[发明专利]模型训练方法、虚假终端识别方法和装置、电子设备

说明书

本发明实施例公开了一种模型训练方法、虚假终端识别方法和装置、电子设备。所述模型训练方法包括：获得多个车载终端的第一数据，确定所述第一数据对应的标注数据；所述第一数据为所述车载终端在伴随车辆行驶过程中获得的表征车辆行驶状态的数据；所述标注数据通过所述第一数据确定，和/或，所述标注数据为预先设定的数据；基于多个所述第一数据以及所述第一数据对应的标注数据对初始分类模型进行训练，获得终端识别模型；所述标注数据表征所述第一数据的类型为真实数据类型或虚假数据类型。

技术领域

本发明涉及车联网技术领域，具体涉及一种模型训练方法、虚假终端识别方法和装置、电子设备。

背景技术

随着智能汽车的快速发展，对网联技术的需求也在逐步升级。目前发现了虚假车载终端接入(V2X，Vehicle to everything)平台骗取例如红绿灯信息等V2X数据的问题。

关于虚假终端的识别，目前可采用传统的认证鉴权等安全机制识别终端为真实终端或伪终端。但仍存在一种情况，真实终端为获取V2X平台的数据而上报虚假消息。因V2X平台的分析依赖终端上报的数据，仍需分辨剔除这部分数据，若终端持续上报虚假数据，则平台需停止此类终端的服务。基于此，如何识别上报虚假消息的真实终端，目前尚无有效解决方案。

发明内容

为解决现有存在的技术问题，本发明实施例提供一种模型训练方法、虚假终端识别方法和装置、电子设备。

为达到上述目的，本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种模型训练方法，所述方法包括：

获得多个车载终端发送的第一数据，确定所述第一数据对应的标注数据；所述第一数据为所述车载终端在伴随车辆行驶过程中获得的表征车辆行驶状态的数据；所述标注数据通过所述第一数据确定，和/或，所述标注数据为预先设定的数据；所述标注数据表征所述第一数据的类型为真实数据类型或虚假数据类型；

基于多个所述第一数据以及所述第一数据对应的标注数据对初始分类模型进行训练，获得终端识别模型。

上述方案中，所述第一数据至少包括车辆所在的位置信息；通过所述第一数据确定标注数据，包括：

基于获得的所述车辆所在的多个位置信息确定轨迹数据；

确定所述车辆所在的位置信息对应的地图数据，从所述地图数据中获得与所述车辆所在的位置信息对应的道路数据；

确定所述轨迹数据和所述道路数据的相似度，基于所述相似度确定所述第一数据为真实数据类型或虚假数据类型。

上述方案中，所述第一数据包括以下至少之一：车辆所在的位置信息、车辆的速度信息；通过所述第一数据确定标注数据，包括：

统计所述车辆的速度信息，基于所述车辆的速度信息确定所述车辆在第一预设时间范围内的第一分布特征，基于所述第一分布特征确定所述第一数据为真实数据类型或虚假数据类型；和/或，

基于所述车辆所在的位置信息确定所述车辆移动的距离，基于所述车辆移动的距离和所述车辆的速度信息确定所述车辆的加速度信息，基于所述车辆的加速度信息确定所述车辆在第二预设时间范围内的第二分布特征，基于所述第二分布特征确定所述第一数据为真实数据类型或虚假数据类型。

上述方案中，所述第一数据包括以下至少之一：车辆所在的位置信息、车辆的速度信息；

所述基于多个所述第一数据以及所述第一数据对应的标注数据对初始分类模型进行训练，包括：

对多个所述第一数据进行归一化处理，基于归一化处理后的多个所述第一数据以及对应的标注数据按照对初始分类模型进行训练。

本发明实施例还提供了一种虚假终端识别方法，所述方法包括：