一种汽车EDR数据加密防护方法及系统与流程

本发明涉及汽车电子，具体涉及一种汽车edr数据加密防护方法及系统。

背景技术：

1、汽车edr数据加密防护是指对汽车事件数据记录器(edr)所收集的车辆状态数据进行加密处理，以确保这些数据在传输和存储过程中的安全性。通过加密防护，可以防止未经授权的访问和篡改，从而保护数据的完整性和保密性，确保在事故分析和责任认定时数据的真实性和可靠性。

2、具体来说，数据加密防护方法利用对称加密和非对称加密技术相结合的方式，对edr采集到的关键数据进行加密处理。对称加密算法(如aes)用于加密实际数据，而非对称加密算法(如rsa)则用于加密对称加密密钥。这种双重加密机制确保了即使数据在传输或存储过程中被截获，未经授权的用户也无法解密和读取这些数据，从而有效地提升了数据安全性。

3、现有技术中存在的不足之处：

4、现有技术中，通过利用对称加密和非对称加密技术相结合的方式，对edr采集到的关键数据进行加密处理。但是，攻击者可能通过使用高灵敏度设备捕捉edr系统在加密和解密过程中产生的电磁信号。通过分析捕捉到的电磁信号，攻击者可以恢复用户不同驾驶场景下的加密密钥，进而解密数据。一旦电磁信号泄露发生，edr系统中的数据安全性将会受到严重的威胁。

技术实现思路

1、本发明的目的是提供一种汽车edr数据加密防护方法及系统，以解决背景技术中不足。

2、为了实现上述目的，本发明提供如下技术方案：一种汽车edr数据加密防护方法，包括以下步骤：

3、s1：根据车辆的驾驶条件和车辆运行状态划分若干个驾驶场景，通过高灵敏度电磁信号接收设备实时捕捉各个驾驶场景下加密和解密过程中edr系统产生的电磁信号数据；

4、s2：对捕捉到的电磁信号数据进行预处理，提取与加密过程相关的特征参数，并构建信号特征库；

5、s3：基于信号特征库，对捕捉到的电磁信号数据的信号特征和强度进行识别分析，评估各个驾驶场景下电磁信号泄露的风险水平；

6、s4：根据各个驾驶场景下电磁信号泄露的风险性，将驾驶场景划分为高风险驾驶场景，中风险驾驶场景和低风险驾驶场景；

7、s5：根据划分结果，对中风险驾驶场景和低风险驾驶场景采取相应的防护措施，防止电磁信号泄露的发生，确保edr系统中的数据安全；

8、s6：对于高风险驾驶场景，对固定时间段内电磁信号泄露的风险性进行分析，并对后续固定时间段内发生电磁信号泄露风险事件进行提前预测，根据预测结果，制定和实施高强度的防护措施。

9、在一个优选地实施方式中，对捕捉到的电磁信号数据的信号特征和强度进行识别分析，评估各个驾驶场景下电磁信号泄露的风险水平，根据捕捉到的电磁信号数据的信号特征生成信号特征突显度，则信号特征突显度的获取方法为：

10、将捕捉到的电磁信号数据矩阵表示为x，其中每行代表一个样本，每列代表一个特征，并对矩阵中的电磁信号数据进行标准化处理，分别计算矩阵中电磁信号数据特征的均值向量和标准差向量；计算标准化后的数据矩阵的协方差矩阵c，其中，协方差矩阵的计算表达式为：式中，n为样本数量，为标准化后的数据矩阵的转置，对协方差矩阵c进行特征值分解，得到特征值λ和特征向量v，其中，特征值分解公式为：c*vi＝λi*vi；式中，λi为第i个特征值，vi为第i个特征向量；根据特征值的大小选择主成分，特征值越大，对应的特征向量表示的特征越显著，对排列特征值λ的前k个最大的特征值对应的特征向量进行求和，将求和结果作为主成分的特征值，即信号特征突显度，其中，k为大于0的正整数。

11、在一个优选地实施方式中，对捕捉到的电磁信号数据的信号特征和强度进行识别分析，评估各个驾驶场景下电磁信号泄露的风险水平，根据捕捉到的信号强度生成电磁波功率波动指数，则电磁波功率波动指数的获取方法为：

12、从捕捉到的电磁信号中提取电磁波功率时间序列数据p(t)，t表示时间，p(t)表示在时间t的功率值，对信号进行预处理，对于离散时间信号，使用离散傅里叶变换将其转换到频域，计算公式为：p(f)是频域信号，在频率f处的幅值，n是信号的采样点数，e-j2πft/n是复指数函数；

13、计算时间序列中电磁波功率谱在各个频率上的能量密度，计算公式为：psd(f)是在频率f处的功率谱密度，(p(f))2是频域信号幅值的平方；通过分析功率谱密度图，计算功率谱密度的均方根值，即计算电磁波功率波动指数。

14、在一个优选地实施方式中，将信号特征突显度和电磁波功率波动指数转换为第一特征向量，将第一特征向量作为机器学习模型的输入，机器学习模型以每组第一特征向量预测各个驾驶场景下电磁信号泄露的风险值标签为预测目标，以最小化对所有驾驶场景下电磁信号泄露的风险值标签的预测误差之和作为训练目标，对机器学习模型进行训练，直至预测误差之和达到收敛时停止模型训练，根据模型输出结果确定各个驾驶场景下电磁信号泄露的风险值，其中，机器学习模型为多项式回归模型。

15、在一个优选地实施方式中，将获取到的各个驾驶场景下电磁信号泄露的风险值与梯度风险阈值进行比较，梯度风险阈值包括第一风险阈值和第二风险阈值，且第一风险阈值小于第二风险阈值，将各个驾驶场景下电磁信号泄露的风险值分别与第一风险阈值和第二风险阈值进行对比；

16、若各个驾驶场景下电磁信号泄露的风险值大于第二风险阈值，将驾驶场景划分为高风险驾驶场景；

17、若各个驾驶场景下电磁信号泄露的风险值大于等于第一风险阈值且小于等于第二风险阈值，将驾驶场景划分为中风险驾驶场景；

18、若各个驾驶场景下电磁信号泄露的风险值小于第一风险阈值，将驾驶场景划分为低风险驾驶场景。

19、在一个优选地实施方式中，对中风险驾驶场景和低风险驾驶场景采取相应的防护措施，具体为：对中风险驾驶场景采取的防护措施包括：增加电磁屏蔽，shielding factori＝α*shielding materialmid；其中：shielding factori为屏蔽因子，用于描述屏蔽效果，α为调整系数，shieldingmaterialmid为中等强度的屏蔽材料；采用优化的加密算法，encryption strengthi＝β·algorithmenhanced；其中：encryption strengthi为加密强度，β为调整系数，algorithmenhanced为增强型加密算法；引入随机噪声干扰，noiseleveli＝γ·random noisemid；其中：noise leveli为噪声水平，γ为调整系数，根据实际需求设置，random noisemid为中等水平的随机噪声；

20、对低风险驾驶场景防护措施包括：基础电磁屏蔽，shielding factori＝δ·shielding materialbasic；shielding factori为屏蔽因子，用于描述屏蔽效果，δ为调整系数，shielding materialbasic为基础屏蔽材料；使用标准加密算法，encryptionstrengthi＝∈·algorithmstandard；encryption strengthi为加密强度，∈为调整系数，根据实际需求设置，algorithmstandard为标准加密算法。

21、在一个优选地实施方式中，对于高风险驾驶场景，对固定时间段内电磁信号泄露的风险性进行分析，当驾驶场景划分为高风险驾驶场景时，即在固定时间段内驾驶场景下电磁信号泄露的风险值大于第二风险阈值，并对后续固定时间段内生成的大于第二风险阈值的驾驶场景下电磁信号泄露的风险值进行收集，并建立相应的数据集合，计算数据集合的均值和标准差并对其进行分析，根据分析结果对后续固定时间段内发生电磁信号泄露风险事件进行提前预测，并根据预测结果，制定和实施高强度的防护措施。

22、在一个优选地实施方式中，若电磁信号泄露的风险值均值大于等于电磁信号泄露的风险值均值的参考阈值，且电磁信号泄露的风险值标准差小于电磁信号泄露的风险值标准差的参考阈值，表明在后续固定时间段内，电磁信号泄露风险高且波动小，电磁信号泄露风险稳定并且集中在高风险区域，此时加强电磁屏蔽，同时采用最高级别的加密算法，并引入高水平随机噪声；

23、若电磁信号泄露的风险值均值大于等于电磁信号泄露的风险值均值的参考阈值，且电磁信号泄露的风险值标准差大于等于电磁信号泄露的风险值标准差的参考阈值，表明在后续固定时间段内，电磁信号泄露风险高且波动大，电磁信号泄露风险具有高不确定性，根据实时监控数据动态调整屏蔽和加密强度，同时使用更复杂的加密算法，并实施实时噪声干扰策略，增强防护效果；

24、若电磁信号泄露的风险值均值小于电磁信号泄露的风险值均值的参考阈值，且电磁信号泄露的风险值标准差大于等于电磁信号泄露的风险值标准差的参考阈值，表明在后续固定时间段内，电磁信号泄露风险低但波动大；使用中等强度屏蔽材料，同时采用增强型加密算法，并引入中等水平随机噪声；

25、若电磁信号泄露的风险值均值小于电磁信号泄露的风险值均值的参考阈值，且电磁信号泄露的风险值标准差小于电磁信号泄露的风险值标准差的参考阈值，表明在后续固定时间段内，电磁信号泄露风险低且波动小，信号泄露的风险在低水平上保持稳定；使用基础屏蔽材料，采用标准加密算法，引入基础随机噪声。

26、本发明还提供了一种汽车edr数据加密防护系统，包括电磁信号获取模块、特征提取模块、风险评估模块、驾驶场景划分模块，防护模块和风险事件预测模块；

27、电磁信号获取模块：根据车辆的驾驶条件和车辆运行状态划分若干个驾驶场景，通过高灵敏度电磁信号接收设备实时捕捉各个驾驶场景下加密和解密过程中edr系统产生的电磁信号数据；

28、特征提取模块：对捕捉到的电磁信号数据进行预处理，提取与加密过程相关的特征参数，并构建信号特征库；

29、风险评估模块：基于信号特征库，对捕捉到的电磁信号数据的信号特征和强度进行识别分析，评估各个驾驶场景下电磁信号泄露的风险水平；

30、驾驶场景划分模块：根据各个驾驶场景下电磁信号泄露的风险性，将驾驶场景划分为高风险驾驶场景，中风险驾驶场景和低风险驾驶场景；

31、防护模块：根据划分结果，对中风险驾驶场景和低风险驾驶场景采取相应的防护措施，防止电磁信号泄露的发生，确保edr系统中的数据安全；

32、风险事件预测模块：对于高风险驾驶场景，对固定时间段内电磁信号泄露的风险性进行分析，并对后续固定时间段内发生电磁信号泄露风险事件进行提前预测，根据预测结果，制定和实施高强度的防护措施。

33、在上述技术方案中，本发明提供的技术效果和优点：

34、1、本发明通过实时捕捉各个驾驶场景下edr系统产生的电磁信号数据，并进行预处理和特征提取，构建信号特征库，能够有效识别和分析电磁信号的特征和强度，评估不同驾驶场景下的电磁信号泄露风险水平。基于评估结果，针对中风险和低风险驾驶场景，采取相应的防护措施如增加电磁屏蔽、采用优化的加密算法和引入随机噪声干扰，从而防止电磁信号泄露，确保edr系统中的数据安全性。

35、2、本发明对高风险驾驶场景，通过进一步对固定时间段内电磁信号泄露的风险进行详细分析，并利用数据集合的均值和标准差进行预测，提前识别潜在的风险事件。根据预测结果，制定并实施高强度的防护措施，如高效屏蔽、使用最高级别的加密算法和强随机噪声干扰，增强防护效果。整体而言，不仅提升了edr系统的抗电磁信号泄露能力，提高了系统的安全性和可靠性，确保了车辆事故数据的完整性和准确性。