買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉無錫學院申請的專利一種車載CAN總線入侵檢測系統及方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120434051B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510925943.3，技術領域涉及：H04L9/40；該發明授權一種車載CAN總線入侵檢測系統及方法是由曹燚;樊炳;徐天宇;王亦君;袁程勝;闞希;吳昊設計研發完成，并于2025-07-07向國家知識產權局提交的專利申請。

本一種車載CAN總線入侵檢測系統及方法在說明書摘要公布了：本發明公開了一種車載CAN總線入侵檢測系統及方法，其基于改進壓縮網絡模型訓練獲得，改進壓縮網絡模型包括卷積層、池化層、多個動態特征提取模塊、卷積映射層、全局平均池化層和分類輸出層；動態特征提取模塊包括壓縮層與擴展分支，壓縮層采用1×1深度可分離卷積進行特征壓縮，擴展分支采用1×1和3×3深度可分離卷積，并通過特征拼接增強通道特征表達能力，拼接輸出后接入通道注意力模塊以優化通道特征分布并抑制冗余信息，提升網絡的特征提取與分類判別能力。該系統能夠檢測車載網絡異常流量，實現高準確率、低延遲與高效處理能力，適應資源受限的車載環境，解決現有入侵檢測系統復雜度高、響應慢及部署受限的問題。

本發明授權一種車載CAN總線入侵檢測系統及方法在權利要求書中公布了：1.一種車載CAN總線入侵檢測系統，其特征在于，所述入侵檢測系統基于改進壓縮網絡模型訓練獲得，所述壓縮網絡模型為SqueezeNet模型； 所述改進壓縮網絡模型包括卷積層、池化層、多個動態特征提取模塊、卷積映射層、全局平均池化層和分類輸出層； 各所述動態特征提取模塊均包括一個壓縮層與兩個擴展分支，所述壓縮層采用1×1深度可分離卷積進行特征壓縮，兩個所述擴展分支分別采用1×1深度可分離卷積和3×3深度可分離卷積，所有卷積操作均接批量歸一化與整流線性單元激活函數，所述擴展分支的輸出通過特征拼接層進行通道特征融合，并連接高效通道注意力模塊以優化通道特征分布；所述分類輸出層用于輸出最終分類概率分布； 對所述改進壓縮網絡模型訓練的步驟包括： S1、獲取公開數據集，對數據進行清洗和預處理，歸一化后轉換為帶標簽的彩色圖像； S2、將S1處理后得到的圖像輸入至所述改進壓縮網絡模型中進行訓練，訓練過程中采用類別平衡焦點損失作為損失函數，結合類別樣本數量動態調整損失權重，并引入焦點調制項；通過驗證集優化學習率，訓練完成后獲得最終模型權重；在模型訓練階段，采用基于性能停滯的學習率調度策略，以提高訓練過程的穩定性和最終收斂效果； 所述學習率調度策略的調整規則為： ； 其中，為當前學習率，為學習率縮減倍數，為容忍輪數，即當驗證損失連續輪未下降時，當前學習率將乘以factor縮小； S3、對S2中訓練完成的模型進行推理驗證，評估模型在測試集上的識別準確性、檢測時延以及參數規模； 所述步驟S2中，損失函數的表達形式為： 其中，為平衡因子且0,1，表示類別的樣本數量，為交叉熵損失，為模型對正確類別的預測概率，為焦點調制系數，為輸入樣本的特征向量，為樣本的真實類別標簽； 所述步驟S1包括： S11、獲取車輛入侵檢測公開數據集； S12、對原始數據進行字段清洗與格式轉換，包括提取關鍵字段、填充缺失值、將十六進制字段統一轉換為十進制以及添加標簽列； S13、將提取的字段數據進行分布歸一化，將歸一化值映射到區間[0,255]； S14、將歸一化后的數據按字段分組轉換為三通道圖像，三個通道分別對應不同類別的字段，用于所述改進壓縮網絡模型的輸入； 其中，步驟S13包括： S131、計算各字段的均值和標準差，對每一特征字段，統計該字段在整個數據集中的均值μ和標準差σ，均值計算公式為： ； 標準差計算公式為： ； S132、進行Z-Score標準化，根據計算得到的均值與標準差，對每個樣本的字段值進行標準化處理，公式如下： ； 以將字段值映射為均值為0、標準差為1的正態分布，降低不同字段間取值范圍差異及異常值干擾的影響； S133、線性縮放到[0,255]區間，對標準化結果進行線性映射，確保符合圖像生成的像素范圍要求，計算公式為： ； 和分別為該字段在標準化后所有樣本中的最小值與最大值； S134、將結果取整并存儲，對縮放結果取整處理，最終得到歸一化且符合像素值范圍[0,255]的特征向量，為后續圖像生成和模型輸入提供格式化數據。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人無錫學院，其通訊地址為：214000 江蘇省無錫市錫山區錫山大道333號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。