81、利用机器学习技术实现CAN总线数据的自动逆向工程

利用机器学习技术实现CAN总线数据的自动逆向工程

1. 引言

现代汽车配备了复杂的电子和机电系统，这些系统通过CAN（控制器局域网）总线进行通信。CAN总线在现代汽车中非常常见，豪华汽车可能拥有多达100个电子控制单元（ECU），连接它们的电缆长度超过1公里。CAN总线通常根据功能和特定需求划分为不同的子网，例如用于发动机管理的高速CAN（CAN - C）和用于气候控制的低速CAN（CAN - B）。通过分析CAN总线流量，可以获取有关车辆内部运行的大量有价值信息，这些信息对于跟踪驾驶员行为、监测车辆健康状况等都非常有用。

然而，尽管CAN协议是标准化的，但不同汽车制造商甚至同一制造商的不同车型对CAN总线的实际实现都有所不同。汽车制造商可以自由选择ID代表的数据以及数据的表示方式等，并且这些配置信息通常不对外公开。因此，为了获取有用信息，需要对每辆车的CAN总线流量进行分析和逆向工程。目前的逆向工程技术相对简单，但非常耗时，需要反复试验，并且要求对车辆不同子系统的内部工作原理有深入了解。随着车辆复杂度的增加，逆向工程所需的时间也会大幅增加。

为了解决这个问题，我们采用了两种不同的技术，即算术方法和机器学习方法，来实现逆向工程过程的自动化，从而减少分析时间和工作量，同时获得可靠的结果。

2. 控制器局域网

CAN协议是由罗伯特·博世有限公司开发的标准，用于在实时应用中创建节点之间高效可靠的通信总线。CAN总线上传输的每个消息都带有一个特定的标识符，该标识符并不直接指示发送或接收节点，而是标识消息的内容。

CAN标准规定了消息的一般结构，但没有定义其他方面，如字节顺序、符号性、一个消息中的信号数量、字节对齐、比例等。这