# LibreCAN：自动化 CAN 报文翻译器 > LibreCAN 在没有整车厂 DBC 翻译文件的情况下，根据在车辆 OBD-II 接口记录的流量逆向专有的 CAN 报文格式。阶段 0 扩展早期的 READ 算法，依据比特翻转行为提取候选信号边界；阶段 1 将提取出的信号与标准 OBD-II PID 及智能手机惯性测量数据做相关分析，识别运动学相关信号并估计其比例系数和偏移量；阶段 2 对驾驶者执行 53 个预定车身相关事件时记录的 CAN ID 进行过滤，为每个事件筛选候选 ID。 - 作者：Mert D. Pesé; Troy Stacer; C. Andrés Campos; Eric Newberry; Dongyao Chen; Kang G. Shin - 原标题：LibreCAN: Automated CAN Message Translator - 发表载体：ACM CCS 2019 - 发表状态：会议论文 - 出版／提交日期：2019 年 11 月 6 日 - 日期依据：ACM 提交的 Crossref 元数据将纸质和在线出版日期均记为 2019-11-06。本条目不以 11 月 11–15 日的会议日期代替。 - DOI：10.1145/3319535.3363190 - 来源复核于：2026-10-27 - 收录于：2026-11-03 - 原始论文： - PDF： - BibTeX： - 目录页面： - 记录 JSON： - 英文版：[English](https://awesomerea.org/papers/paper-librecan/index.md) ## 研究范围与局限 评测使用来自同一整车厂的四辆较新车辆，以作者获得的 DBC 文件作为真实标签，并由作者自行判断哪些 CAN 信号对应各参考信号；作者指出，由于整车厂未参与，评测带有一定主观性。阶段 0 提取了 DBC 中 51.6–62.4% 的信号，但提取结果中只有 21.0–36.4% 的边界正确，部分原因是正常驾驶很少覆盖较高的取值范围。使用提取出的边界时，阶段 1 的精确率为 61.1–78.1%，召回率为 25.6–57.3%；阶段 2 将候选数量减少十倍以上，精确率为 8.5–15.0%。只分析了可经 OBD-II 访问的总线，其他总线上的信号因此被遗漏。系统只读取流量，恢复的是部分翻译表，而非完整的 DBC 文件、ECU 逻辑或经过验证的注入能力。 ## 与本合集的关联 补充借助被动流量与参考信号自动逆向专有车载 CAN 报文格式的研究，与本目录中的 CAN 工具及网络协议推断研究互补。 ## 发表与复核说明 Crossref 记录的标题为 LibreCAN，副标题为 Automated CAN Message Translator，并给出六位作者顺序和页码 2283–2300。18 页副本托管于密歇根大学实时计算实验室网站，是 2019-09-25 生成的 ACM 排版作者版。论文报告每辆车约需 40 分钟人工采集数据（30 分钟驾驶加 10 分钟事件操作）和 70–79 秒计算；其 10 名参与者的事件记录实验获得了 IRB 批准。数据来自 ELM327 适配器、经 Y 型线连接的 OpenXC 适配器和 Torque Pro 安卓应用，计算在 Ubuntu 16.04 上使用 Python 3 完成。mdp93/LibreCAN_CCS 仓库在 e10aea7 中只有项目 README 和站点配置，没有许可证或实现代码；在所审阅的来源中也未找到 DBC 真实标签或车辆轨迹数据。 ## 一手来源 1. 2. 3. 4. ## 关于此条目 已依据论文及一手来源复核。请通过原始论文或 BibTeX 引用原作者。 原创说明采用 MIT 许可；外部项目、论文与素材保留各自的权利和许可。