摘要
本发明提供一种智能网联汽车的安全防护方法及装置,其中方法包括:基于车辆控制行为特征化模型和异常行为分类学习模型,检测目标车辆与云端通信过程中的车辆控制异常指令;以及,基于恶意流量识别模型,识别目标车辆与云端通信过程中的隐蔽恶性流量;通过深度强化学习的对抗防御方式,根据车辆控制异常指令和隐蔽恶性流量,训练决策控制模型,用于对智能网联汽车进行安全防护,从而实现对智能网联汽车车‑云协同场景下对车辆控制指令篡改攻击、强隐蔽恶意流量等攻击的高精度、高可靠检测,有效提升攻击的隐蔽性以及攻击效率,增强了模型的鲁棒性和泛化性,提高智能网联汽车生态系统的通信安全、数据安全和驾驶安全。
技术关键词
智能网联汽车
流量识别模型
特征化模型
防护方法
车辆控制指令
样本生成方法
智能体模型
神经网络训练
随机噪声
非暂态计算机可读存储介质
深度强化学习模型
云端
统计特征
策略
框架
处理器
计算机程序产品
系统为您推荐了相关专利信息
资源依赖关系
神经网络算法
检测防护方法
节点
时间序列预测模型
定价方法
智能网联汽车数据
车辆
风险评估模型
地理位置信息
智能网联汽车
故障检测方法
车辆传感器数据
深度学习模型
网络通信数据