[发明专利]基于神经网络集群的车内网入侵检测方法和终端设备

权利要求书

1.一种基于神经网络集群的车内网入侵检测方法，其特征在于，包括以下步骤：

步骤S10，建立神经网络集群，所述神经网络集群包括N个不重复的神经网络，其中每个神经网络ANN_i(i＝1,2,…,N)都是设置为W个浮点数值输入，单个浮点数值输出的结构；

步骤S20，输入车内网信号，进行神经网络集群训练，选取出所有已训练收敛的网络中最优神经网络，其中所述车内网信号为一维数据流信号；

步骤S30，利用已训练好的最优神经网络对车内网信号进行入侵检测。

2.如权利要求1所述的基于神经网络集群的车内网入侵检测方法，其特征在于，所述步骤S20包括：

步骤S201，将一维数据流信号列入W宽度的窗口缓存，并形成W宽度的数据集V：(P_t,P_t-1,P_t-2,…,P_t-w-1)，其中，P_t为一维数据流信号最后列入窗口缓存的当前时刻t的数据，P_t-w-1为一维数据流信号最先列入窗口缓存的t-w-1时刻的数据；

步骤S202，将数据集V作为一个W维的数据向量，分别输入神经网络集群中的N个神经网络ANN_i，分别得到训练输出结果D_i(i＝1,2,3,…,N)；

步骤S203，将下一时刻t+1的数值P_t+1作为训练标的，通过训练标的P_t+1与训练输出结果D_i计算误差值C_i＝D_i-P_t+1，将误差值C_i反馈回各神经网络ANN_i，根据各神经网络ANN_i各自的误差修正方法调整神经网络各神经元的权值，修正误差；

步骤S204，将下一时刻t+1作为当前时刻t，返回步骤S101，并重复至少M次迭代训练，迭代训练完成后进入步骤S105；

步骤S205，从N个神经网络中，选取出所有已训练收敛的网络；

步骤S206，求取各已训练收敛的神经网络ANN_i所对应收敛阶段的误差值C_i值的均值μ_i和方差σ_i，提取均值μ_i最小的神经网络为该一维数据流信号对应的最优神经网络，将该最优神经网络ANN_i及均值μ_i、方差σ_i与该一维数据流信号对应，作为后续该一维数据流信号的检测网络和检测参数。

3.如权利要求2所述的基于神经网络集群的车内网入侵检测方法，其特征在于：所述M大于等于1000。

4.如权利要求2所述的基于神经网络集群的车内网入侵检测方法，其特征在于：所述步骤S201具体为：对一维数据流信号在某时刻t的数值P_t进行W宽度的窗口缓存，判断窗口缓存是否满，如果未满，则将数值P_t列入窗口缓存，返回本步骤继续缓存；如果已满，则将窗口缓存中的时间最远的一个数值去除，之后将P_t列入窗口缓存；此时窗口缓存中的数据集为V：(P_t,P_t-1,P_t-2,…,P_t-w-1)。