买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学申请的专利一种基于CAN总线的异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116488933B 。

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310612294.2，技术领域涉及：H04L9/40；该发明授权一种基于CAN总线的异常检测方法是由宋佳儒;秦贵和;孙铭会;梁艳花;杨立峰;李志豪;王赢庆;刘婉宁;叶硼东设计研发完成，并于2023-05-27向国家知识产权局提交的专利申请。

本一种基于CAN总线的异常检测方法在说明书摘要公布了：本发明涉及一种基于CAN总线的异常检测方法，属于汽车CAN总线数据信息安全领域。包括离线阶段，提取出BID和记录每个报文之间的先后关系并计算相关阈值；在线检测阶段，进行实时异常检测；优化阶段，对阈值进行更新，提高检测效率。有益效果是：提出了对于周期性报文和非周期性报文的不同的处理方法并运用在改进的LevenshteinDistance中，提高了异常检测的正确性。本发明采用了遗传算法对阈值进行进一步优化，提高了检测的查准率、查全率和准确率；对不同的攻击都有较高的准确性和极高的查准率，可应用于车载网络这一资源受限的网络中进行异常检测；相较于基于机器学习的方法，有较低的资源占用和较少的检测时间，更适合部署于车载网络中。

本发明授权一种基于CAN总线的异常检测方法在权利要求书中公布了：1.一种基于CAN总线的异常检测方法，其特征在于，包括下列步骤： （一）、离线阶段，提取出BID和记录每个报文之间的先后关系并计算相关阈值，包括： （1）、将重复出现的周期性ID作为ID的基准BID，将车辆正常运行的报文的ID的前后信息进行记录，构建出转移矩阵，其中i，j分别代表ID，的值代表之后是的概率，即不同报文之间的前后转移概率，将每一个ID作为图的节点，构建一个图，当转移矩阵的值大于阈值时，则构建一条从指向的边，将具有最长度和次长长度的均由相同周期的子图的结点作为BID； （2）、为处理非周期性报文、未出现的报文和不在BID中的周期性报文，为个体报文异常检测，采用N-gram算法进行估计，采用2-gram、并采用ModifiedKneser—Ney的平滑算法进行平滑，从转移矩阵中拿出一定的概率赋予未出现的事件，并计算出每个词的接词能力，得到每个的接词能力、每个的1-gram的概率,任意两个ID2-gram的概率将其转化为log的形式，便利于之后的乘法运算； （3）、为衡量两个时间窗内报文的相似度，为整体报文异常检测，采用将N-gram算法合并LevenshteinDistance的方式，当相似度高于阈值时，则定义为异常，当ID是BID时，按照正常的LevenshteinDistance进行计算，其中a，b分别代表两个时间窗内的报文，i，j分别代表当前计算的ID在a，b中的位置，代表着a从开始到第i位与b从开始到第j位之间的LevenshteinDistance，计算方法如下： ； 而对于非BID的ID帧，则通过n-gram计算出现的概率，当出现的概率小于阈值时，表示该ID出现的在报文后面的可能性较小，因此保留在ID时间窗中，用公式（1）计算，而当大于阈值时，表示该ID出现的可能性较高，直接将该ID视为正确的ID，在计算距离时，其LevenshteinDistance为他前面ID的最小LevenshteinDistance，即该报文相当于没有在序列中出现，即： ； 最后将得到两个时间窗内的LevenshteinDistance作为两时间窗报文的相似度的度量，即a，b两个时间窗内报文的相似度为式（3），其中length（a），length（b）分别代表a，b时间窗的长度； ； （4）、在车辆的正常行驶数据中，采用阈值法计算正确值的阈值，即采用在正常数据中计算各个词转换的最小概率作为n-gram算法的阈值，并将部分行驶的数据采用步骤（3）计算整体的相似度，将相似度的最大值作为相似度的阈值； （二）、在线检测阶段，进行实时异常检测，包括： （1）、从车辆运行实时数据中实时读取CAN报文，并提取CAN报文的ID，通过Hash表，重新构建ID，将ID变成在连续空间分布的,节省存储转移矩阵的空间和计算n-gram算法的速度； （2）、将一条正常的报文作为初始化的报文，通过与初始化报文计算相似性进行判断； （3）、对于不同ID，均采用与离线阶段相似的方法进行计算BID和非BID的最小编辑距离，当时间窗的数据长度超过时间窗数据长度阈值时，直接报错； （4）、在此阶段，将采用与其前一时间窗和前两个时间窗的数据的相似性的最小值作为最后的最小值，采用前两时间窗可以覆盖80%以上的报文，也能覆盖错位的时间窗： （5）、当相似度小于相似度的阈值时，则进行更新操作，将当前时间窗内数据作为前一时间窗数据进行存储，同时当前时间窗的数据作为前两时间窗的数据进行存储； （6）、最后经过上述检测过程，得到了四类结果，TP为检测结果是正常报文，实际也是正常报文，FP为检测结果是正常报文，但实际是异常报文，TN为检测结果是异常报文，实际也是异常报文，FN为检测结果是异常报文，但实际是正常报文；查准率、查全率和准确率如式4、5、6所示： ； ； ； （三）、优化阶段，对阈值进行更新，提高检测效率，包括： （1）、采用了两个阈值分别是和，在计算过程中发现正常的取值范围在且取值必须为整数，粒度较大，故不对相似度进行优化，仅仅采用阈值，取值范围较大且为实数，因此对其进行优化，采用传统优化算法中启发式算法的模拟退火算法进行优化； （2）、采用遗传算法对在线检测阶段的异常数据进行优化，并将优化后的阈值更新，作为最后异常检测的阈值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。