Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Self-learning anomaly and fault detection in automobile networks

Selbstlernende Anomalie- und Fehlererkennung in automobilen Netzen
 
: Bertulies, Karsten
: Langer, Falk; Sachenbacher, Martin

:
Fulltext urn:nbn:de:0011-n-1859846 (1.6 MByte PDF)
MD5 Fingerprint: f353e6993044d68c8f5db1ba0f0d9e25
Created on: 8.11.2012


München, 2011, 79 pp.
München, TU, Master Thesis, 2011
English
Master Thesis, Electronic Publication
Fraunhofer ESK ()
Anomalieerkennung; Fehlererkennung; CAN; automotive; Lernalgorithmus

Abstract
Die Thesis beschäftigt sich mit der Fragestellung, wie mit Hilfe des L*-Algorithmus eine automatenbasierte Repräsentation für den Nachrichtenaustausch auf einem CAN-Bus gelernt werden kann. Hintergrund ist die Idee positives Verhalten, das durch ein Modell repräsentiert wird, für Fehlererkennung (und Diagnose) zu nutzen. Drei primäre Fragestellungen werden dabei behandelt. Erstens wie sich der Nachrichtenstrom abstrahieren lässt, zweitens wie eine Systempartitionierung vorgenommen werden kann, die es ermöglicht alle Informationen mit dem Algorithmus abzubilden, drittens die Art und Weise der Sub-System-Darstellung.
Als Ergebnis wird eine Tool-Chain vorgestellt und evaluiert, die die geforderten Fragestellungen berücksichtigt. Diese ermöglicht es Anomalien, also Abweichungen vom gelernten Normverhalten, in einem Nachrichtenstrom zu erkennen.

: http://publica.fraunhofer.de/documents/N-185984.html