基于相關(guān)性的CAN信號解析技術(shù)研究及應(yīng)用

摘 要：本文針對汽車行業(yè)中海量CAN數(shù)據(jù)的高效處理與精準(zhǔn)分析需求，提出并開發(fā)了一種基于同源相關(guān)性原理的CAN信號逆向分析技術(shù)及相應(yīng)軟件。該技術(shù)通過利用同源信號的相關(guān)性，以診斷信號為基準(zhǔn)，將廣播信號轉(zhuǎn)換為二進制格式，并根據(jù)位長、類型、系數(shù)、偏移量、符號位及相似度等參數(shù)，將數(shù)據(jù)拆分為多個對比信號數(shù)據(jù)源。隨后，通過設(shè)定相似度閾值，快速篩選出符合條件的信號。研究結(jié)果表明，該技術(shù)顯著提升了CAN信號的獲取效率，縮短了解析周期，提高了工作效率，并為汽車行業(yè)的發(fā)展提供了重要支持。

關(guān)鍵詞：CAN信號逆向分析 同源相關(guān)性 數(shù)據(jù)處理 汽車電子

0 引言

在汽車工業(yè)的快速發(fā)展和新能源汽車的廣泛應(yīng)用背景下，CAN總線技術(shù)作為現(xiàn)代汽車電子系統(tǒng)的核心通信協(xié)議，其數(shù)據(jù)處理和分析的重要性日益凸顯[1]。然而，傳統(tǒng)解析方法在處理大規(guī)模實時數(shù)據(jù)時存在效率和精確度的局限，這已成為行業(yè)面臨的一大挑戰(zhàn)[2]。本論文旨在解決這一問題，提出一種基于信號同源相關(guān)性原理的CAN信號分析技術(shù)，以提高數(shù)據(jù)處理效率和分析準(zhǔn)確性。

目前，車輛內(nèi)CAN總線數(shù)據(jù)的提取與解析依賴手動標(biāo)記駕駛狀態(tài)（如車輛移動、空調(diào)開關(guān)油與電的動力轉(zhuǎn)換等）并對比通信數(shù)據(jù)流的變化來確定數(shù)據(jù)的編碼格式和物理意義，這一過程不僅工作效率低、勞動強度高，還高度依賴于有經(jīng)驗的工程師，而狀態(tài)標(biāo)記的數(shù)量有限，難以全面覆蓋所有駕駛工況[3-4]。

為了應(yīng)對這些挑戰(zhàn)，一些研究工作致力于設(shè)計基于CAN數(shù)據(jù)幀報文的信號提取方法。Jaynes等人[5]研究了利用監(jiān)督學(xué)習(xí)來識別車輛內(nèi)與控制相關(guān)的CAN消息，創(chuàng)建一個經(jīng)過多家車輛數(shù)據(jù)集訓(xùn)練的機器學(xué)習(xí)分類器，但該方法未考慮CAN數(shù)據(jù)幀內(nèi)包含多個信號，因此只能將整個數(shù)據(jù)幀標(biāo)記為單一物理意義。2017年，Markovitz[6]假設(shè)CAN數(shù)據(jù)幀中的信號使用大端字節(jié)序，能識別信號的起始位和長度。算法考慮了所有可能的信號組合，并統(tǒng)計信號變化范圍內(nèi)的不同值數(shù)量。根據(jù)這些變化，將信號分類為常量、離散值（表示車輛狀態(tài)）或連續(xù)值（離散采樣的連續(xù)變量）。Marchetti[7]設(shè)計了READ算法，利用翻轉(zhuǎn)頻率進行信號分類和提取，考慮了信號的不同類型，但仍假設(shè)數(shù)據(jù)幀為大端編碼格式。傳統(tǒng)方法大多僅是針對疑似信號的篩選，但準(zhǔn)確性往往不會很高。

在CAN總線信號分析領(lǐng)域，盡管現(xiàn)有的理論和方法已取得一定進展，但仍面臨諸多挑戰(zhàn)。例如，樊金娜等人的基于相關(guān)性原理的CAN 信號解析[8]，采用字節(jié)級別的數(shù)據(jù)切片進行信號定位，這種方法在處理標(biāo)準(zhǔn)CAN信號時表現(xiàn)良好，然而對于CAN FD和復(fù)用幀數(shù)據(jù)的解析以及跨字節(jié)信號的識別與分析，該方法則顯得無能為力。關(guān)靜等人提出的基于信號相似度原理的CAN 信號解析方法[9]，通過相關(guān)性曲線及算法對CAN報文進行區(qū)域性識別，但其應(yīng)用范圍受限于診斷信號和通訊信號之間，顯示出一定的局限性。本研究采用的基于同源信號相關(guān)性原則的CAN信號分析技術(shù)，在現(xiàn)有方法的基礎(chǔ)上取得了顯著突破。該技術(shù)以二進制數(shù)據(jù)位為最小數(shù)據(jù)粒度，具備處理包括大報文在內(nèi)的所有CAN數(shù)據(jù)的能力，涵蓋了溫度數(shù)據(jù)的變化、復(fù)用幀數(shù)據(jù)、CAN FD等多種復(fù)雜數(shù)據(jù)類型。通過多種算法綜合分析與比較，該技術(shù)實現(xiàn)了對不同部位數(shù)據(jù)的精準(zhǔn)解析，顯著提升了數(shù)據(jù)處理的深度和精度。

這一技術(shù)創(chuàng)新為汽車工程師和技術(shù)人員提供了更為先進和強大的技術(shù)支持，使他們能夠更深入地理解和分析CAN總線通信數(shù)據(jù)，從而在車輛診斷、網(wǎng)絡(luò)優(yōu)化和性能調(diào)試等關(guān)鍵任務(wù)中發(fā)揮更大的作用。

1 CAN總線信號的特征、采樣、提取與加工

1.1 CAN信號數(shù)據(jù)特征信息

自1986年博世公司推出CAN（Controller Area Network）協(xié)議以來，該協(xié)議于1993年被ISO正式采納為國際標(biāo)準(zhǔn)ISO 11898，確立了其在汽車電子控制單元（ECUs）通信中的行業(yè)標(biāo)準(zhǔn)地位。CAN FD（Controller Area Network Flexible Data-rate）是對傳統(tǒng)CAN總線技術(shù)的擴展，提供了更高的數(shù)據(jù)傳輸速率和更長的數(shù)據(jù)幀長度，同時保留了傳統(tǒng)CAN的優(yōu)點。

在CAN（Controller Area Network）通信中，多路復(fù)用幀技術(shù)通過使用不同的標(biāo)識符來區(qū)分和傳輸不同類型的數(shù)據(jù)信號，從而優(yōu)化通信效率和靈活性。復(fù)用幀是包含業(yè)務(wù)或控制信息的數(shù)據(jù)幀，而復(fù)用子幀則是復(fù)用幀的基本組成單元，專門用于承載單一的業(yè)務(wù)數(shù)據(jù)或控制信息。

在CAN通信系統(tǒng)中，物理信號的數(shù)值與總線上傳輸?shù)倪壿嫈?shù)值之間的關(guān)系通過以下轉(zhuǎn)換公式體現(xiàn)：

P=N＊K+B （1）

式中，P為工程師可理解的物理數(shù)值，N為在基于總線二進制數(shù)據(jù)轉(zhuǎn)為十進制的數(shù)值，K、B分別為不同車型、不同信號下的系數(shù)、偏移量。

該公式清晰地描述了CAN總線上電平與實際數(shù)據(jù)值之間的映射，其中“系數(shù)”和“偏移”是確?？偩€信號準(zhǔn)確轉(zhuǎn)換為實際數(shù)據(jù)表示的關(guān)鍵參數(shù)。這一映射機制保證了CAN信號在不同硬件實現(xiàn)中的一致性和互操作性。

1.2 CAN信號的提取與加工

CAN信號是指在CAN總線上傳輸?shù)奶囟〝?shù)據(jù)元素。在 CAN 通信矩陣中，信號的編碼格式有兩種：字節(jié)內(nèi)編碼格式和字節(jié)間編碼格式。字節(jié)內(nèi)編碼格式規(guī)定為大端模式，即高比特位在前。字節(jié)間編碼格式有 Motorolla 格式（大端序，高字節(jié)在前）和 Intel 格式（小端序，低字節(jié)在前）?？缱止?jié)信號需選擇這兩種字節(jié)間編碼格式之一，而不跨字節(jié)信號不受影響。

針對標(biāo)準(zhǔn)幀和CAN FD報文數(shù)據(jù)直接按照二進制由高到低的方式轉(zhuǎn)換為二進制后，將轉(zhuǎn)換后的二進制數(shù)據(jù)切分為多個子信號，切分方式按照一個標(biāo)準(zhǔn)幀的Motorolla 格式報文舉例如下：

37 0E 29 23 0E 01 EE 02

將上述報文轉(zhuǎn)換為二進制格式后，其結(jié)果如下所示：

0011 0111 0000 1110 0010 1001 0010 0011

0000 1110 0000 0001 1110 1110 0000 0010

將上述報文轉(zhuǎn)換為二進制數(shù)據(jù)后，總長度為64位。按照信號位長度為16、步長為1進行拆分，可以得到多個信號段。在下表中，這些拆分出來的信號段將以紅色字體突出顯示。拆分方式如下表1所示。

對于一個8位的16進制報文數(shù)據(jù)，當(dāng)將其轉(zhuǎn)換為二進制時，總長度為64位，如果按照逐位拆分的方式，可以將這些位拆分為49個長度為16位的信號，拆分CAN FD數(shù)據(jù)的過程與標(biāo)準(zhǔn)幀數(shù)據(jù)相似。

CAN FD報文的最大長度為64位16進制數(shù)據(jù)。按照標(biāo)準(zhǔn)幀中的拆分方法，可以將這些數(shù)據(jù)切分為497個子信號。

處理復(fù)用幀數(shù)據(jù)時，首先需依據(jù)復(fù)用幀中的標(biāo)志位信息對數(shù)據(jù)進行拆分，然后將拆分后的數(shù)據(jù)重新組合。接著，將重組后的數(shù)據(jù)轉(zhuǎn)換為二進制形式，并在此基礎(chǔ)上進行子信號的拆分。

1.3 參考信號和對比信號的采樣率信息

在該技術(shù)體系中，數(shù)據(jù)分為對比信號和參考信號兩大類。參考信號的數(shù)據(jù)來源包括診斷信號和手動繪制的信號兩種方式。按照診斷協(xié)議，每家整車企業(yè)一般都會根據(jù)自家的特點選擇相應(yīng)的診斷標(biāo)準(zhǔn)并作一些取舍后形成診斷服務(wù)規(guī)范。通過獲得的診斷報文，可以確定ECU的相應(yīng)重要信號的物理值，這對查找CAN信號位置及物理值起到?jīng)Q定性的作用。

廣播信號的采樣率由ECU（電子控制單元）主動設(shè)定，其發(fā)送頻率根據(jù)不同的CAN標(biāo)識符（ID）而異，通常每10至100毫秒發(fā)送一次數(shù)據(jù)幀。相比之下，診斷信號的采樣率由診斷設(shè)備控制，診斷設(shè)備需先向ECU發(fā)送診斷請求，ECU才會響應(yīng)并發(fā)送相應(yīng)的診斷報文。

在進行診斷信號與對比信號的比較之前，需確保兩組數(shù)據(jù)的采樣率相同。為此，需要對診斷信號進行插值處理，以匹配對比信號的采樣率，插值算法描述如圖1所示。

假設(shè)數(shù)軸上存在三個離散點，坐標(biāo)分別為 xi-1、xi、xi+1。給定連續(xù)函數(shù)f（x）作為約束條件，這三點的函數(shù)值分別為f（xi-1），f（xi），f（xi+1）。若需獲取更為密集和精細的數(shù)據(jù)點，可指定新的坐標(biāo)值，并應(yīng)用函數(shù)f（xi）計算其對應(yīng)的函數(shù)值。例如，在xi-1和xi之間插入一新點x’，其函數(shù)值f（x’）可由函數(shù)f（x）計算得出。經(jīng)過插值處理，該信號與對比信號的采樣率保持一致。

手繪信號的數(shù)據(jù)，以對比信號的時間軸為基準(zhǔn)，在該時間軸上使用手繪筆描繪一條信號曲線。隨后，將該手繪曲線轉(zhuǎn)換成一組數(shù)值集合，轉(zhuǎn)換過程中同樣需確保兩者的采樣率保持一致。

2 同源信號相關(guān)性原則的原理與實現(xiàn)方式

2.1 同源相關(guān)性原則的原理

同源相關(guān)性原則利用比較不同信號的相似度來推斷它們之間的關(guān)系和特征，基于的假設(shè)是，若兩個信號在關(guān)鍵特征上相似，它們可能源于同一源或表現(xiàn)相似的物理過程。在車輛運行中，無論車輛靜止還是行駛，通過診斷設(shè)備采集的發(fā)動機轉(zhuǎn)速信號與通過車載通信系統(tǒng)（如CAN總線）廣播的信號數(shù)據(jù)呈現(xiàn)顯著的一致性，因為它們都來自同一傳感器，實時反映發(fā)動機的運行狀態(tài)。利用這一原理，可以將診斷數(shù)據(jù)與預(yù)先切好的廣播信號數(shù)據(jù)進行比較，快速定位并提取所需的信號信息。這種方法有效地應(yīng)用了同源相關(guān)性原則，為車輛監(jiān)控和數(shù)據(jù)處理提供了便捷的途徑。

2.2 同源信號相關(guān)性原則的實現(xiàn)方式

相關(guān)性分析的具體實現(xiàn)方式涉及以下步驟：首先，對輸入的參考信號與對比信號進行標(biāo)準(zhǔn)化處理，這一過程旨在消除數(shù)值差異和時間序列的波動，確保數(shù)據(jù)在統(tǒng)一的尺度上可比。隨后，通過計算這兩個已標(biāo)準(zhǔn)化數(shù)據(jù)集之間的皮爾遜相關(guān)系數(shù)，來精確衡量它們之間的線性關(guān)聯(lián)強度。最后，利用標(biāo)準(zhǔn)化數(shù)據(jù)集來確定線性回歸模型的斜率和截距，這些參數(shù)不僅揭示了數(shù)據(jù)集間的線性依賴關(guān)系，還為構(gòu)建預(yù)測模型提供了基礎(chǔ)。這一系列操作共同構(gòu)成了一個綜合的分析框架，用以評估和預(yù)測兩個信號之間的相關(guān)性和潛在的線性關(guān)系，計算公式如下。

數(shù)據(jù)標(biāo)準(zhǔn)化：對于訓(xùn)練數(shù)據(jù)集y，標(biāo)準(zhǔn)化后的數(shù)據(jù)ystandardized可以通過以下公式計算：

式中，μ為數(shù)據(jù)集y的均值，σ為數(shù)據(jù)集y的標(biāo)準(zhǔn)差。

計算皮爾遜相關(guān)系數(shù)：皮爾遜相關(guān)系數(shù)r可以通過以下公式計算：

式中，Xi和Yi為兩個比較數(shù)據(jù)集中的對應(yīng)元素，和分別是數(shù)據(jù)集Xi和Yi的均值，n為數(shù)據(jù)集的時間幀數(shù)。

計算線性回歸系數(shù)：線性回歸模型的一般形式為

式中k為系數(shù)，b為偏移量。在這個算法中，系數(shù)k和偏移量b的計算基于公式（2）標(biāo)準(zhǔn)化后的數(shù)據(jù)，具體公式如下：

式中，std（y1）和std（y1）分別是數(shù)據(jù)集y1和y2的標(biāo)準(zhǔn)差。式中，mean（y1）和mean（y2）分別是數(shù)據(jù)集y1和y2的均值。其中y1和y2分別代指參考信號與對比信號。

3 相關(guān)性在CAN信號分析技術(shù)驗證與實現(xiàn)

為了確保相關(guān)性原則在CAN信號分析技術(shù)中的準(zhǔn)確性和完整性得到驗證，開發(fā)了一套專門的驗證測試系統(tǒng)。該系統(tǒng)旨在通過一系列嚴(yán)密的測試，確保CAN信號分析技術(shù)能夠精確地識別和評估信號間的相關(guān)性。以下是基于某車型前驅(qū)電機扭矩的CAN報文數(shù)據(jù)作為參考信號的實例，通過軟件應(yīng)用相關(guān)性原則的CAN信號分析技術(shù)，從廣播信號中篩選出與其相匹配的信號。

3.1 驗證流程設(shè)計

圖2為基于相關(guān)性的CAN信號分析技術(shù)流程圖，同樣是對應(yīng)開發(fā)軟件的操作方案圖。

技術(shù)驗證流程的起點是將采集的CAN報文數(shù)據(jù)導(dǎo)入系統(tǒng)，此類數(shù)據(jù)文件一般為ASC后綴或BLF后綴。利用軟件報文數(shù)據(jù)讀取服務(wù)完成文件的有效加載。

隨后，在配置系統(tǒng)參數(shù)的基礎(chǔ)上，系統(tǒng)分別抽取出參考信號與待對比信號集合。參考信號的軟件預(yù)設(shè)參數(shù)包括回復(fù)ID、位置索引、系數(shù)、偏移量、I/M格式、有/無符號和分析時間區(qū)間。參考信號參數(shù)的準(zhǔn)確設(shè)定使得算法有效獲得真實的用于相關(guān)性分析的數(shù)據(jù)。對比信號的參數(shù)設(shè)定有助于提前篩選分析內(nèi)容，減小算法計算量。

由于參考信號與對比信號由于來源不同，采集頻率存在差異。為保障數(shù)據(jù)分析的精準(zhǔn)性，系統(tǒng)內(nèi)置的插值算法發(fā)揮作用，確保所有信號依據(jù)時間戳的起始時間實現(xiàn)精準(zhǔn)對齊，同時使得相關(guān)性計算的輸入量長度一致。

系統(tǒng)依次運用數(shù)據(jù)標(biāo)準(zhǔn)化算法、皮爾遜相關(guān)系數(shù)算法以及計算線性回歸系數(shù)算法，對信號進行細致入微的對比分析。這一系列嚴(yán)謹(jǐn)?shù)牟襟E最終助力我們準(zhǔn)確識別并提取出關(guān)鍵信號，確保了分析結(jié)果的可靠性與有效性。

3.2 驗證過程

在系統(tǒng)驗證的初始階段，我們首先需要準(zhǔn)備一份預(yù)先錄制好的CAN報文數(shù)據(jù)。數(shù)據(jù)包含待分析信號的參考信號與車輛CAN總線報文信號。

為有效驗證待分析信號，需注意采集的報文數(shù)據(jù)要在能激發(fā)起分析信號波動的特定工況錄制。如針對前驅(qū)電機扭矩信號，需小范圍挪動車輛并重復(fù)2-3次車輛啟停。其他信號可參考如下表格錄制對應(yīng)工況。

進一步將詳細闡述如何利用基于同源相關(guān)性的CAN信號分析技術(shù)，在研發(fā)的軟件系統(tǒng)中進行CAN信號的精確檢索過程。這一過程將展示軟件如何通過復(fù)雜的算法和分析，確保從眾多信號中準(zhǔn)確識別出目標(biāo)信號。

首先將預(yù)先準(zhǔn)備好的CAN報文錄制的ASC后綴文件導(dǎo)入系統(tǒng)。隨后，系統(tǒng)依據(jù)預(yù)設(shè)的CAN ID、起始位置及長度等參數(shù)，精確提取出參考信號。待分析信號為前驅(qū)電機扭矩信號，結(jié)果在自研軟件的展示如下圖 3所示。在參考信號數(shù)據(jù)成功導(dǎo)入系統(tǒng)后，點擊“數(shù)據(jù)分析”按鈕，系統(tǒng)即刻啟動自動分析流程。首先，系統(tǒng)會根據(jù)不同的CAN ID動態(tài)劃分出對比信號，并根據(jù)參考信號的數(shù)據(jù)量進行自動插值處理，確保所有對比信號數(shù)據(jù)的采樣率一致。

由于錄制數(shù)據(jù)的工況內(nèi)，參考信號會發(fā)生數(shù)據(jù)波動。因此軟件中算法將識別在錄制數(shù)據(jù)區(qū)間始終為固定數(shù)值的ID，并在后續(xù)分析中不考慮該ID的拆分與識別。此舉將極大程度降低算法的計算量。經(jīng)統(tǒng)計針對對比信號的204個ID，共114個ID在數(shù)據(jù)錄制工況沒有發(fā)生數(shù)據(jù)波動。

針對波動的對比數(shù)據(jù)，系統(tǒng)將逐一運用標(biāo)準(zhǔn)化算法、皮爾遜相關(guān)系數(shù)算法以及計算線性回歸系數(shù)算法，對參考信號與對比信號進行深入分析，以評估其相似度，并計算出相關(guān)系數(shù)和偏移量的值，計算完畢后，所有結(jié)果將被展示在如下圖4所示的界面上，以便用戶直觀地查看和分析。經(jīng)軟件分析，待處理的90個ID中，算法分析詳細程度在80%以上的ID共13個。

針對具體識別出來的具體ID，軟件會具體展示出對應(yīng)ID的具體結(jié)果，以1個ID舉例，若分析對比信號長度為16則可拆分出49的占位方式。下圖5為針對某個ID，按照長度14、15、16分別占位的結(jié)果，理論上共144種可能占位情況。經(jīng)軟件分析識別出共30個相似程度在80%以上的占位方式。

為直觀地針對30個篩選信號進行信號對比及結(jié)果導(dǎo)出，軟件支持將相似度高的對比信號與參考信號放在統(tǒng)一坐標(biāo)軸，方便對比同時避免算法的過擬合。

同時，軟件會針對相似程度高的占位方式，輸出對應(yīng)的轉(zhuǎn)換系數(shù)、偏移量以及占位圖。具體占位圖可通過點擊圖5中索引按鈕展示，如下圖6所示。

針對相似程度較高的信號，支持勾選對應(yīng)信號，軟件具備將存疑信號導(dǎo)出成DBC（Database CAN）的功能，通過DBC格式的文件，方便工程師開展后續(xù)測試工作。為方便使用，軟件具備DBC與EXCEL格式文件相互轉(zhuǎn)換的能力。

4 結(jié)語

采用同源信號相關(guān)性原理的CAN信號分析技術(shù)在處理汽車行業(yè)中的大規(guī)模CAN數(shù)據(jù)提供了有效的解決方案。該技術(shù)以診斷信號為參考，將廣播信號轉(zhuǎn)換為二進制格式，并根據(jù)位長、類型、系數(shù)、偏移量、符號位及相似度等參數(shù)，將數(shù)據(jù)拆分為多個對比信號數(shù)據(jù)源。通過設(shè)定相似度閾值，可以快速篩選出符合條件的信號。與傳統(tǒng)解析方法相比，基于相關(guān)性原理的CAN信號分析技術(shù)在處理CAN FD和復(fù)用幀數(shù)據(jù)的解析以及跨字節(jié)信號的識別與分析方面具有顯著優(yōu)勢。此外，該技術(shù)還具備處理包括大報文在內(nèi)的所有CAN數(shù)據(jù)的能力，涵蓋了溫度數(shù)據(jù)的變化、復(fù)用幀數(shù)據(jù)、CAN FD等多種復(fù)雜數(shù)據(jù)類型。通過多種算法綜合分析與比較，該技術(shù)實現(xiàn)了對不同信號的準(zhǔn)確識別與提取。在系統(tǒng)驗證過程中，該技術(shù)在研發(fā)的軟件系統(tǒng)中表現(xiàn)出高效、精確的CAN信號檢索能力，確保了分析結(jié)果的可靠性與有效性。綜上所述，基于同源相關(guān)性原理的CAN信號分析技術(shù)在汽車行業(yè)中對大規(guī)模CAN數(shù)據(jù)的高效處理與精確分析提供了有力支持，為汽車行業(yè)的進步貢獻了重要力量。

參考文獻：

[1]袁光龍.汽車電子系統(tǒng)級工具鏈的研究與實現(xiàn)[D].北京：電子科技大學(xué)，2024.

[2]Zhou F ， Li S ， Hou X .Development method of simulation and test system for vehicle body CAN bus based on CANoe[J].IEEE， 2008.DOI：10.1109/WCICA.2008.4594092.

[3]Miller C ， Valasek C .Remote Exploitation of an Unaltered Passenger Vehicle[J]. 2015.

[4]Miller B C ， Valasek C .Adventures in Automotive Networks and Control Units[J]. 2013.

[5]Jaynes M ， Dantu R ， Varriale R ，et al.Automating ECU Identification for Vehicle Security[C]//2016 15th IEEE International Conference on Machine Learning and Applications （ICMLA）.IEEE， 2016.DOI：10.1109/ICMLA.2016.0111.

[6]Markovitz M ， Wool A .Field classification， modeling and anomaly detection in unknown CAN bus networks[J].Vehicular Communications， 2017， 9：43-52.DOI：10.1016/j.vehcom.2017.02.005.

[7]Marchetti M ， Stabili D .READ： Reverse Engineering of Automotive Data Frames[J].IEEE Transactions on Information Forensics and Security， 2018.DOI：10.1109/TIFS.2018.2870826.

[8]樊金娜，馬歡歡，劉嬌楊.基于相關(guān)性原理的CAN 信號解析方法[J].汽車工程學(xué)報，2020，10（1）：13-18.

[9]關(guān)靜，楊欣茹，周亞棱.基于信號相似度原理的CAN信號解析方法[J].汽車工程學(xué)報，2020，10（1）：13-18.