Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019025217) METHOD AND APPARATUS FOR ASCERTAINING ANOMALIES IN A COMMUNICATION NETWORK
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/025217 International Application No.: PCT/EP2018/069884
Publication Date: 07.02.2019 International Filing Date: 23.07.2018
IPC:
H04L 29/08 (2006.01) ,G06N 99/00 (2010.01)
H ELECTRICITY
04
ELECTRIC COMMUNICATION TECHNIQUE
L
TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
29
Arrangements, apparatus, circuits or systems, not covered by a single one of groups H04L1/-H04L27/136
02
Communication control; Communication processing
06
characterised by a protocol
08
Transmission control procedure, e.g. data link level control procedure
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
N
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
99
Subject matter not provided for in other groups of this subclass
Applicants:
ROBERT BOSCH GMBH [DE/DE]; Postfach 30 02 20 70442 Stuttgart, DE
Inventors:
HANSELMANN, Markus; DE
STRAUSS, Thilo; DE
ULMER, Holger; DE
JUNGINGER, Andrej; DE
Priority Data:
10 2017 213 119.531.07.2017DE
Title (EN) METHOD AND APPARATUS FOR ASCERTAINING ANOMALIES IN A COMMUNICATION NETWORK
(FR) PROCÉDÉ ET DISPOSITIF DE DÉTERMINATION D’ANOMALIES DANS UN RÉSEAU DE COMMUNICATION
(DE) VERFAHREN UND VORRICHTUNG ZUM ERMITTELN VON ANOMALIEN IN EINEM KOMMUNIKATIONSNETZWERK
Abstract:
(EN) Method for ascertaining whether there is an anomaly in a communication network, in particular of a motor vehicle, wherein in a first phase a discriminator (1100) is trained to identify whether messages (N) transmitted via the communication network indicate that the anomaly is present, wherein the training involves the discriminator (1100) being supplied with normal data (n) and artificial data (f), produced by a generator (1200), as an input variable (x) and the discriminator (1100) being trained to identify that there is no anomaly if it is supplied with normal data (n) and that there is an anomaly if it is supplied with artificial data (f), wherein in a second phase the generator (1200) is trained to produce artificial data (f) that, if they are supplied to the discriminator (1100), have the highest possible probability of being classified as normal data (n) thereby, wherein in a third phase the discriminator (1200) is supplied with a content of messages (N), received via the communication network, as an input variable (x), the input variable (x) is taken as a basis for ascertaining an output variable (y), and the output variable (y) is taken as a basis for deciding whether or not the anomaly is present.
(FR) La présente invention concerne un procédé permettant de déterminer si une anomalie est présente dans un réseau de communication, en particulier d’un véhicule automobile. Dans une première phase, un discriminateur (1100) fait l’objet d’un apprentissage pour reconnaître si des messages (N) communiqués par le biais du réseau de communication signalent une présence de l’anomalie. Lors de l’apprentissage du discriminateur (1100), des données normales (n) et des données artificielles (f) générées par un générateur (1200) sont amenées au discriminateur en tant que grandeur d’entrée (x) et l’apprentissage du discriminateur (1100) consiste à détecter qu’aucune anomalie n’est présente lorsque des données normales (n) lui sont amenées et qu’une anomalie est présente lorsque des données artificielles (f) lui sont amenées. Dans une seconde phase du générateur (1200), l’apprentissage consiste à générer des données artificielles (f) qui, lorsqu’elles sont amenées au discriminateur (1100), sont classées par celui-ci avec la plus grande probabilité possible en tant que données normales (n). Dans une troisième phase du discriminateur (1200), un contenu de messages (N) reçus par le biais du réseau de communication est amené au discriminateur en tant que grandeur d’entrée (x), une grandeur de sortie (y) est déterminée en fonction de la grandeur d’entrée (x) et il est décidé en fonction de la grandeur de sortie (y) si l’anomalie est présente ou non.
(DE) Verfahren zum Ermitteln, ob in einem Kommunikationsnetzwerk, insbesondere eines Kraftfahrzeugs, eine Anomalie vorliegt, wobei in einer ersten Phase ein Diskriminator (1100) trainiert wird, zu erkennen, ob über das Kommunikationsnetzwerk übermittelte Nachrichten (N) auf ein Vorliegen der Anomalie hinweisen, wobei beim Trainieren dem Diskriminator (1100) Normaldaten (n) und von einem Generator (1200) erzeugte künstliche Daten (f) als Eingangsgröße (x) zugeführt werden und der Diskriminator (1100) darauf trainiert wird, zu erkennen, dass keine Anomalie vorliegt, wenn ihm Normaldaten (n) zugeführt werden und dass eine Anomalie vorliegt, wenn ihm künstliche Daten (f) zugeführt werden, wobei in einer zweiten Phase der Generator (1200) darauf trainiert wird, künstliche Daten (f) zu erzeugen, die, wenn sie dem Diskriminator (1100) zugeführt werden, von diesem mit möglichst großer Wahrscheinlichkeit als Normaldaten (n) klassifiziert werden, wobei in einer dritten Phase der Diskriminator (1200) ein Inhalt von über das Kommunikationsnetzwerk empfangenen Nachrichten (N) als Eingangsgröße (x) zugeführt wird, abhängig von der Eingangsgröße (x) eine Ausgangsgröße (y) ermittelt wird und abhängig von der Ausgangsgröße (y) darauf entschieden wird, ob die Anomalie vorliegt, oder nicht.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: German (DE)
Filing Language: German (DE)