基于时间序列和车辆动力学的智能网联汽车入侵检测方法

本发明提供了一种基于时间序列和车辆动力学的智能网联汽车入侵检测方法，属于智能网联汽车信息安全技术领域，该方法融合了深度学习时间序列预测模型、车辆动力学模型与专家经验。通过深度学习模型预测自动驾驶系统的高层次车辆状态，结合车辆动力学和专家经验估算物理状态，形成综合状态估计。利用扩展卡尔曼滤波融合实时测量值，得到最优状态估计。通过计算最优估计与实时测量值的残差，构建历史残差数据集，采用聚类方法学习正常残差分布，定义超球体边界包络正常样本，实现精准入侵检测。本发明显著提高了车辆状态估计的精度、异常行为的检测准确性和系统安全性，为智能网联汽车的安全防护提供了技术支撑。