一种基于模糊测试与深度学习模型结合的SOME/IP协议漏洞检测方法

本发明涉及一种基于模糊测试与深度学习模型结合的SOME/IP协议漏洞检测方法，属于汽车网络安全技术领域。针对传统模糊测试对车载私有协议解析能力差、测试用例有效性低及漏洞覆盖面窄的问题，提出一种闭环检测方案：首先采集车载以太网SOME/IP协议真实流量并预处理为训练数据；利用有效/无效测试案例集训练生成对抗网络模型，自主学习协议特征；通过模型生成高协议符合性的虚拟测试用例；结合二次模糊测试与漏洞分析结果反馈优化模型。该方法突破私有协议逆向解析难题，实现测试用例的自动化生成与迭代优化，显著提高异常触发率；可深度挖掘协议状态机、服务交互逻辑等复杂场景漏洞，提升车载网络通信安全防护能力。