基于eBPF的车载行为异常处理方法及装置与流程

摘要: 本申请涉及智能汽车安全监控,尤其涉及一种基于ebpf的车载行为异常处理方法及装置。背景技术:1、随着智能汽车电子电气架构从分布式ecu向中央计算平台与区域控制架...
基于eBPF的车载行为异常处理方法及装置与流程

本申请涉及智能汽车安全监控,尤其涉及一种基于ebpf的车载行为异常处理方法及装置。

背景技术:

1、随着智能汽车电子电气架构从分布式ecu向中央计算平台与区域控制架构演进,智能驾驶与智能座舱的深度融合使得车载系统呈现出以下特征:大量autosar ap微服务同时运行且存在复杂的服务间交互依赖;智驾域与座舱域共享感知、地图、导航等服务且服务数量持续增长;linux与rtos混合部署导致服务可能跨越多个系统运行;ai模型推理负载呈现动态波动使资源使用模式不断变化;功能安全与信息安全要求持续提高。上述特征共同导致了车载服务的运行行为变得日益复杂和难以预测。

2、现有的车载监控方案主要依赖系统级指标,例如cpu占用率、内存使用量以及网络流量来评估服务的运行状态。然而,这种粗粒度的资源监控方式存在明显的局限性:无法深入系统内核捕捉服务在底层资源调用、服务行为模式等细微特征。尤其是在服务被外部攻击或代码存在缺陷,往往不会立刻引起资源使用总量的波动,而是首先表现为程序行为模式的异常,例如系统调用的异常频率、异常的内存分配模式或异常的调度延迟分布等。传统的监控手段依赖执行日志或源码模板构建行为模型,但日志记录本身存在延迟且依赖数据完整性,无法实时捕捉上述行为特征变化,导致对服务异常检测存在滞后性,错失最佳干预时机,甚至可能因功能失效而影响行车安全。

技术实现思路

1、本申请提供基于ebpf的车载行为异常处理方法及装置,以至少解决相关技术中如何提高车辆异常检测的实时性、准确性以及检测效率等问题。本申请的技术方案如下:

2、根据本申请实施例的第一方面,提供一种基于ebpf的车载行为异常处理方法,包括:

3、基于ebpf,获取当前车辆状态信息和目标车载服务的当前行为信息;当前行为信息用于表征目标车载服务在车机系统的当前多维交互状态与当前资源消耗特征;

4、对当前行为信息进行多维特征提取并对提取后的多维特征进行特征融合,得到目标车载服务的当前行为特征向量;

5、基于行为指纹库中的参考行为指纹,对当前行为特征向量进行行为指纹匹配处理,得到行为指纹偏离信息;参考行为指纹是通过ebpf预先采集的目标车载服务的历史行为信息构建的,用于表征目标车载服务在正常运行状态下各维度行为特征的分布中心信息和正常波动范围;

6、在行为指纹偏离信息表征目标车载服务处于异常运行状态的情况下,调用ebpf控制目标车载服务执行与当前车辆状态信息匹配的异常处理操作。

7、根据本申请实施例的第二方面,提供一种基于ebpf的车载行为异常处理装置,包括:

8、行为信息获取模块,用于基于ebpf,获取当前车辆状态信息和目标车载服务的当前行为信息;当前行为信息用于表征目标车载服务在车机系统的当前多维交互状态与当前资源消耗特征;

9、特征融合模块,用于对当前行为信息进行多维特征提取并对提取后的多维特征进行特征融合,得到目标车载服务的当前行为特征向量;

10、行为指纹偏离信息确定模块,用于基于行为指纹库中的参考行为指纹,对当前行为特征向量进行行为指纹匹配处理,得到行为指纹偏离信息;参考行为指纹是通过ebpf预先采集的目标车载服务的历史行为信息构建的,用于表征目标车载服务在正常运行状态下各维度行为特征的分布中心信息和正常波动范围;

11、异常处理模块,用于在行为指纹偏离信息表征目标车载服务处于异常运行状态的情况下,调用ebpf控制目标车载服务执行与当前车辆状态信息匹配的异常处理操作。

12、根据本申请实施例的第三方面,提供一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现如上述第一方面中任一项所述的方法。

13、根据本申请实施例的第四方面,提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行本申请实施例的第一方面中任一所述的方法。

14、根据本申请实施例的第五方面,提供一种计算机程序产品,包括计算机指令,所述计算机指令被处理器执行时,使得计算机执行本申请实施例的第一方面中任一项所述的方法。

15、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请。

16、本申请的实施例提供的技术方案至少带来以下有益效果:

17、基于所述ebpf,获取当前车辆状态信息和目标车载服务的当前行为信息,可以在不修改应用代码、不重启服务的前提下,降低深入系统内核捕捉服务在系统调用、内存访问、调度延迟等多维度的底层行为特征的开销,克服传统系统级资源监控无法实时感知行为模式异常的缺陷,提高采集数据的真实性和实时性;

18、通过对当前行为信息进行多维特征提取与融合生成当前行为特征向量,并与基于ebpf预先采集的历史行为信息构建的参考行为指纹进行匹配处理得到行为指纹偏离信息,能够利用预先采集的历史行为信息构建表征正常运行状态下分布中心信息和正常波动范围的参考基准,从而精准量化当前行为与正常基线的偏离程度,有效识别出隐藏在正常资源占用下的异常行为模式;

19、在行为指纹偏离信息表征目标车载服务处于异常运行状态的情况下,调用ebpf控制目标车载服务执行与当前车辆状态信息匹配的异常处理操作,能够结合车辆当前行驶工况实施差异化的处置策略,避免统一异常处理方式而引发行车安全风险,实现了信息安全防护与车辆功能安全的协同保障。

20、根据下面参考附图对示例性实施例的详细说明,本申请的其他特征及方面将变得清楚。

1.一种基于ebpf的车载行为异常处理方法,其特征在于,包括:

2.根据权利要求1所述的基于ebpf的车载行为异常处理方法,其特征在于,所述行为指纹偏离信息包括第一偏离信息;所述基于行为指纹库中的参考行为指纹,对所述当前行为特征向量进行行为指纹匹配处理,得到行为指纹偏离信息,包括:

3.根据权利要求2所述的基于ebpf的车载行为异常处理方法,其特征在于,所述方法还包括:

4.根据权利要求3所述的基于ebpf的车载行为异常处理方法,其特征在于,所述方法还包括:

5.根据权利要求4所述的基于ebpf的车载行为异常处理方法,其特征在于,所述方法还包括:

6.根据权利要求1或4所述的基于ebpf的车载行为异常处理方法,所述在所述行为指纹偏离信息表征所述目标车载服务处于异常运行状态的情况下,调用所述ebpf控制所述目标车载服务执行与所述当前车辆状态信息匹配的异常处理操作,包括:

7.根据权利要求6所述的基于ebpf的车载行为异常处理方法,其特征在于,所述方法还包括:

8.根据权利要求7所述的基于ebpf的车载行为异常处理方法,其特征在于,所述分级异常处理策略包括第一异常处理策略、第二异常处理策略以及第三异常处理策略;所述根据所述异常等级,生成所述异常等级对应的分级异常处理策略,并调用所述ebpf控制所述目标车载服务执行所述分级异常处理策略匹配的异常处理操作,包括:

9.根据权利要求1所述的基于ebpf的车载行为异常处理方法,其特征在于,所述行为指纹库构建步骤,包括:

10.一种基于ebpf的车载行为异常处理装置,其特征在于,包括: