买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉木卫四(北京)科技有限公司申请的专利汽车指令异常检测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117077062B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311118057.7，技术领域涉及：G06F18/2433；该发明授权汽车指令异常检测方法及装置是由申小平;王宏超;王英杰;汪明伟;云朋设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本汽车指令异常检测方法及装置在说明书摘要公布了：本发明提供了一种汽车指令异常检测方法，包括：获取历史汽车状态数据；处理得到历史时间序列日志；通过神经网络模型对历史日志键序列进行训练，得到原始分类器；根据车型，对原始分类器进行调整，得到目标分类器；对每个历史日志键的历史参数向量序列进行训练，得到每个历史参数向量的网络模型；获取t‑1时刻的汽车状态数据，并处理得到t‑1时刻的日志键序列和参数向量序列；将t‑1时刻的步长h的日志键序列输入目标分类器；当t时刻的日志键异常时，输出第一异常结果；当t时刻的日志键正常时，将步长h的日志键序列中，每个日志键的参数向量输入对应的网络模型，判断每个日志键的参数向量是否正常；当异常时，输出第二异常结果。

本发明授权汽车指令异常检测方法及装置在权利要求书中公布了：1.一种汽车指令异常检测方法，其特征在于，所述方法包括： 获取历史汽车状态数据；所述历史汽车状态数据包括车型；不同车型的数据字段和驾驶模式不同； 对所述历史汽车状态数据进行处理，得到历史时间序列日志；所述历史时间序列日志包括历史日志键序列和每个历史日志键的历史参数向量序列； 所述历史日志键序列包括多个历史日志键； 通过神经网络模型对所述历史日志键序列进行训练，得到原始训练模型； 根据所述车型，对所述原始训练模型进行调整，得到目标训练模型； 对每个历史日志键的历史参数向量序列进行训练，得到每个历史参数向量的网络模型； 获取t-1时刻的汽车状态数据，并处理得到t-1时刻的日志键序列和t-1时刻的日志键序列中每个日志键的参数向量序列； 将所述t-1时刻的步长h的日志键序列输入所述目标训练模型，判断t时刻的日志键是否正常； 当t时刻的日志键异常时，输出第一异常结果； 当t时刻的日志键正常时，将步长h的日志键序列中，每个日志键的参数向量输入对应的网络模型，判断每个日志键的参数向量是否正常； 当异常时，输出第二异常结果； 其中，所述根据所述车型，对所述原始训练模型进行调整，得到目标训练模型具体包括： 移除所述原始训练模型中原有的全连接层、激活层、Dropout层以及最后一个LSTM层； 冻结所述原始训练模型的其他层； 在所述原始训练模型中添加新的LSTM层、Dropout层、全连接层和激活层； 通过添加的新的LSTM层、Dropout层、全连接层和激活层的权重进行更新，被冻结的层的权重不更新，使用特定车型的日志键序列进行微调，得到目标训练模型； 其中，所述对所述历史汽车状态数据进行处理，得到历史时间序列日志具体包括： 根据采集汽车状态数据的时间戳，对采集到的汽车状态数据集中的汽车状态数据进行排序； 对所述汽车状态数据进行状态变化筛选，保留连续的时间点上状态发生变化的汽车状态数据； 将保留的所述汽车状态数据转化为动作数据； 针对每个动作数据，将动作数据转换为时间序列日志； 对时间序列日志进行解析，得到日志键和参数向量； 其中，所述对所述汽车状态数据进行状态变化筛选，保留连续的时间点上状态发生变化的汽车状态数据具体包括： 对所述汽车状态数据集进行清洗； 针对清洗后的汽车状态数据集，根据时间节点，判断相邻的两个时间节点的汽车状态数据是否发生变化，当发生变化时，将相邻的两个时间节点的汽车状态数据保留；当未发生变化时，将相邻的两个时间节点的汽车状态数据的字段设置为空值； 其中，所述将所述t-1时刻的步长h的日志键序列输入所述目标训练模型，判断t时刻的日志键是否正常具体包括： 将t-1时刻的日志键序列，按照步长h进行划分，得到多个步长h的日志键序列； 将第一个步长h的日志键序列输入目标训练模型，预测第一个步长h之后的日志键在t时刻w条件下为k的条件概率； 当条件概率不在前C时，确定t时刻的日志键异常；其中C为设置的参数阈值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人木卫四(北京)科技有限公司，其通讯地址为：100083 北京市海淀区中关村东路18号1号楼16层C-1609；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。