具有异常检测的汽车网络交换机的制作方法

具有异常检测的汽车网络交换机
1.相关申请的交叉引用
2.本技术要求于2019年6月25日提交的美国临时专利申请62/866,285的权益，其公开内容通过引用并入本文。
技术领域
3.本公开总体上涉及通信系统，并且具体地涉及用于网络交换机中的异常检测的方法和系统。


背景技术：

4.诸如汽车车载通信系统、某些工业通信系统和智能家居系统等各种应用需要在相对较短的距离内以高数据速率进行通信。已经针对这种应用提出了若干类型的协议和通信介质。例如，在2015年3月的“ieee 802.3bw-2015-ieee standard for ethernet amendment 1:physical layer specifications and management parameters for 100mb/soperation over a single balanced twisted pair cable(100base-t1)”中，规定了通过双绞线铜线介质进行的以太网通信。
5.以上描述是作为本领域相关技术的一般概述而呈现的，而不应当被解释为承认其中包含的任何信息构成本专利申请的现有技术。


技术实现要素：

6.本文中描述的一个实施例提供了一种汽车网络交换机，该汽车网络交换机包括多个端口、交换机核心和一个或多个处理器。端口被配置为通过部署在车辆中的计算机网络，从车辆的电子子系统接收分组，并且通过计算机网络向车辆的其他电子子系统传输分组。交换机核心被配置为从端口中的一个或多个端口接收分组，向端口中的至少一个端口转发分组，并且通过计算机网络的网络链路传输分组。一个或多个处理器被配置为获取由交换机处理的分组中的至少一些分组，分析所获取的分组，以标识车辆的电子子系统中的一个或多个电子子系统中的异常，并且通过计算机网络向交换机外部的中央处理器发送异常的通知。
7.在一个实施例中，一个或多个处理器被配置为生成量化异常的严重性的健康得分，并且在通知中报告健康得分。在示例实施例中，在分析所获取的分组时，一个或多个处理器被配置为标识现有异常或预测即将发生的异常。在所公开的实施例中，电子子系统中的至少一个电子子系统包括传感器，端口被配置为从传感器接收分组中的至少一些分组，并且一个或多个处理器被配置为标识传感器的异常功能。
8.在一些实施例中，一个或多个处理器被配置为响应于检测到分组的属性的统计偏差模式而标识异常。在各种实施例中，统计偏差模式包括统计偏差分组丢弃、统计偏差分组速率、统计偏差时延和统计偏差分组间间隔中的一项或多项。
9.在一些实施例中，一个或多个处理器被配置为运行被配置为检测异常的机器学习
模型。在一个实施例中，一个或多个处理器被配置为对与分组相关的事件进行计数，并且基于所计数的事件检测异常。在所公开的实施例中，一个或多个处理器中的至少一个处理器包括与设置在交换机中的交换机中央处理单元(cpu)或交换机图形处理单元(gpu)分离的机器学习(ml)加速器。
10.在一些实施例中，一个或多个处理器被配置为根据预定义选择准则从由交换机处理的分组之中选择一个或多个分组流，并且通过分析所选择的分组流中的分组来标识异常。在示例实施例中，一个或多个处理器被配置为通过执行以下中的一项或多项来选择一个或多个分组流：(i)检查分组中的一个或多个分组的一个或多个报头字段，以及(ii)向分组中的一个或多个分组应用深度分组检测(dpi)。
11.根据本文中描述的实施例，另外提供了一种用于车辆中的异常检测的方法。该方法包括：在车辆中的汽车网络交换机中，通过部署在车辆中的计算机网络从车辆的电子子系统接收分组，并且通过计算机网络向车辆的其他电子子系统传输分组。由交换机分析由交换机处理的分组中的至少一些分组以标识车辆的电子子系统中的一个或多个电子子系统中的异常。通过计算机网络从交换机向交换机外部的中央处理器发送异常的通知。
12.通过以下对其实施例的详细描述，并且结合附图，将能够更全面地理解本公开：
附图说明
13.图1是示意性地示出根据本文中描述的实施例的汽车通信系统的框图；
14.图2是示意性地示出根据本文中描述的实施例的网络交换机中收集每端口的分组相关事件的图；以及
15.图3是示意性地示出根据本文中描述的实施例的在图1的通信系统的网络交换机中使用机器学习(ml)进行异常检测的方法的流程图。
具体实施方式
16.本文中描述的实施例提供了用于状态监测的改进方法和系统，以用于在包括彼此交换通信分组的子系统的电子系统中使用。所公开的技术通过检测分组中的异常，来标识电子子系统中的现有的或即将发生的故障。
17.本文中公开的实施例在汽车应用(例如，从传感器收集数据或以其他方式在车辆内传送数据的系统)的上下文中描述。然而，这种选择仅仅是为了清楚起见。所公开的技术同样适用于其他应用，例如适用于工业和/或智能家居网络。
18.在一些公开的实施例中，车辆包括多个电子子系统，诸如传感器、各种类型的电子控制单元(ecu)、高级驾驶员辅助系统(adas)、车载信息娱乐(ivn)系统、主中央计算机等。电子子系统通过计算机网络(例如，以太网网络)进行通信。该网络包括多个网络交换机，该交换机通过网络链路(例如，双绞线铜线链路)彼此通信和与各种子系统通信。
19.在很多实际场景中，可以通过检测通过网络链路传输或接收的网络分组中的异常来标识电子子系统中的现有的或即将发生的故障。例如，可以通过检测丢弃分组的过高速率或统计偏差分组速率来标识有故障的传感器。
20.在本文中描述的一些实施例中，检测通信业务中的异常的任务被委托给网络中的一个或多个网络交换机。通常，尽管不是必须，异常检测分布在多个网络交换机之间。
21.在一个示例实施例中，除其他组件之外，网络交换机还包括一个或多个处理器，该处理器被配置为分析由交换机处理的分组中的至少一些分组，并且基于所分析的分组来标识车辆的电子子系统中的一个或多个电子子系统中的异常。在例如通过网络业务的统计分析而标识出异常时，一个或多个处理器被配置为通过网络向交换机外部的中央处理器发送异常的通知。该通知可以包括例如量化异常的严重性的“健康得分”。中央处理器被配置为从各种网络交换机接收健康得分，并且响应于健康得分而采取合适动作。
22.在一个非限制性实施例中，每个网络交换机包括嵌入式cpu和机器学习(ml)加速器。嵌入式cpu接收由交换机处理的所选择的分组流，对分组流进行一定准备，并且将分组流发送到ml加速器。ml加速器运行合适的ml推理模型，该模型通过分析分组流来标识子系统中的故障。
23.ml推理模型可以被训练例如以适当地基于例如一个或多个分组来检测分组的统计偏差模式，该一个或多个分组以某种方式被损坏、偏离预定策略规则、被丢弃、尽管以某种方式被损坏但不会被丢弃等。在某些模型中，考虑分组的绝对数量，而在其他模型中，则考虑表现出不同特性的分组的速率和/或百分比。在一些模型中，生成一个或多个特性签名，例如可以在由两个或更多个分组特性的绘图定义的散点图中看到的，并且然后分析特性签名以确定异常的存在。
24.由于若干原因，在网络交换机处分析分组流和标识异常是非常有效的。首先，网络交换机位于“网络边缘”、靠近被监测的传感器或其他子系统。此外，所公开的解决方案使得能够在多个交换机之间分配分析任务，从而减轻中央计算机的负担并且简化每个个体交换机的操作。所公开的分布式解决方案与现代汽车系统的架构自然集成，其中车辆被划分为由不同“区域ecu”和不同交换机服务的区域。
25.图1是示意性地示出根据本文中描述的实施例的部署在车辆24中的汽车通信系统的框图。
26.车辆24包括各种类型的多个电子子系统28。子系统28中的一些包括传感器，例如摄像机、速度传感器、加速度计、音频传感器、红外传感器、雷达传感器、激光雷达传感器、超声波传感器、测距仪或其他接近传感器、和/或任何其他合适的传感器类型。其他子系统28包括例如高级驾驶员辅助系统(adas)和/或车载信息娱乐(ivn)系统。其他子系统28包括控制诸如引擎、车身、转向装置等车辆元件的电子控制单元(ecu)。附加地或备选地，车辆24可以包括任何其他合适类型的电子子系统28。
27.在一些实施例中，车辆24被划分为多个区域，并且每个区域的子系统28由相应“区域ecu”40控制。各个区域ecu 40与车辆24的中央计算机44通信。
28.电子子系统28、ecu 40和中央计算机44通过在计算机网络20上发送和接收通信分组来彼此通信。在本示例中，网络20根据上面引用的ieee 802.3以太网准则中的一个(例如，ieee 802.3bw-2015)进行操作。网络20包括多个汽车网络交换机32，在本示例中为以太网交换机。交换机32之间、交换机32与ecu 40之间、以及ecu 40与子系统28之间的通信通过网络链路36来进行。根据适用的以太网准则，链路36可以包括任何合适的物理介质，例如双绞线铜线链路、光链路、波导等。
29.在一个实施例中，图1的底部的插图示出了示例交换机32的内部结构。在一些实施例中，网络20的所有交换机32具有类似的内部结构。在其他实施例中，只有交换机32的子集
(可能只有单个交换机32)将具有这种结构。
30.在本示例中，交换机32包括多个端口48、交换机核心52、嵌入式cpu 54和机器学习(ml)加速器56。端口48连接到将交换机32连接到子系统28的相应链路36，连接到其他交换机32，和/或连接到更高级别的计算机60(例如，cpu或gpu)，诸如区域ecu 40或中央计算机44。因此，端口48被配置为通过网络20向其他系统组件传输和从其他系统组件接收分组。交换机核心52被配置为在端口之间转发分组，以便将每个接收分组传输到其适当目的地。嵌入式cpu54被配置为配置和控制交换机32的操作。嵌入式cpu 54可以包括例如arm处理器或其他合适的处理器。
31.图1的系统及其元件的配置(诸如图1所示的网络交换机32的内部结构)是仅为了清楚起见而描绘的示例配置。在备选实施例中，可以使用任何其他合适的配置。例如，网络20可以包括任何合适数目的交换机32，可能是单个交换机32，并且网络20可以具有任何其他合适的互连拓扑。车辆24中的子系统28和ecu 40的数目和类型也可以变化。为了清楚起见，图中省略了对于理解所公开的技术不是强制性的元素。
32.图1的系统的不同元件及其各种组件可以使用专用硬件或固件来实现，诸如使用硬连线或可编程逻辑，例如，使用专用集成电路(asic)或现场可编程门阵列(fpga)。在一些实施例中，例如，整个汽车网络交换机32使用片上系统(soc)来实现。附加地或备选地，一些功能(例如，嵌入式cpu 54和/或ml加速器56的功能)可以用软件和/或使用硬件和软件元件的组合来实现。
33.在一些实施例中，cpu 54和/或ml加速器56包括可编程处理器，可编程处理器使用软件被编程以执行本文中描述的功能。例如，软件可以以电子形式通过网络下载到任何处理器，或者备选地或附加地可以设置和/或存储在诸如磁、光或电子存储器等非暂态有形介质上。
34.在一些实施例中，嵌入式cpu 54和ml加速器56被配置为分析由交换机32处理的分组中的至少一些分组。通过分析分组，嵌入式cpu 54和ml加速器56标识异常，该异常指示车辆24的子系统中的现有的或即将发生的故障。
35.注意，尽管本文中描述的实施例涉及嵌入式cpu 54与ml加速器56之间的某种“分工”，但这种划分绝不是强制性的。在备选实施例中，可以以任何其他合适的方式在嵌入式cpu 54与ml加速器56之间划分分组分析和异常检测。进一步，备选地，可以由一个或多个处理器的任何其他合适的配置来执行分组分析和异常检测。例如，在一些实施例中，例如当使用相对简单的推理模型时，仅由嵌入式cpu 54执行分组分析和异常检测，并且省略ml加速器。
36.在本上下文中，术语“分组中的异常”是指分组或分组流的任何模式、属性、内容和/或其他一个或多个属性与基线的偏差。一些示例异常包括源自某个子系统28的分组的一个或多个属性中的统计偏差模式，例如：
37.·
统计偏差分组丢弃，例如，丢弃分组百分比超过特定阈值百分比或偏离预期基线丢弃速率超过特定阈值百分比。
38.·
统计偏差分组速率，例如，分组速率低于特定阈值速率或偏离预期基线速率超过特定阈值百分比。
39.·
统计偏差分组时延，例如，时延超过特定阈值时延或偏离预期基线时延超过特
定阈值百分比。
40.·
统计偏差分组间间隔，例如，间隔超过特定阈值间隔或偏离预期基线分组间间隔超过特定阈值百分比。
41.在备选实施例中，嵌入式cpu 54和ml加速器56可以标识由交换机32处理的分组中的任何其他合适的异常，该异常可能指示现有的或即将发生的故障。
42.在典型实施例中，嵌入式cpu 54和ml加速器56监测和建立预期基线分组统计数据(例如，每源子系统的分组速率、每源子系统或每端口的分组丢弃速率等)。该基线随后用于标识偏差。
43.在各种实施例中，嵌入式cpu 54和ml加速器56检测各种异常，该异常可以指示各种现有的或即将发生的故障。例如，传感器可能会变脏，传感器可能会被拔掉或者连接器可能会随着时间的推移而松动，车辆可能会穿过意外的持续电磁干扰区域(例如，极端雷暴)，或者引擎问题可能会导致影响分组的干扰。一些故障是诸如传感器的完全故障的“硬故障”。诸如相机脏污或连接器略微松动等其他故障是“软”故障，这表示它们表现出一些性能下降，该性能下降对应于分组的显著变化，但不是灾难性故障。
44.在一些实施例中，“软”故障随着时间的推移而发展并且变得越来越严重，并且这种发展由嵌入式cpu 54和/或ml加速器56通过分析分组来检测。例如，时延增加趋势、吞吐量降低趋势和/或分组丢弃增加趋势可以指示正在发展的故障。
45.在一些实施例中，嵌入式cpu 54使用合适的计数器对各种分组相关事件进行计数。通常，尽管不是必须，但是计数器按端口48单独地累积事件。嵌入式控制器54和/或ml加速器56可以使用所计数的事件来检测异常。
46.图2是示意性地示出根据本文中描述的实施例的网络交换机32中按端口的分组相关事件的收集的图。在本示例中，嵌入式控制器54维护合适的寄存器，该寄存器按交换机32的端口48对以下事件的发生进行计数：
47.·
indiscards：接收到的良好的但由于缺少缓冲存储器而无法转发的帧的计数。
48.·
infiltered：接收到的良好的但由于过滤策略规则而未转发的帧的计数。
49.·
inaccepted：接收到的良好的并且未经过策略过滤的并且未因错误而被丢弃的帧的计数。
50.·
inbadaccepted：接收到的具有crc错误但未被丢弃或过滤的帧的计数。
51.上面列出的计数器仅通过示例的方式描述。附加地或备选地，嵌入式cpu 54可以累积对检测异常有用的任何其他合适的统计数据。
52.在一些情况下，某个分组流中的异常指示生成该分组流的子系统中的故障。例如，来自相机的异常低的分组速率可以指示相机中的故障。在其他情况下，某个分组流中的异常指示另一组件中的故障，诸如网络中其他地方的电缆或连接器的松动或故障。因此，在本上下文中，术语“车辆24的子系统中的故障”泛指可能导致分组中的异常的任何组件，例如子系统28、ecu、电缆、连接器等。
53.在一些实施例中，ml加速器56以软件和/或硬件来运行已训练的ml推理模型，该模型标识一个或多个分组流中的异常。在其他实施例中，ml推理模型可以在嵌入式cpu 54上运行，而不需要附加加速器。在其他实施例中，嵌入式cpu 54或其他处理器可以使用任何合适的准则来分析分组并且标识异常，而无需ml模型。
54.图3是示意性地示出根据本文中描述的实施例的在通信系统20的网络交换机32中使用机器学习(ml)进行异常检测的方法的流程图。该方法开始于在分组接收操作70处、交换机核心52经由端口48从车辆24的传感器和/或其他子系统28接收分组。
55.在选择和镜像操作74处，交换机核心52选择一个或多个相关分组流以用于分析，并且将所选择的分组流的分组镜像到嵌入式cpu54。在一些实施例中，交换机核心52使用合适的基于地址的策略或使用其他分组报头字段来选择用于镜像的分组流。例如，交换机核心52可以选择具有预定义源地址的分组，该源地址对应于已经预先指定用于监测的相应传感器或其他子系统。在其他实施例中，交换机核心52可以执行深度分组检测(dpi)，例如，检查位于以太网层之上的分组有效载荷或报头，以选择用于镜像的分组流。进一步，备选地，交换机核心52可以使用任何其他合适的技术或准则来选择用于传输到嵌入式cpu 54的分组。
56.在检查操作78处，嵌入式控制器54检查所需要的ml分析是否在其自身的处理能力范围内、或者ml分析是否需要使用ml加速器56。如上所述，在某些情况下，所需要的ml分析使用可以在嵌入式控制器56上运行的简单模型。在这种情况下，在cpu分析操作82处，嵌入式cpu 54向分组应用所需要的ml模型，以便标识现有的或即将发生的故障。
57.在一些实施例中，当标识故障时，模型输出“健康得分”——给出故障的严重性的定量测量的数值。在示例实施例中，非常低的健康得分(例如，零)指示硬故障，较高的健康得分指示降低性能但不是灾难性的部分故障，更高的健康得分指示预期但还没有发生的即将发生的故障。备选地，可以使用任何其他合适的方式来量化故障的严重性。
58.在报告操作86处，嵌入式cpu 54将健康得分报告给更高级别的cpu/gpu 60，例如，报告给区域ecu 40或中央计算机44。在一个实施例中，嵌入式cpu 54生成包括健康得分的专用以太网帧，并且经由交换机核心52将该帧发送到更高级别的cpu/gpu 60。备选地，嵌入式cpu 54可以任何其他合适的方式报告健康得分。
59.另一方面，如果操作78的结果是ml分析很复杂并且需要使用ml加速器56，则在传输操作90处，嵌入式cpu 54将由交换机核心52提供的分组流传输到ml加速器56。在加速器分析操作94处，ml加速器56向分组应用ml模型(例如，深度学习模型)，以便标识现有的或即将发生的故障。如上所述，在一些实施例中，当标识故障时，模型输出健康得分，该健康得分给出故障的严重性的定量测量。ml加速器56将健康得分发送到嵌入式cpu 54。在报告操作86处，嵌入式cpu 54将健康得分报告给更高级别的cpu/gpu 60，例如报告给区域ecu 40或中央计算机44。
60.在各种实施例中，更高级别的cpu/gpu 60可以响应于接收到健康得分而执行任何合适的动作。例如，更高级别的cpu/gpu 60可以在健康得分指示严重故障的情况下发出实时警报，或者将健康得分记录在存储器中以用于离线分析。在一些实施例中，更高级别的cpu/gpu 60可以基于从同一交换机32或从多个不同交换机32接收的健康得分的组合，来做出决定或发起响应动作。
61.虽然本文中描述的实施例主要针对汽车网络通信系统，但是本文中描述的方法和系统也可以用在其他应用中，诸如用在使用以太网链路从传感器收集数据和/或控制工业环境中的各种设备的工业网络通信系统中，以及用在从家庭传感器和电器收集数据并且控制家庭传感器和电器的智能家居系统。
62.注意，上述实施例是通过示例的方式引用的，并且本发明不限于已经在上文中具体示出和描述的内容。相反，本发明的范围包括上文描述的各种特征的组合和子组合、以及本领域技术人员在阅读前述描述之后会想到的并且现有技术中未公开的变化和修改。以引用方式并入本专利申请中的文件应当被视为本技术的组成部分，特例是，如果在这些并入文件中以与本说明书中明确或隐含地进行的定义相冲突的方式定义任何术语，则应当仅考虑本说明书中的定义。