总线报文为所述异常报文时， 确定所述异 常报文的攻击类型， 包括， 从所述特征数据信 息中提取目标特征数据信 息； 所述目标特征数据信 息用于指示报文 的接收端； 对所述目标 特征数据信息进行编译， 确定所述异常报文的攻击类型。 9.一种车 载总线报文处 理装置， 其特 征在于， 包括： 获取模块： 用于获取待检测的车 载总线报文及其时间戳和报文序号； 特征数据信 息提取模块： 用于将所述待检测的车载总 线报文进行分段得到多个分段报 文， 提取每 个所述分段报文的特 征数据信息； 检测模块： 用于将所述待检测的车载总线报文的时间戳、 报文序号和所述多个分段报 文的特征数据信息输入报文异常检测模型进行报文异常检测处理， 得到异常检测结果； 所 述异常检测结果表征所述待检测的车载总线报文为异常的概率， 所述报文异常检测模型为 根据样本车载总线报文对应的时间戳、 报文序号和样本特征数据信息构造的多棵串行的决权　利　要　求　书 2/3 页 3 CN 115484059 A 3