[发明专利]JT808车载终端模拟器反检测的方法

摘要

一种JT808车载终端模拟器反检测的方法，包括以下步骤：步骤S1，参数获取模块解析模拟终端发送的报文中的参数特征，并将参数特征写入数据库中，输出到基于特征的自动学习模块；步骤S2，基于特征的自动学习模块通过自动学习算法，对识别出的参数特征进行权重计算，并将计算数据送入基于规则引擎的决策执行模块；步骤S3，基于规则引擎的决策执行模块基于规则引擎处理结果，根据规则对接收的数据进行处理。本发明解决了模拟终端的识别及控制的技术问题，从而防止终端模拟程序对JT808开放网关造成的恶意攻击，降低安全隐患。

主权项

1.一种JT808车载终端模拟器反检测的方法，其特征在于，包括以下步骤：步骤S1，参数获取模块解析模拟终端发送的报文中的参数特征，并将参数特征写入数据库中，输出到基于特征的自动学习模块；步骤S2，基于特征的自动学习模块通过自动学习算法，对识别出的参数特征进行权重计算，并将计算数据送入基于规则引擎的决策执行模块；步骤S3，基于规则引擎的决策执行模块基于规则引擎处理结果，根据规则对接收的数据进行处理；所述基于特征的自动学习模块根据参数获取模块输出的参数特征，训练出m个弱分类器，m至少为2；每个弱分类器由n个训练样本训练得到，n至少为1；所述步骤S2包括以下步骤：步骤S21：训练第一个弱分类器，n个训练样本的权值均为Wi，i为训练样本序号，表示第i个训练样本，i＝1，2，3，…n；通过第一个弱分类器，得到n个训练样本的分类预测标签，与给出的训练样本真实标签对比，如果其中一个训练样本出现预测错误，则所述预测错误对应的错误值为该训练样本的权值，如果分类正确，则错误值为0，最后累加n个训练样本的错误值之和，记为ε；步骤S22：通过ε计算第一个弱分类器的权值α，公式如下：步骤S23：通过α计算训练下一个弱分类器训练样本的权值，如果训练样本分类正确，则减小所述训练样本的权值；如果训练样本分类错误，则增加所述训练样本的权值；步骤S24：循环步骤S21、步骤S22、步骤S23来继续训练其余弱分类器；步骤S23中减小所述训练样本的权值，公式为：步骤S23中增加所述训练样本的权值，公式为：其中，i为训练样本序号，表示第i个训练样本，i＝1，2，3，…n；t为迭代次数，t＝1，2，3，…，t≥1；表示第t+1次迭代计算出的第i个训练样本的权值；表示第t次迭代计算出的第i个训练样本的权值；Sum(W_i)为每个训练样本初始分配的权值之和；所述步骤S3中基于规则引擎的决策执行模块包括Pattern Matcher、Agenda和Execution Engine三个子模块，其中：Pattern Matcher子模块根据所述步骤S22输出的权值选择执行规则；Agenda子模块根据规则提取出具体需要执行的规则所包含的子task以及task执行顺序；Execution Engine子模块负责按照Agenda子模块输出的子task及执行顺序执行规则。