本發(fā)明涉及通信技術(shù)領(lǐng)域，特別是涉及一種車輛攻擊檢測方法和裝置。

背景技術(shù)：

隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，車輛可以通過3G(3rd-Generation，第三代移動通信技術(shù))/4G(the 4th Generation mobile communication technology，第四代移動通信技術(shù))、Wi-Fi(WIreless-Fidelity，無線保真)等方式接入互聯(lián)網(wǎng)，從互聯(lián)網(wǎng)中下載視頻、音樂等資源，或者，還可以通過互聯(lián)網(wǎng)對車輛實現(xiàn)遠(yuǎn)程控制，為用戶帶來極大的便利。

在互聯(lián)網(wǎng)為用戶帶來便利的同時，車輛信息安全問題也變得尤為重要，越來越多的車輛局域網(wǎng)采用互聯(lián)網(wǎng)標(biāo)準(zhǔn)，突破車輛內(nèi)部的“防火墻”也就變得輕而易舉，對于接入互聯(lián)網(wǎng)的車輛，黑客經(jīng)由外部網(wǎng)絡(luò)就能夠?qū)π旭傊械能囕v發(fā)起攻擊。造成車載設(shè)備和車載導(dǎo)航儀系統(tǒng)異常，或是泄露車內(nèi)信息以及駕駛員個人隱私信息等，為用戶駕駛以及用戶信息帶來極大的安全隱患。

然而，目前各大車輛廠商均缺乏對聯(lián)網(wǎng)車輛攻擊行為的主動檢測以及防御能力。因此，亟需一種能夠?qū)诳偷墓粜袨檫M(jìn)行主動檢測的安全機(jī)制，以提高用戶的行車安全以及信息安全。

技術(shù)實現(xiàn)要素：

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的一種車輛攻擊檢測方法和裝置。

依據(jù)本發(fā)明的一個方面，提供了一種車輛攻擊檢測方法，包括：

采集車身總線數(shù)據(jù)；

確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵；

若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息。

可選地，所述確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵的步驟，包括：

獲取預(yù)設(shè)時間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量；

根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵。

可選地，所述方法還包括：

判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；

若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。

可選地，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，包括：

將所述車身狀態(tài)參數(shù)值與正常參數(shù)值進(jìn)行比對，若所述車身狀態(tài)參數(shù)值與所述正常參數(shù)值的差異超出預(yù)設(shè)閾值，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，包括：

判斷具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值是否分別符合對應(yīng)的正常范圍；

若具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值中有至少一個參數(shù)值不符合對應(yīng)的正常范圍，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，包括：

將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測模型；所述狀態(tài)檢測模型為根據(jù)收集的車身狀態(tài)參數(shù)值樣本進(jìn)行訓(xùn)練所得到；

若所述狀態(tài)檢測模型的輸出結(jié)果為異常狀態(tài)，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，所述方法還包括：

收集用戶的駕駛行為數(shù)據(jù)；

根據(jù)所述用戶的駕駛行為數(shù)據(jù)對所述狀態(tài)檢測模型進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的狀態(tài)檢測模型。

可選地，所述狀態(tài)檢測模型設(shè)置在云服務(wù)器中，所述將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測模型的步驟，包括：

將所述車身狀態(tài)參數(shù)值上傳至所述云服務(wù)器，以將所述車身狀態(tài)參數(shù)值輸入所述云服務(wù)器中的狀態(tài)檢測模型進(jìn)行異常狀態(tài)檢測。

可選地，所述車身狀態(tài)參數(shù)值至少包括如下參數(shù)：車速、轉(zhuǎn)速、邁速、擋位、油量、水溫。

根據(jù)本發(fā)明的另一方面，提供了一種車輛攻擊檢測裝置，包括：

數(shù)據(jù)采集模塊，用于采集車身總線數(shù)據(jù)；

信息熵確定模塊，用于確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵；

第一攻擊確定模塊，用于若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息。

可選地，所述信息熵確定模塊，包括：

數(shù)據(jù)量獲取子模塊，用于獲取預(yù)設(shè)時間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量；

信息熵確定子模塊，用于根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵。

可選地，所述裝置還包括：

異常狀態(tài)判斷模塊，用于判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；

第二攻擊確定模塊，用于若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。

可選地，所述異常狀態(tài)判斷模塊，包括：

第一判斷子模塊，用于將所述車身狀態(tài)參數(shù)值與正常參數(shù)值進(jìn)行比對，若所述車身狀態(tài)參數(shù)值與所述正常參數(shù)值的差異超出預(yù)設(shè)閾值，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，所述異常狀態(tài)判斷模塊，包括：

第二判斷子模塊，用于判斷具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值是否分別符合對應(yīng)的正常范圍；

異常確定子模塊，用于若具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值中有至少一個參數(shù)值不符合對應(yīng)的正常范圍，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，所述異常狀態(tài)判斷模塊，包括：

模型輸入子模塊，用于將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測模型；所述狀態(tài)檢測模型為根據(jù)收集的車身狀態(tài)參數(shù)值樣本進(jìn)行訓(xùn)練所得到；

結(jié)果輸出子模塊，用于若所述狀態(tài)檢測模型的輸出結(jié)果為異常狀態(tài)，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，所述裝置還包括：

行為收集模塊，用于收集用戶的駕駛行為數(shù)據(jù)；

模型調(diào)整模塊，用于根據(jù)所述用戶的駕駛行為數(shù)據(jù)對所述狀態(tài)檢測模型進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的狀態(tài)檢測模型。

可選地，所述狀態(tài)檢測模型設(shè)置在云服務(wù)器中，所述模型輸入子模塊，包括：

上傳單元，用于將所述車身狀態(tài)參數(shù)值上傳至所述云服務(wù)器，以將所述車身狀態(tài)參數(shù)值輸入所述云服務(wù)器中的狀態(tài)檢測模型進(jìn)行異常狀態(tài)檢測。

可選地，所述車身狀態(tài)參數(shù)值至少包括如下參數(shù)：車速、轉(zhuǎn)速、邁速、擋位、油量、水溫。

根據(jù)本發(fā)明實施例提供的一種車輛攻擊檢測方法和裝置，通過檢測車身總線數(shù)據(jù)的信息熵來判斷車身總線是否受到攻擊。由于車身總線數(shù)據(jù)的信息熵可以反映車身總線數(shù)據(jù)的穩(wěn)定狀態(tài)，如果該信息熵超出預(yù)置范圍，則說明車身總線數(shù)據(jù)處于不穩(wěn)地狀態(tài)，也即車身總線數(shù)據(jù)中有可能出現(xiàn)用于攻擊的異常數(shù)據(jù)，因此，可以確定所述車身總線受到攻擊，并發(fā)出告警信息，以使用戶盡早采取措施制止攻擊的深入發(fā)展，進(jìn)而提高用戶的行車安全以及信息安全。

上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。

附圖說明

通過閱讀下文可選實施方式的詳細(xì)描述，各種其他的優(yōu)點和益處對于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出可選實施方式的目的，而并不認(rèn)為是對本發(fā)明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：

圖1示出了根據(jù)本發(fā)明一個實施例的一種車輛攻擊檢測方法的步驟流程圖；

圖2示出了根據(jù)本發(fā)明一個實施例的一種車輛攻擊檢測方法的步驟流程圖；以及

圖3示出了根據(jù)本發(fā)明一個實施例的一種車輛攻擊檢測裝置的結(jié)構(gòu)框圖。

具體實施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應(yīng)當(dāng)理解，可以以各種形式實現(xiàn)本公開而不應(yīng)被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

參照圖1，示出了根據(jù)本發(fā)明一個實施例的一種車輛攻擊檢測方法的步驟流程圖，具體可以包括如下步驟：

步驟101、采集車身總線數(shù)據(jù)；

步驟102、確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵；

步驟103、若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息。

在實際應(yīng)用中，攻擊者通常通過對車身總線數(shù)據(jù)進(jìn)行篡改，以達(dá)到攻擊車輛的目的。本發(fā)明實施例可用于對車輛總線進(jìn)行安全檢測，以及時發(fā)現(xiàn)對車輛總線的攻擊行為，并且發(fā)出告警信息，進(jìn)而提高用戶的行車安全以及信息安全。

在實際應(yīng)用中，本發(fā)明實施例可以預(yù)先設(shè)置安全檢測規(guī)則，并且利用所述安全檢測規(guī)則對實時采集的車身總線數(shù)據(jù)進(jìn)行檢測，以判斷車身總線是否受到攻擊。可選地，所述安全檢測規(guī)則可以置于車輛本地，例如，可以將所述安全檢測規(guī)則設(shè)置于T-BOX(Telematics BOX，車載智能終端)、OBD(On-Board Diagnostic，車載診斷系統(tǒng))等車聯(lián)網(wǎng)設(shè)備中，由于所述車聯(lián)網(wǎng)設(shè)備具有采集車身總線數(shù)據(jù)的功能，因此，本發(fā)明實施例可以不用再額外增加獨立的功能模塊，以節(jié)省硬件成本。

或者，所述安全檢測規(guī)則還可以置于云服務(wù)器中，由云服務(wù)器向車輛的車聯(lián)網(wǎng)設(shè)備下發(fā)所述安全檢測規(guī)則。所述車聯(lián)網(wǎng)設(shè)備通過云服務(wù)器下發(fā)的安全檢測規(guī)則對實時采集的車身總線數(shù)據(jù)進(jìn)行安全檢測，在確定車身總線受到攻擊時，發(fā)出告警信息。所述車聯(lián)網(wǎng)設(shè)備還可以將采集的車身總線數(shù)據(jù)以及檢測結(jié)果上傳至云服務(wù)器，以使云服務(wù)器可以對各車聯(lián)網(wǎng)設(shè)備上傳的車身總線數(shù)據(jù)以及檢測結(jié)果進(jìn)行分析，以不斷對所述安全檢測規(guī)則進(jìn)行優(yōu)化和更新。

本發(fā)明實施例中，車身總線數(shù)據(jù)的信息熵在車身運(yùn)轉(zhuǎn)狀態(tài)過程中通常在一定范圍內(nèi)進(jìn)行波動，也即車身總線數(shù)據(jù)通常處于某個穩(wěn)定狀態(tài)。如果車身總線數(shù)據(jù)的信息熵超出正常的波動范圍，則可以認(rèn)為車身總線有可能受到攻擊。因此，所述安全檢測規(guī)則具體可以為：監(jiān)控車身總線數(shù)據(jù)對應(yīng)的信息熵，若所述信息熵超出預(yù)置范圍，則確定車身總線受到攻擊。其中，所述預(yù)置范圍可以為在車身總線正常狀態(tài)下統(tǒng)計得到的車身總線數(shù)據(jù)信息熵的波動范圍。

在本發(fā)明的一種可選實施例中，所述確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵的步驟，具體可以包括：

步驟S11、獲取預(yù)設(shè)時間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量；

步驟S12、根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵。

在實際應(yīng)用中，不同型號的車輛通常具有不同的總線控制命令，攻擊者在對車身總線進(jìn)行攻擊前，通常首先對車輛進(jìn)行攻擊嘗試，對應(yīng)的攻擊嘗試過程可以包括：通過發(fā)送大量的嘗試命令，以嘗試得出某輛車輛的總線控制命令，如剎車命令、開門命令等，并利用得到的總線控制命令進(jìn)行車輛攻擊。在車輛正常行駛的過程中，車身總線數(shù)據(jù)的總數(shù)據(jù)量通常維持在某個穩(wěn)定的范圍內(nèi)，如果在某段時間內(nèi)，攻擊者通過車身總線發(fā)送大量的剎車嘗試命令，則該段時間內(nèi)車身總線數(shù)據(jù)中會出現(xiàn)大量的異常車身狀態(tài)參數(shù)值，使得車身狀態(tài)參數(shù)值的數(shù)據(jù)量顯著增多，進(jìn)而車身總線數(shù)據(jù)的總數(shù)據(jù)量也隨之增加，從而導(dǎo)致車身總線數(shù)據(jù)的總數(shù)據(jù)量超出正常的波動范圍。

也即在攻擊者對車輛進(jìn)行攻擊嘗試的過程中，攻擊者會通過車身總線發(fā)送大量的嘗試命令，使得車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量發(fā)生明顯的變化，因此，本發(fā)明實施例通過獲取預(yù)設(shè)時間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，并且根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵。該信息熵可以反映預(yù)設(shè)時間段內(nèi)車身總線數(shù)據(jù)的狀態(tài)，該狀態(tài)可以包括穩(wěn)定狀態(tài)或者不穩(wěn)定狀態(tài)，例如，攻擊者發(fā)送大量的嘗試剎車的命令，則計算得到的車身總線數(shù)據(jù)的信息熵可能為一個較大的值，并且超出預(yù)置范圍，則可以確定所述車身總線因受到攻擊而不穩(wěn)定，故可以發(fā)出告警信息。

在本發(fā)明實施例中，可以通過如下步驟計算所述車身總線數(shù)據(jù)對應(yīng)的信息熵：確定所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量與所述車身總線數(shù)據(jù)的總數(shù)據(jù)量的比值，計算所述比值、以及所述比值的對數(shù)值(取對數(shù)得到的值)的乘積，將得到的乘積的負(fù)值作為所述車身總線數(shù)據(jù)對應(yīng)的信息熵。

可以理解，上述計算車身總線數(shù)據(jù)對應(yīng)的信息熵的方式僅作為本發(fā)明的一種應(yīng)用示例，在具體應(yīng)用中，本發(fā)明實施例對于所述信息熵的具體計算方式不加以限制。

綜上，本發(fā)明實施例的車輛攻擊檢測方法，通過檢測車身總線數(shù)據(jù)的信息熵來判斷車身總線是否受到攻擊。由于車身總線數(shù)據(jù)的信息熵可以反映車身總線數(shù)據(jù)的穩(wěn)定狀態(tài)，如果該信息熵超出預(yù)置范圍，則說明車身總線數(shù)據(jù)處于不穩(wěn)地狀態(tài)，也即車身總線數(shù)據(jù)中有可能出現(xiàn)用于攻擊的異常數(shù)據(jù)，因此，可以確定所述車身總線受到攻擊，并發(fā)出告警信息，以使用戶盡早采取措施制止攻擊的深入發(fā)展，進(jìn)而提高用戶的行車安全以及信息安全。

在本發(fā)明的一種可選實施例中，所述安全檢測規(guī)則還可以為：監(jiān)控所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)，若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。參照圖2，示出了根據(jù)本發(fā)明一個實施例的一種車輛攻擊檢測方法的步驟流程圖，具體可以包括如下步驟：

步驟201、采集車身總線數(shù)據(jù)；

步驟202、確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵；

步驟203、若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息；

步驟204、判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；

步驟205、若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。

需要說明的是，本發(fā)明實施例對于上述步驟202-步驟203、與步驟204-步驟205之間的執(zhí)行順序不加以限制。例如，可以先執(zhí)行步驟202-步驟203，再執(zhí)行步驟204-步驟205；或者先執(zhí)行步驟204-步驟205，再執(zhí)行步驟202-步驟203；或者并列同時執(zhí)行步驟202-步驟203、與步驟204-步驟205均可。

在車輛啟動后，車身各個ECU(Electronic Control Unit，電子控制單元)便開始相繼啟動工作，車身總線中也開始出現(xiàn)描述車身參數(shù)的數(shù)據(jù)，以下稱為車身狀態(tài)參數(shù)值。在本發(fā)明的一種可選實施例中，所述車身狀態(tài)參數(shù)值至少包括如下參數(shù)值：車速、轉(zhuǎn)速、邁速、擋位、油量、水溫。

本發(fā)明實施例可以提供判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的如下可選方案。

方案一

在具體應(yīng)用中，攻擊者在對車輛進(jìn)行攻擊時，在初期的攻擊嘗試階段，往往是針對車輛某個功能模塊單獨進(jìn)行嘗試攻擊。因此，本方案通過判斷單個車身狀態(tài)參數(shù)值是否處于異常狀態(tài)，可以在攻擊初期檢測出車輛是否受到攻擊，以及時發(fā)出告警信息，盡早減少用戶的損失。

具體地，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，可以包括：將所述車身狀態(tài)參數(shù)值與正常參數(shù)值進(jìn)行比對，若所述車身狀態(tài)參數(shù)值與所述正常參數(shù)值的差異超出預(yù)設(shè)閾值，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

例如，檢測出當(dāng)前轉(zhuǎn)速明顯超出正常轉(zhuǎn)速，或者，當(dāng)前水溫明顯超出正常水溫等，可以確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

方案二

在車輛行駛過程中，所獲得的車身狀態(tài)參數(shù)值之間并不是嚴(yán)格獨立的，而是相互之間存在著一定的關(guān)聯(lián)關(guān)系。比如邁速的取值范圍與轉(zhuǎn)速和擋位存在關(guān)聯(lián)關(guān)系，水溫的高低與轉(zhuǎn)速、外部氣溫、行車時間也存在關(guān)聯(lián)關(guān)系等。因此，方案二通過對具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值進(jìn)行檢測，以判斷車身總線是否受到攻擊，進(jìn)一步提高攻擊檢測的準(zhǔn)確性。

具體地，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，可以包括：

步驟S21、判斷具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值是否分別符合對應(yīng)的正常范圍；

步驟S22、若具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值中有至少一個參數(shù)值不符合對應(yīng)的正常范圍，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

例如，車速、轉(zhuǎn)速以及擋位通常具有關(guān)聯(lián)關(guān)系，在檔位為X檔、車速在M0-N0km/s范圍內(nèi)時，對應(yīng)的正常轉(zhuǎn)速應(yīng)該在M1-N1RPM范圍內(nèi)，如果檢測出當(dāng)前轉(zhuǎn)速超出M1-N1RPM的正常范圍，則可以確定車身狀態(tài)參數(shù)值處于異常狀態(tài)?；蛘?，檢測出當(dāng)前車速超出M0-N0KM/S的正常范圍，則可以確定車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可以理解，上述方案一和方案二所提供的判斷車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的方式僅作為本發(fā)明的可選實施例，在實際應(yīng)用中，可以根據(jù)實際情況采取不同的判斷方式?？蛇x地，還可以通過檢測預(yù)設(shè)時間內(nèi)車身狀態(tài)參數(shù)值是否處于穩(wěn)定狀態(tài)，來判斷車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；例如，若在短時間內(nèi)檢測到油量出現(xiàn)忽高忽低的不穩(wěn)定狀態(tài)，則可以確定車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可選地，還可以通過檢測儀表盤是否出現(xiàn)不正常的顯示值，來判斷車身狀態(tài)參數(shù)值是否處于異常狀態(tài)。例如，在車輛沒有點火的情況下，儀表盤卻顯示有一定的轉(zhuǎn)速或者邁速等，則可以確定車身狀態(tài)參數(shù)值處于異常狀態(tài)。

方案三

本方案可以收集大多數(shù)用戶在正常駕駛過程中的車身狀態(tài)參數(shù)值樣本，所述車身狀態(tài)參數(shù)值樣本可以包括：正常的車身狀態(tài)參數(shù)值樣本也即正樣本、以及異常的車身狀態(tài)參數(shù)值樣本也即反樣本，依據(jù)上述正樣本和反樣本中車身狀態(tài)參數(shù)值之間的關(guān)聯(lián)關(guān)系得到特征向量，并且利用上述特征向量對正樣本和反樣本進(jìn)行訓(xùn)練，通過機(jī)器學(xué)習(xí)的方式訓(xùn)練出狀態(tài)檢測模型，利用該狀態(tài)檢測模型判斷車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)。由于該狀態(tài)檢測模型可以通過收集的大量車身狀態(tài)參數(shù)值樣本訓(xùn)練得到，因此，利用該狀態(tài)檢測模型具備正常狀態(tài)或者異常狀態(tài)的分類和識別能力，故可以提高檢測攻擊的準(zhǔn)確性。

具體地，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，可以包括：

步驟S31、將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測模型；所述狀態(tài)檢測模型為根據(jù)收集的車身狀態(tài)參數(shù)值樣本進(jìn)行訓(xùn)練所得到；

步驟S32、若所述狀態(tài)檢測模型的輸出結(jié)果為異常狀態(tài)，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

可以理解，本發(fā)明實施例對于所述狀態(tài)檢測模型的具體訓(xùn)練方式不加以限制。例如，可以采集預(yù)設(shè)時間段內(nèi)的車速、轉(zhuǎn)速、擋位、轉(zhuǎn)向角度、水溫、油溫等車身狀態(tài)參數(shù)值作為車身狀態(tài)參數(shù)值樣本，對車身狀態(tài)參數(shù)值樣本進(jìn)行歸一化處理，將歸一化后的數(shù)據(jù)分別采用BP(Error Back Propagation，誤差反向傳播)等算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)獲得最優(yōu)模型參數(shù)，得到狀態(tài)檢測模型。

在本發(fā)明的一種可選實施例中，所述狀態(tài)檢測模型可以設(shè)置在云服務(wù)器中，所述將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測模型的步驟，具體可以包括：

將所述車身狀態(tài)參數(shù)值上傳至所述云服務(wù)器，以將所述車身狀態(tài)參數(shù)值輸入所述云服務(wù)器中的狀態(tài)檢測模型進(jìn)行異常狀態(tài)檢測。

在具體應(yīng)用中，可以利用車聯(lián)網(wǎng)設(shè)備采集車身狀態(tài)參數(shù)值，并且上傳至云服務(wù)器，云服務(wù)器利用車聯(lián)網(wǎng)設(shè)備采集的車身狀態(tài)參數(shù)值，依托大數(shù)據(jù)建立用于檢測車輛安全狀態(tài)的狀態(tài)檢測模型，可以對車輛運(yùn)行過程中的實時采集的車身狀態(tài)參數(shù)值進(jìn)行分析，一旦發(fā)現(xiàn)車身狀態(tài)參數(shù)值處于異常狀態(tài)，即可發(fā)出告警，從而可以及時發(fā)現(xiàn)車身總線受到攻擊并及早采取措施制止攻擊的深入發(fā)展，降低用戶的損失。

進(jìn)一步地，云服務(wù)器可以將所述狀態(tài)檢測模型下發(fā)至車輛的車聯(lián)網(wǎng)設(shè)備中，使得在車輛本地即可利用所述狀態(tài)檢測模型檢測車身總線數(shù)據(jù)是否受到攻擊。車聯(lián)網(wǎng)設(shè)備還可以將實時采集的車身狀態(tài)參數(shù)值以及檢測結(jié)果發(fā)送至云服務(wù)器，以使云服務(wù)器可以對所述狀態(tài)檢測模型進(jìn)行不斷優(yōu)化。

在具體應(yīng)用中，由于不同用戶具有不同的駕駛習(xí)慣，例如有的用戶習(xí)慣在駕駛過程中急加速和急減速，這樣，利用上述根據(jù)車輛正常行駛過程中采集的車身狀態(tài)參數(shù)值樣本訓(xùn)練得到的狀態(tài)檢測模型進(jìn)行檢測，有可能檢測得到車身狀態(tài)參數(shù)值處于異常狀態(tài)，為了使得狀態(tài)檢測模型能夠符合不同用戶的駕駛習(xí)慣，在本發(fā)明的一種可選實施例中，所述方法還可以包括如下步驟：

步驟S41、收集用戶的駕駛行為數(shù)據(jù)；

步驟S42、根據(jù)所述用戶的駕駛行為數(shù)據(jù)對所述狀態(tài)檢測模型進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的狀態(tài)檢測模型。

本發(fā)明實施例可以根據(jù)不同用戶的駕駛行為數(shù)據(jù)，對所述狀態(tài)檢測模型的訓(xùn)練樣本進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的個性化狀態(tài)檢測模型。例如，轉(zhuǎn)速的高低、急加速、急減速的次數(shù)可以反映用戶的駕駛激烈程度等。對于駕駛行為較為激烈的用戶，可以將稍大一些的車速、轉(zhuǎn)速等車身狀態(tài)參數(shù)值作為正樣本，由此訓(xùn)練出的該用戶的個性化狀態(tài)檢測模型可以符合用戶的駕駛習(xí)慣，可以識別出屬于該用戶駕駛習(xí)慣的正常車身狀態(tài)參數(shù)值，以及識別出屬于車身總線攻擊的異常車身狀態(tài)參數(shù)值。

在實際應(yīng)用中，本領(lǐng)域技術(shù)人員可以根據(jù)需要靈活選取上述三種方案中的任意一種或者任意組合。例如，對于簡單規(guī)則的判定(如方案一和方案二)，可直接在車聯(lián)網(wǎng)設(shè)備中進(jìn)行判定，而對于需要大數(shù)據(jù)分析的復(fù)雜規(guī)則(如方案三)，可以通過車聯(lián)網(wǎng)設(shè)備采集車身狀態(tài)參數(shù)值上傳至云服務(wù)器進(jìn)行學(xué)習(xí)訓(xùn)練，再將經(jīng)過學(xué)習(xí)訓(xùn)練生成的狀態(tài)檢測模型下發(fā)到車聯(lián)網(wǎng)設(shè)備中進(jìn)行使用。

在實際應(yīng)用中，有可能出現(xiàn)由于車輛自身故障導(dǎo)致車輛異常的情況，因此，在本發(fā)明的一種可選實施例中，在所述車身總線數(shù)據(jù)對應(yīng)的信息熵超出預(yù)置范圍，或者所述車身狀態(tài)參數(shù)值處于異常狀態(tài)時，可以發(fā)出遭受攻擊的告警信息；然而，此種情況下若通過修理廠檢測等物理檢測手段確定車身總線實際上并未受到攻擊，則說明攻擊檢測結(jié)果有誤，車輛有可能發(fā)生其它故障，此時可以生成故障檢測報告。并且可以將所述車身總線數(shù)據(jù)、車身狀態(tài)參數(shù)值以及故障檢測結(jié)果上傳至云服務(wù)器進(jìn)行大數(shù)據(jù)分析，以進(jìn)一步優(yōu)化安全檢測規(guī)則以及狀態(tài)檢測模型，從而可以減少攻擊誤判的幾率，提高攻擊檢測的準(zhǔn)確性。

綜上，本發(fā)明實施例除了可以通過檢測車身總線數(shù)據(jù)的信息熵來判斷車身總線是否受到攻擊，還可以通過檢測車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)，來判斷車身總線是否受到攻擊。例如，通過判斷單個車身狀態(tài)參數(shù)值是否處于異常狀態(tài)，可以在攻擊初期檢測出車輛是否受到攻擊，以及時發(fā)出告警信息，盡早減少用戶的損失?；蛘?，通過對具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值進(jìn)行檢測，以判斷車身總線是否受到攻擊，進(jìn)一步提高攻擊檢測的準(zhǔn)確性。再者，還可以通過狀態(tài)檢測模型檢測車身總線是否受到攻擊，不僅可以提高檢測的準(zhǔn)確性，還可以使得檢測結(jié)果符合不同用戶的駕駛習(xí)慣。

參照圖3，示出了根據(jù)本發(fā)明一個實施例的一種車輛攻擊檢測裝置的結(jié)構(gòu)框圖，具體可以包括如下模塊：

數(shù)據(jù)采集模塊301，用于采集車身總線數(shù)據(jù)；

信息熵確定模塊302，用于確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵；

第一攻擊確定模塊303，用于若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息。

在本發(fā)明的一種可選實施例中，所述信息熵確定模塊302，具體可以包括：

數(shù)據(jù)量獲取子模塊，用于獲取預(yù)設(shè)時間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量；

信息熵確定子模塊，用于根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵。

在本發(fā)明的另一種可選實施例中，所述裝置還可以包括：

異常狀態(tài)判斷模塊，用于判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；

第二攻擊確定模塊，用于若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。

在本發(fā)明的又一種可選實施例中，所述異常狀態(tài)判斷模塊，具體可以包括：

第一判斷子模塊，用于將所述車身狀態(tài)參數(shù)值與正常參數(shù)值進(jìn)行比對，若所述車身狀態(tài)參數(shù)值與所述正常參數(shù)值的差異超出預(yù)設(shè)閾值，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

在本發(fā)明的再一種可選實施例中，所述異常狀態(tài)判斷模塊，具體可以包括：

第二判斷子模塊，用于判斷具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值是否分別符合對應(yīng)的正常范圍；

異常確定子模塊，用于若具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值中有至少一個參數(shù)值不符合對應(yīng)的正常范圍，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

在本發(fā)明的再一種可選實施例中，所述異常狀態(tài)判斷模塊，具體可以包括：

模型輸入子模塊，用于將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測模型；所述狀態(tài)檢測模型為根據(jù)收集的車身狀態(tài)參數(shù)值樣本進(jìn)行訓(xùn)練所得到；

結(jié)果輸出子模塊，用于若所述狀態(tài)檢測模型的輸出結(jié)果為異常狀態(tài)，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

在本發(fā)明的再一種可選實施例中，所述裝置還可以包括：

行為收集模塊，用于收集用戶的駕駛行為數(shù)據(jù)；

模型調(diào)整模塊，用于根據(jù)所述用戶的駕駛行為數(shù)據(jù)對所述狀態(tài)檢測模型進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的狀態(tài)檢測模型。

在本發(fā)明的再一種可選實施例中，所述狀態(tài)檢測模型設(shè)置在云服務(wù)器中，所述模型輸入子模塊，具體可以包括：

上傳單元，用于將所述車身狀態(tài)參數(shù)值上傳至所述云服務(wù)器，以將所述車身狀態(tài)參數(shù)值輸入所述云服務(wù)器中的狀態(tài)檢測模型進(jìn)行異常狀態(tài)檢測。

在本發(fā)明的再一種可選實施例中，所述車身狀態(tài)參數(shù)值至少包括如下參數(shù)：車速、轉(zhuǎn)速、邁速、擋位、油量、水溫。

對于裝置實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。

在此提供的算法和顯示不與任何特定計算機(jī)、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類系統(tǒng)所要求的結(jié)構(gòu)是顯而易見的。此外，本發(fā)明也不針對任何特定編程語言。應(yīng)當(dāng)明白，可以利用各種編程語言實現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對特定語言所做的描述是為了披露本發(fā)明的最佳實施方式。

在此處所提供的說明書中，說明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實施例可以在沒有這些具體細(xì)節(jié)的情況下實踐。在一些實例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對本說明書的理解。

類似地，應(yīng)當(dāng)理解，為了精簡本公開并幫助理解各個發(fā)明方面中的一個或多個，在上面對本發(fā)明的示例性實施例的描述中，本發(fā)明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應(yīng)將該公開的方法解釋成反映如下意圖：即所要求保護(hù)的本發(fā)明要求比在每個權(quán)利要求中所明確記載的特征更多的特征。更確切地說，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權(quán)利要求書由此明確地并入該具體實施方式，其中每個權(quán)利要求本身都作為本發(fā)明的單獨實施例。

本領(lǐng)域那些技術(shù)人員可以理解，可以對實施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地改變并且把它們設(shè)置在與該實施例不同的一個或多個設(shè)備中?？梢园褜嵤├械哪K或單元或組件組合成一個模塊或單元或組件，以及此外可以把它們分成多個子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設(shè)備的所有過程或單元進(jìn)行組合。除非另外明確陳述，本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個特征可以由提供相同、等同或相似目的的替代特征來代替。

此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實施例。例如，在下面的權(quán)利要求書中，所要求保護(hù)的實施例的任意之一都可以以任意的組合方式來使用。

本發(fā)明的各個部件實施例可以以硬件實現(xiàn)，或者以在一個或者多個處理器上運(yùn)行的軟件模塊實現(xiàn)，或者以它們的組合實現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，可以在實踐中使用微處理器或者數(shù)字信號處理器(DSP)來實現(xiàn)根據(jù)本發(fā)明實施例的車輛攻擊檢測方法和裝置中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者裝置程序(例如，計算機(jī)程序和計算機(jī)程序產(chǎn)品)。這樣的實現(xiàn)本發(fā)明的程序可以存儲在計算機(jī)可讀介質(zhì)上，或者可以具有一個或者多個信號的形式。這樣的信號可以從因特網(wǎng)平臺上下載得到，或者在載體信號上提供，或者以任何其他形式提供。

應(yīng)該注意的是上述實施例對本發(fā)明進(jìn)行說明而不是對本發(fā)明進(jìn)行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計出替換實施例。在權(quán)利要求中，不應(yīng)將位于括號之間的任何參考符號構(gòu)造成對權(quán)利要求的限制。單詞“包括”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計算機(jī)來實現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。

本發(fā)明公開了A1、一種車輛攻擊檢測方法，包括：

采集車身總線數(shù)據(jù)；

確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵；

若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息。

A2、如A1所述的方法，所述確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵的步驟，包括：

獲取預(yù)設(shè)時間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量；

根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵。

A3、如A1所述的方法，所述方法還包括：

判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；

若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。

A4、如A3所述的方法，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，包括：

將所述車身狀態(tài)參數(shù)值與正常參數(shù)值進(jìn)行比對，若所述車身狀態(tài)參數(shù)值與所述正常參數(shù)值的差異超出預(yù)設(shè)閾值，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

A5、如A3所述的方法，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，包括：

判斷具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值是否分別符合對應(yīng)的正常范圍；

若具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值中有至少一個參數(shù)值不符合對應(yīng)的正常范圍，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

A6、如A3所述的方法，所述判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)的步驟，包括：

將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測模型；所述狀態(tài)檢測模型為根據(jù)收集的車身狀態(tài)參數(shù)值樣本進(jìn)行訓(xùn)練所得到；

若所述狀態(tài)檢測模型的輸出結(jié)果為異常狀態(tài)，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

A7、如A6所述的方法，所述方法還包括：

收集用戶的駕駛行為數(shù)據(jù)；

根據(jù)所述用戶的駕駛行為數(shù)據(jù)對所述狀態(tài)檢測模型進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的狀態(tài)檢測模型。

A8、如A6所述的方法，所述狀態(tài)檢測模型設(shè)置在云服務(wù)器中，所述將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測模型的步驟，包括：

將所述車身狀態(tài)參數(shù)值上傳至所述云服務(wù)器，以將所述車身狀態(tài)參數(shù)值輸入所述云服務(wù)器中的狀態(tài)檢測模型進(jìn)行異常狀態(tài)檢測。

A9、如A2至A8所述的方法，所述車身狀態(tài)參數(shù)值至少包括如下參數(shù)：車速、轉(zhuǎn)速、邁速、擋位、油量、水溫。

本發(fā)明公開了B10、一種車輛攻擊檢測裝置，包括：

數(shù)據(jù)采集模塊，用于采集車身總線數(shù)據(jù)；

信息熵確定模塊，用于確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵；

第一攻擊確定模塊，用于若所述信息熵超出預(yù)置范圍，則確定所述車身總線受到攻擊，發(fā)出告警信息。

B11、如B10所述的裝置，所述信息熵確定模塊，包括：

數(shù)據(jù)量獲取子模塊，用于獲取預(yù)設(shè)時間段內(nèi)所述車身總線數(shù)據(jù)中車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量；

信息熵確定子模塊，用于根據(jù)所述車身狀態(tài)參數(shù)值的數(shù)據(jù)量和所述車身總線數(shù)據(jù)的總數(shù)據(jù)量，確定所述車身總線數(shù)據(jù)對應(yīng)的信息熵。

B12、如B10所述的裝置，所述裝置還包括：

異常狀態(tài)判斷模塊，用于判斷所述車身總線數(shù)據(jù)中的車身狀態(tài)參數(shù)值是否處于異常狀態(tài)；

第二攻擊確定模塊，用于若所述車身狀態(tài)參數(shù)值處于異常狀態(tài)，則確定所述車身總線受到攻擊，發(fā)出告警信息。

B13、如B12所述的裝置，所述異常狀態(tài)判斷模塊，包括：

第一判斷子模塊，用于將所述車身狀態(tài)參數(shù)值與正常參數(shù)值進(jìn)行比對，若所述車身狀態(tài)參數(shù)值與所述正常參數(shù)值的差異超出預(yù)設(shè)閾值，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

B14、如B12所述的裝置，所述異常狀態(tài)判斷模塊，包括：

第二判斷子模塊，用于判斷具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值是否分別符合對應(yīng)的正常范圍；

異常確定子模塊，用于若具有關(guān)聯(lián)關(guān)系的車身狀態(tài)參數(shù)值中有至少一個參數(shù)值不符合對應(yīng)的正常范圍，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

B15、如B12所述的裝置，所述異常狀態(tài)判斷模塊，包括：

模型輸入子模塊，用于將所述車身狀態(tài)參數(shù)值輸入狀態(tài)檢測模型；所述狀態(tài)檢測模型為根據(jù)收集的車身狀態(tài)參數(shù)值樣本進(jìn)行訓(xùn)練所得到；

結(jié)果輸出子模塊，用于若所述狀態(tài)檢測模型的輸出結(jié)果為異常狀態(tài)，則確定所述車身狀態(tài)參數(shù)值處于異常狀態(tài)。

B16、如B15所述的裝置，所述裝置還包括：

行為收集模塊，用于收集用戶的駕駛行為數(shù)據(jù)；

模型調(diào)整模塊，用于根據(jù)所述用戶的駕駛行為數(shù)據(jù)對所述狀態(tài)檢測模型進(jìn)行調(diào)整，以得到符合用戶駕駛習(xí)慣的狀態(tài)檢測模型。

B17、如B15所述的裝置，所述狀態(tài)檢測模型設(shè)置在云服務(wù)器中，所述模型輸入子模塊，包括：

上傳單元，用于將所述車身狀態(tài)參數(shù)值上傳至所述云服務(wù)器，以將所述車身狀態(tài)參數(shù)值輸入所述云服務(wù)器中的狀態(tài)檢測模型進(jìn)行異常狀態(tài)檢測。

B18、如B11至B17所述的裝置，所述車身狀態(tài)參數(shù)值至少包括如下參數(shù)：車速、轉(zhuǎn)速、邁速、擋位、油量、水溫。