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！

龙图腾网恭喜重庆赛力斯凤凰智创科技有限公司申请的专利车载报文的异常检测方法、装置、电子设备和存储介质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：CN119854395B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202510323151.9，技术领域涉及：H04L69/22；该发明授权车载报文的异常检测方法、装置、电子设备和存储介质是由邓杰;黄大飞;陈轶;梁金柱设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本车载报文的异常检测方法、装置、电子设备和存储介质在说明书摘要公布了：本申请涉及一种车载报文的异常检测方法、装置、电子设备和存储介质，该方法包括：获取训练样本，其中，所述训练样本包括样本车载报文和指示所述样本车载报文是否异常的硬标签；采用所述训练样本构建和训练教师模型，其中，所述教师模型中的MobileNet层用于提取所述样本车载报文的空间特征，所述教师模型中的门控循环单元用于捕捉所述样本车载报文的时间序列特征；根据所述训练样本的硬标签和所述教师模型输出的软标签，对初始的学生模型进行知识蒸馏学习，其中，所述软标签指所述样本车载报文的类别概率分布；采用训练完成的学生模型检测目标车载报文是否异常。本申请实现了兼顾报文检测准确性和高计算效率。

本发明授权车载报文的异常检测方法、装置、电子设备和存储介质在权利要求书中公布了：1.一种车载报文的异常检测方法，其特征在于，所述方法包括： 获取训练样本，其中，所述训练样本包括样本车载报文和指示所述样本车载报文是否异常的硬标签； 采用所述训练样本构建和训练教师模型，其中，所述教师模型中的MobileNet层用于提取所述样本车载报文的空间特征，所述教师模型中的门控循环单元用于捕捉所述样本车载报文的时间序列特征； 根据所述训练样本的硬标签和所述教师模型输出的软标签，对初始的学生模型进行知识蒸馏学习，其中，所述软标签指所述样本车载报文的类别概率分布； 采用训练完成的学生模型检测目标车载报文是否异常； 其中，采用所述训练样本构建和训练教师模型包括： 将所述样本车载报文中的一维时间序列特征映射到二维空间，形成图像； 采用所述教师模型的MobileNet层提取所述图像的整体特征和局部特征，并将所述图像转换为MobileNet输出向量； 通过所述门控循环单元中的更新门和重置门捕捉所述MobileNet输出向量的长程依赖，得到门控输出向量； 基于所述门控输出向量对应的检测结果与真实标签之间的差值调整损失值，得到训练完成的教师模型； 其中，根据所述训练样本的硬标签和所述教师模型输出的软标签，对初始的学生模型进行知识蒸馏学习包括： 确定具有单层卷积核和单层的门控循环单元的初始MobileNet-GRU学生模型； 通过调整温度系数，采用softmax函数将所述教师模型的输出转化为软标签，得到蒸馏损失函数，其中，所述温度系数大于第一阈值表示软标签的分布区域均匀，所述温度系数小于所述第一阈值表示所述软标签的分布接近所述硬标签的分布； 根据所述训练样本的硬标签训练所述初始的学生模型，得到硬标签损失函数； 根据所述蒸馏损失函数和所述硬标签损失函数的加权得到总损失函数，并根据所述总损失函数的损失值确定训练完成的学生模型； 其中，将所述样本车载报文中的一维时间序列特征映射到二维空间，形成图像包括： 将每条车载报文中的每个字节扩展为一个块，其中，每个块中的所有像素值都设置为所述字节的值； 将多个块按特定规则排列成矩阵； 采用插值法将所述矩阵进行扩展得到图像； 通过对所述图像进行归一化，得到像素值位于[0,1]区间内的图像。

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重庆赛力斯凤凰智创科技有限公司，其通讯地址为：401331 重庆市沙坪坝区高新区曾家镇兴祥路13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”。