公开(公告)号：CN118171275A

公开(公告)日：2024-06-11

申请号：CN202410598914.6

申请日：2024-05-15

Applicant: 暨南大学 ,  广州新科佳都科技有限公司 ,  广州方纬智慧大脑研究开发有限公司

Inventor： 官全龙 ,  张天 ,  黄秀姐 ,  方良达 ,  赵山程 ,  巩志国 ,  栾学晨 ,  黎阳 ,  毕玲滢

IPC: G06F21/56 ,  G06F18/241 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0895 ,  G06F123/02

Abstract: 本发明公开了一种基于自监督箱型分类的智能交通车辆安全检测方法及系统，包括：采集智能交通数据集Car Hacking并进行数据预处理，提取时序特征数据，剔除不相关特征；基于LSTM自监督箱型分类模型和智能交通车辆入侵检测模型构建初始智能交通车辆安全检测模型；利用时序特征数据，对初始智能交通车辆安全检测模型进行训练，将达到预设训练精度的智能交通车辆安全检测模型进行测试，验证自监督箱型分类方法的有效性，并评估模型对于识别未知攻击类型的性能，构建获得基于自监督箱型分类的目标智能交通车辆安全检测模型来进行车辆安全监测，获得检测结果。本发明提高了安全检测的准确性和可靠性。

公开(公告)号：CN117932606B

公开(公告)日：2024-10-29

申请号：CN202410266168.0

申请日：2024-03-08

Applicant: 暨南大学

Inventor： 官全龙 ,  张天 ,  黄秀姐 ,  刘志全 ,  方良达 ,  赵山程 ,  何毅舟 ,  杜翠凤 ,  蒋仕宝 ,  巩治国

IPC: G06F21/56 ,  G06F18/2135 ,  G06F18/243 ,  G08G1/01 ,  G06N3/096

Abstract: 本发明公开了一种基于迁移学习的智能交通车辆安全检测方法及系统，其中方法包括以下步骤：构建基于Transformer迁移学习的智能交通载体安全攻击检测模型，并分为数据预处理模块和安全检测模块两部分。对于智能交通车辆数据预处理部分，采用主成分分析和决策树方法，进行数据特征降维，剔除数据中大部分不相关特征，保留数据最关键的攻击特征以及时序特征。对于安全检测模型部分，则视其为一种目标检测任务，以判断智能交通车辆是否受到外部攻击。Transformer结合了多头自注意力机制和目标分类技术，多头自注意力机制可以很好的学习智能交通车载网络数据的时序特征，而目标分类技术则可以用于识别不同的入侵攻击数据类型。

公开(公告)号：CN117932606A

公开(公告)日：2024-04-26

申请号：CN202410266168.0

申请日：2024-03-08

Applicant: 暨南大学

Inventor： 官全龙 ,  张天 ,  黄秀姐 ,  刘志全 ,  方良达 ,  赵山程 ,  何毅舟 ,  杜翠凤 ,  蒋仕宝 ,  巩治国

IPC: G06F21/56 ,  G06F18/2135 ,  G06F18/243 ,  G08G1/01 ,  G06N3/096

Abstract: 本发明公开了一种基于迁移学习的智能交通车辆安全检测方法及系统，其中方法包括以下步骤：构建基于Transformer迁移学习的智能交通载体安全攻击检测模型，并分为数据预处理模块和安全检测模块两部分。对于智能交通车辆数据预处理部分，采用主成分分析和决策树方法，进行数据特征降维，剔除数据中大部分不相关特征，保留数据最关键的攻击特征以及时序特征。对于安全检测模型部分，则视其为一种目标检测任务，以判断智能交通车辆是否受到外部攻击。Transformer结合了多头自注意力机制和目标分类技术，多头自注意力机制可以很好的学习智能交通车载网络数据的时序特征，而目标分类技术则可以用于识别不同的入侵攻击数据类型。

公开(公告)号：CN118171275B

公开(公告)日：2024-07-30

申请号：CN202410598914.6

申请日：2024-05-15

Applicant: 暨南大学 ,  广州新科佳都科技有限公司 ,  广州方纬智慧大脑研究开发有限公司

Inventor： 官全龙 ,  张天 ,  黄秀姐 ,  方良达 ,  赵山程 ,  巩志国 ,  栾学晨 ,  黎阳 ,  毕玲滢

IPC: G06F21/56 ,  G06F18/241 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0895 ,  G06F123/02

Abstract: 本发明公开了一种基于自监督箱型分类的智能交通车辆安全检测方法及系统，包括：采集智能交通数据集Car Hacking并进行数据预处理，提取时序特征数据，剔除不相关特征；基于LSTM自监督箱型分类模型和智能交通车辆入侵检测模型构建初始智能交通车辆安全检测模型；利用时序特征数据，对初始智能交通车辆安全检测模型进行训练，将达到预设训练精度的智能交通车辆安全检测模型进行测试，验证自监督箱型分类方法的有效性，并评估模型对于识别未知攻击类型的性能，构建获得基于自监督箱型分类的目标智能交通车辆安全检测模型来进行车辆安全监测，获得检测结果。本发明提高了安全检测的准确性和可靠性。

公开(公告)号：CN117273453A

公开(公告)日：2023-12-22

申请号：CN202311273132.7

申请日：2023-09-27

Applicant: 暨南大学

Inventor： 方良达 ,  官全龙 ,  苗浩 ,  张天 ,  李哲夫 ,  罗伟其

IPC: G06Q10/0635 ,  G06F18/24 ,  G06F18/214

Abstract: 本发明公开了一种智能网联汽车汽车风险评估方法及系统，包括以下步骤：S1、获取车辆的数据流向；S2、对车辆的数据流向进行整理分类，分析得到若干一阶风险，将一阶风险的子风险设定为二阶风险；S3、根据二阶风险的相对重要性指标，计算出各一阶风险内部的二阶风险之间的相对权重区间以及各一阶风险之间的相对权重区间，并对所得的相对权重区间进行调整拟合；S4、根据调整拟合后的相对权重区间计算汽车当前的风险等级。本方法与传统技术相比，将汽车风险的一阶风险进一步量化为二阶风险，大大提高了风险评估的准确性。