[发明专利]车辆系统固件安全保护方法、装置和计算机设备在审
申请号: | 202210080358.4 | 申请日: | 2022-01-24 |
公开(公告)号: | CN114489008A | 公开(公告)日: | 2022-05-13 |
发明(设计)人: | 章维;刘云飞 | 申请(专利权)人: | 深圳市星卡软件技术开发有限公司 |
主分类号: | G05B23/02 | 分类号: | G05B23/02;B60R16/023 |
代理公司: | 深圳市精英专利事务所 44242 | 代理人: | 冯筠 |
地址: | 518000 广东省深圳市龙岗区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 车辆 系统 安全 保护 方法 装置 计算机 设备 | ||
本申请涉及车辆诊断技术领域,公开了一种车辆系统固件安全保护方法、装置和计算机设备,基于车载数据对车辆各系统的固件的安全性能进行检测,并生成检测报告,能够了解到系统中的固件安全风险信息,根据固件安全风险信息获取选取指令,从而使得诊断设备进入与该固件对应的系统内,这样能够便于诊断设备对该系统的系统数据进行提取与分析,从而便于根据获取到的系统数据生成与系统数据对应的固件保护数据,并将该固件保护数据发送至系统,以使系统能够根据固件保护数据对系统内的固件进行安全保护,从而能够对已经出现固件安全风险的固件进行安全保护,避免固件的原始数据被进一步恶意篡改或造成关键数据泄漏,提高车辆各系统内固件的安全性。
技术领域
本申请涉及车辆诊断技术领域,特别涉及一种车辆系统固件安全保护方法、装置和计算机设备。
背景技术
在现代汽车中,车体控制和车载服务两大电子系统组成了汽车的电子系统,其中车载诊断系统(On-Board Diagnosis System,OBD)设备能够接入车内控制器局域网络,并通过诊断会话对车内控制器发起信息获取或状态控制,从而帮助维修人员快速定位、修复车辆内的故障。由于OBD的广泛运用,对设备固件进行破坏将对汽车维修甚至是行车安全构成影响,加之OBD自身结构复杂又与整车在通信和控制上有紧密联系,因此对其固件保护既困难,又重要。
现有的车载诊断设备为一个独立于车体的嵌入式设备,一般为车载诊断人员在进行车辆检修时的手持设备,具备串口通信功能和车内CAN总线通信功能,支持网络通信及高计算能力。其可以向车内控制器(如车门、发动机等含控制器的设备)发起诊断会话,实现对车内控制器的信息收集、动作控制,因此其固件安全往往将影响到车辆安全。
发明内容
本申请的主要目的为提供一种车辆系统固件安全保护方法,旨在解决现有技术中使用诊断设备对车辆进行故障诊断造成车辆固件安全性能降低的技术问题。
本申请提出一种车辆系统固件安全保护方法,应用于车辆诊断设备,所述车辆诊断设备与车辆通信连接,包括:
获取车辆的车载数据,并根据所述车载数据对车辆的固件安全进行检测,得到检测报告,其中,所述检测报告中包括车辆各个系统的固件安全风险信息;
根据所述固件安全风险信息获取选取指令,并根据所述选取指令进入与所述固件安全风险信息对应的系统;
获取系统数据,并根据所述系统数据向所述系统发送固件保护数据,以使所述系统根据所述固件保护数据执行固件安全保护动作。
作为优选,所述根据所述车载数据对车辆的固件安全进行检测的步骤,包括:
根据所述车载数据对车辆系统进行划分,得到多个系统的系统数据;
根据每个系统的系统数据查找与所述系统对应的密码算法;
根据所述密码算法对所述系统内的固件进行解包,得到解包后的固件信息;
根据所述固件信息对固件安全进行检测,得到包括各个固件的安全风险评估检测报告。
作为优选,所述根据每个系统的系数数据查找与所述系统对应的密码算法的步骤,包括:
获取所述系统数据中每一个固件可执行二进制的文件;
对每一个所述文件进行密码函数识别,得到多个文件的密码函数特征,其中,所述密码函数特征包括指令统计特征、循环结构特征、函数结构特征与数据流分析特征;
获取开源密码库的应用特征,并根据所述应用特征与所述密码函数特征查找与所述系统中每一个固件所对应的密码算法。
作为优选,所述获取系统数据,并根据所述系统数据向所述系统发送固件保护数据的步骤,包括:
根据所述车载数据获取每一个系统中的固件代码;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市星卡软件技术开发有限公司,未经深圳市星卡软件技术开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210080358.4/2.html,转载请声明来源钻瓜专利网。
- 上一篇:项目框架处理方法及装置
- 下一篇:基于证据深度学习的可信多视角分类方法