[发明专利]一种基于滑动窗口和CENN的车载CAN入侵检测方法

权利要求书

1.一种基于滑动窗口和CENN的车载CAN入侵检测方法，其特征在于，包括以下步骤：

S1、对接收的原始数据进行数据清洗，并选择CAN ID和CAN Data作为特征；

S2、将CAN ID和CAN Data每个维度的特征转换为二进制数据；

S3、根据转换的二进制数据的位数计算特征尺寸；

S4、根据得到的特征尺寸设置正方形窗口，以该窗口对数据进行滑动窗口处理，即将待处理的数据输入，令该数据的维度除以特征维度，获取滑动窗口的数量，并输出多个滑动窗口，窗口组合得到完整的滑动窗口，此时二维矩阵的滑动窗口内部数据是0或1，计算得到0-1向量的滑动窗口，获取处理后的特征；

S5、将处理后的特征输入卷积编码器神经网络中，卷积神经网络的编码部分包括编码器和Inception-Resnet结构，编码器包括两个卷积层和两个池化层，用于将滑动窗口从93×93×1维降低到6×6×64维；Inception-Resnet结构，包括并行的3个卷积层，用于将数据从6×6×64维降维到3×3×64维；卷积编码器神经网络根据输入的数据获得检测结果，即卷积神经网络对得到3×3×64维的数据继续进行平均池化、展开、Dropout操作，并输入到全连接层，利用Softmax函数获取预测结果，判断CAN网络是否被入侵。

2.根据权利要求1所述的一种基于滑动窗口和CENN的车载CAN入侵检测方法，其特征在于，将CAN ID和CAN Data每个维度的特征转换为二进制数据时，CAN ID占用29位，不足29位将用0填充；CAN Data占用64位，不足64位将用0填充。

3.根据权利要求1所述的一种基于滑动窗口和CENN的车载CAN入侵检测方法，其特征在于，将所有数据划分为正方形窗口，每个窗口为93×93的二维矩阵，设定处理的窗口大小为93×93的正方形矩阵。

4.根据权利要求3所述的一种基于滑动窗口和CENN的车载CAN入侵检测方法，其特征在于，第k个窗口表示为：

其中，SW_k表示第k个窗口，x_{i,j}为原始数据的二进制表示，其值为0或1。