COMPUTER-IMPLEMENTED METHOD AND SYSTEM FOR LEARNING-BASED ANOMALY DETECTION IN ORDER TO DETERMINE A SOFTWARE ERROR IN A NETWORKED VEHICLE

Die Erfindung betrifft ein computerimplementiertes Verfahren zur lernbasierten Anomaliedetektion zur Bestimmung eines Softwarefehlers in einem vernetzten Fahrzeug (1). Das Verfahren umfasst ein Übersetzen (S2) von Tracezeilen (3a-3c) eines Trace (3), der beispielsweise im DLT-Format vorliegt, als von einem Steuergerät (2) des Fahrzeugs (1) ausgegebener Datei mit einer zeitlichen Abfolge von Funktionsaufrufen von Softwarekomponenten des Steuergeräts (2) in eine Graph Representation (5) eines ungerichteten Graphen (5a), wobei eine Knotenliste (6) mit gewichteten Verknüpfungen (6a) zwischen Knoten (K1-K4, K17, K29) bereitgestellt wird (S3), die jeweils einzelne Datensegmente (D1-D8) der übersetzten Tracezeilen (3a-3c) repräsentieren, gefolgt von einem Eingeben (S3a) der Knotenliste (6) in ein Graph Neural Network (8), wobei in einer Embedded Representation (9) für jeden Knoten (K1-K4, K17, K29) der Knotenliste (6) Ähnlichkeiten und Abhängigkeiten dieses Knotens zu anderen Knoten der Knotenliste (6) als Embedded Features (F1-F3, FS17, FS29), beispielsweise im Floating-Point-Format, ausgegeben werden (S4). Danach erfolgt ein Sortieren (S4a) der Embedded Features (F1- F3, FS17, FS29) von Knoten (K1-K4, K17, K29) mehrerer zeitlich aufeinander folgender Tracezeilen (3a-3c) in zeitlicher Abfolge anhand eines Zeitstempels (D2) jeder übersetzten Tracezeile (3a-3c) und Anreichern (S4b) der Embedded Features (10) der Knoten der mehreren zeitlich aufeinander folgenden Tracezeilen (3a-3c) um ähnlichste Embedded Features (11) von Knoten, die mittels einer Abstandsmetrik ausgehend von Knoten (K1-K4, K17, K29) zumindest einer der mehreren zeitlich aufeinander folgenden Tracezeilen (3a- 3c) bestimmt werden, und ein Eingeben (S4c) der ähnlichsten Embedded Features (11) neben den Embedded Features (10) der Knoten (K1-K4, K17, K29) der mehreren zeitlich aufeinander folgenden Tracezeilen (3a-3c) in ein tiefes neuronales Netz (12), wobei ein Zeitpunkt (tn) einer Fehlerwahrscheinlichkeit (13a) und/oder Fehlerklasse einer Anomalie in den mehreren zeitlich aufeinander folgenden Tracezeilen (3a-3c) zur Bestimmung des Softwarefehlers ausgegeben wird (S5). Die Erfindung betrifft ferner ein System zur lernbasierten Anomaliedetektion zur Bestimmung eines Softwarefehlers in einem vernetzten Fahrzeug (1), ein Computerprogramm und einen computerlesbaren Datenträger. The invention relates to a computer-implemented method for learning-based anomaly detection in order to determine a software e