本发明汽车安全防护领域，具体的说是一种基于多层次汽车物联网的安全防护方法及系统。
背景技术：
1、随着物联网技术的快速发展，汽车不再是一个孤立的交通工具，而是逐渐融入了更加复杂的网络环境中，物联网技术使得汽车能够与其他车辆、基础设施以及云端服务进行实时通信，从而实现了更加智能化和互联化的功能，然而，这也带来了新的安全挑战，如网络攻击、数据泄露问题。当前市场上虽然存在多种汽车安全防护系统，但大多存在功能单一、防护效果有限的问题。
2、如公开号为cn108657073a的专利公开了一种基于物联网的汽车安全防护系统，包括：安装车辆内部的控制器，将控制器与车载显示器连接，控制器还与用于收发监控信息的a监控手机连接，车辆的主人持有用于接收a监控手机发出监控信息的b监控手机，车载显示器与a监控手机接收来自控制器和/或蓝牙信息发射端发出的监控信息，蓝牙信息发射端分别是与监控摄像头、红外探测器连接的蓝牙或连接在控制器上的蓝牙，监控摄像头与红外探测器分别设置在车辆的内部和/或外部，监控摄像头与红外探测器还分别设置在无人机上，无人机遥控器与控制器连接，车辆上设有无人机的收发窗口，车辆上还设有分别与控制器连接的振动、烟雾、传感器及传感器和人脸识别处理器。
3、以上现有技术存在以下问题：虽然涵盖了车辆内部的监控、无线通信和无人机的应用，但在数据处理、加密通信和智能分析方面较为基础；依赖于传统的监控设备和人为判断来识别潜在威胁，使得风险评估与防护措施缺乏智能化；虽然提到了控制器与车载显示器、a监控手机和b监控手机的连接，但并未明确提及与云端服务器的集成以及云端安全审计机制，使得在数据的实时上传、云端处理、安全监控和记录方面存在不足。
技术实现思路
1、针对现有技术的不足，本发明提出了一种基于多层次汽车物联网的安全防护方法及系统，通过加密传感器网络采集并加密车辆及环境数据，利用量子加密通信保障数据安全传输至本地；本地处理单元运用强化学习ai解密算法处理数据，结合机器学习识别驾驶风险；基于多源信息融合的风险评估模型，系统评估风险并优化生成防护措施策略；遇到风险时，物联网技术即时触发预警并执行防护，同时，实时上传车辆数据至云端，建立安全审计机制，全面监控记录，确保了车辆行驶安全与数据隐私保护。
2、为实现上述目的，本发明提供如下技术方案：
3、一种基于多层次汽车物联网的安全防护方法，包括：
4、步骤s1：使用加密传感器网络采集车辆状态信息和环境数据，获得加密数据，并采用量子加密通信协议将采集到的加密数据传输至本地处理单元；
5、步骤s2：在本地处理单元中，使用基于强化学习的ai解密算法对加密数据进行处理和解密分析，基于解密后的数据，通过机器学习模型识别驾驶风险和安全威胁；
6、步骤s3：基于步骤s2中识别的驾驶风险和安全威胁，结合当前驾驶行为、车辆状态、路况信息及云端共享的区域数据，使用预构建的风险评估模型进行风险评估，根据风险评估结果，利用优化算法制定最优防护措施策略；
7、步骤s4：当系统检测到风险时，根据风险评估结果和制定的最优防护措施策略，通过物联网方法自动触发对应级别的预警机制，并根据触发的预警级别和类型，自动执行防护措施；
8、步骤s5：将车辆状态信息和驾驶行为数据实时上传至云端服务器，同时，建立云端安全审计机制，对上传和共享的车辆状态信息和驾驶行为数据进行监控和记录。
9、具体地，所述步骤s2的具体步骤包括：
10、s2.1：初始化智能调度器，根据接收到的加密数据请求，结合本地处理单元的负载情况、数据类型优先级、资源可用性因素，进行智能调度决策，智能调度决策表示为：
11、
12、其中，a(r)表示智能调度决策，表示第n个加密后的车辆状态信息，表示第m个加密后的环境数据，n表示加密后的车辆状态信息的数量，m表示加密后的环境数据的数量，p(r)表示优先级评估函数，r表示加密数据请求的当前属性集合，q1表示分配的资源量，g1(r)表示加密数据类型，g2(r)表示紧急程度，g3(r)表示加密数据大小，α、β、δ表示权重系数；
13、s2.2：根据智能调度决策结果，本地处理单元通过通信连接的方式接收来自加密传感器网络的加密数据，并将加密数据存储在存储介质中。
14、具体地，所述步骤s2的具体步骤还包括：
15、s2.3：定义解密算法的状态空间s＝{s1,s2,s3}和动作空间d＝{d1,d2}，并根据定义的状态空间和动作空间构建强化学习训练框架，其中，s1表示当前解密进度，s2表示历史解密效率，s3表示剩余加密数据量，d1表示解密方法的选择过程，d2表示解密参数的调整动作；
16、s2.4：使用历史加密数据和对应的历史解密结果作为训练数据，并将训练数据输入强化学习训练框架中，通过反复迭代训练，获得最优解密模型。
17、具体地，所述步骤s2的具体步骤还包括：
18、s2.5：采用多模型的加权融合方法，将最优解密模型和量子解密算法相融合，形成融合解密模型，并将训练好的融合解密模型部署到本地处理单元中，当有新的加密数据到达时，使用融合解密模型进行实时解密处理，公式为：
19、y(x,θ,ε)＝w1×m1(x,θ)+w2×m2(x,ε)；
20、其中，y(x,θ,ε)表示融合解密模型的输出结果，x表示输入的加密数据，θ表示最优解密模型参数，ε表示最优解密模型参数，m1(x,θ)表示最优解密模型的解密结果，m2(x,ε)表示量子解密算法的解密结果，w1、w2表示权重；
21、s2.6：对解密后的车辆状态信息和环境数据进行预处理，使用机器学习模型对处理后的数据进行驾驶风险和安全威胁的识别，并根据识别结果，生成对应的警报信息。
22、具体地，所述s2.6的具体步骤包括：
23、s2.61：接收加密数据，使用量子解密算法对数据进行解密，还原出原始的车辆状态信息和环境数据，并进行预处理和特征提取，生成解密数据；
24、s2.62：加载预构建的决策树机器学习模型，使用解密数据对决策树机器学习模型进行训练，通过迭代优化调整决策树机器学习模型参数，并对调整后的决策树机器学习模型进行评估；
25、s2.63：根据评估结果，再次调整决策树机器学习模型参数，获得训练好的决策树机器学习模型，并将训练好的决策树机器学习模型部署到实际应用中；
26、s2.64：设置误差阈值h1，实时接收解密数据，并使用部署的决策树机器学习模型进行预测，
27、若则当前属于安全状态，其中，表示决策树机器学习模型的预测结果；
28、若则生成对应的警报信息。
29、具体地，所述步骤s3的具体步骤包括：
30、s3.1：通过车辆传感器收集实时驾驶行为数据、车辆状态数据，并从云端获取路况信息和区域数据，使用首尾拼接的融合方式将驾驶行为数据、车辆状态数据、路况信息和区域数据进行融合，获得融合数据；
31、s3.2：加载预构建的风险评估模型，将融合数据输入风险评估模型进行风险评估，根据评估结果，输出量化风险值；
32、s3.3：引入强化学习算法，将风险评估结果作为输入，通过预训练后的强化学习模型，制定最优防护措施策略。
33、具体地，所述s2.1中调度器基于加密数据标签和当前处理单元的负载情况，决定加密数据的接收顺序和速率，所述加密数据标签包括紧急程度、数据类型。
34、一种基于多层次汽车物联网的安全防护系统，包括：加密模块、风险识别模块、风险评估模块、防护执行模块；
35、所述加密模块，用于采集车辆状态信息和环境数据，并进行加密处理；
36、所述风险识别模块，用于对加密数据进行解密、处理和分析，并基于解密后的数据识别驾驶风险和安全威胁；
37、所述风险评估模块，用于对当前车辆状态进行风险评估，并制定最优防护措施策略；
38、所述防护执行模块，用于当系统检测出到风险时，自动触发预警机制，并执行防护措施。
39、具体地，所述风险识别模块包括：解密算法单元、机器学习模型单元；
40、所述解密算法单元，利用基于强化学习的ai解密算法优化解密过程，对加密数据进行解密；
41、所述机器学习模型单元，通过训练好的机器学习模型，对解密后的数据进行分析，识别出潜在的驾驶风险和安全威胁。
42、具体地，所述风险评估模块包括：风险评估单元、优化算法单元；
43、所述风险评估单元，用于根据历史数据，使用预先构建的风险评估模型，结合多因素，综合评估当前驾驶风险等级；
44、所述优化算法单元，用于通过优化算法，根据风险评估结果，制定最优的防护措施策略。
45、与现有技术相比，本发明的有益效果是：
46、1.本发明提出一种基于多层次汽车物联网的安全防护方法，通过集成加密传感器网络、量子加密通信、强化学习ai解密算法和机器学习模型，实现了对车辆状态、环境数据以及潜在驾驶风险和安全威胁的高度智能化监测与分析，不仅确保了数据传输的安全性，还提升了风险识别的准确性和时效性。
47、2.本发明提出一种基于多层次汽车物联网的安全防护方法，通过结合实时驾驶行为、车辆状态、路况信息及云端共享数据，运用风险评估模型和优化算法制定最优防护措施策略，并在检测到风险时自动触发预警机制和执行防护措施，该系统有效降低了交通事故的发生概率，提升了驾驶的安全性和可靠性；同时，实时上传车辆数据至云端并建立安全审计机制，进一步增强了数据的可追溯性和安全性。
1.一种基于多层次汽车物联网的安全防护方法，其特征在于，包括：
2.如权利要求1所述的一种基于多层次汽车物联网的安全防护方法，其特征在于，所述步骤s2的具体步骤包括：
3.如权利要求2所述的一种基于多层次汽车物联网的安全防护方法，其特征在于，所述步骤s2的具体步骤还包括：
4.如权利要求3所述的一种基于多层次汽车物联网的安全防护方法，其特征在于，所述步骤s2的具体步骤还包括：
5.如权利要求4所述的一种基于多层次汽车物联网的安全防护方法，其特征在于，所述s2.6的具体步骤包括：
6.如权利要求5所述的一种基于多层次汽车物联网的安全防护方法，其特征在于，所述步骤s3的具体步骤包括：
7.如权利要求6所述的一种基于多层次汽车物联网的安全防护方法，其特征在于，所述s2.1中调度器基于加密数据标签和当前处理单元的负载情况，决定加密数据的接收顺序和速率，所述加密数据标签包括紧急程度、数据类型。
8.一种基于多层次汽车物联网的安全防护系统，其用于实现权利要求1-7中任一项所述的一种基于多层次汽车物联网的安全防护方法，其特征在于，包括：加密模块、风险识别模块、风险评估模块、防护执行模块；
9.如权利要求8所述的一种基于多层次汽车物联网的安全防护系统，其特征在于，所述风险识别模块包括：解密算法单元、机器学习模型单元；
10.如权利要求9所述的一种基于多层次汽车物联网的安全防护系统，其特征在于，所述风险评估模块包括：风险评估单元、优化算法单元；
