Search
E-mail
RSS

Journal of Cybersecurity >

2024 , Vol. 2 >Issue 6: 16 - 35

DOI: https://doi.org/10.20172/j.issn.2097-3136.240602

Special Contributions

A survey of cybersecurity for intelligent connected vehicles

  • REN Kui 1, 2, 3, 4 ,
  • YANG Kun , 1, 2, 3, 4, * ,
  • SHEN Haoting 1, 2, 3, 4 ,
  • LIN Feng 1, 2, 3, 4 ,
  • SHEN Dakun 1, 2
Expand
  • 1. The State Key Laboratory of Blockchain and Data Security, Zhejiang University, Hangzhou 310027, China
  • 2. Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security, Hangzhou 310012, China
  • 3. School of Cyber Science and Technology, Zhejiang University, Hangzhou 310007, China
  • 4. College of Computer Science and Technology, Zhejiang University, Hangzhou 310027, China

Online published: 2025-01-25

Copyright

Copyright ©2024 Journal of Aeronautical Materials. All rights reserved.
Fold

Abstract

With the rapid development of intelligent connected vehicle technologies with electrification, intelligence, and networking, intelligent connected vehicles have exposed more new types of attack surfaces. All types of security challenges are threatening the security of intelligent connected vehicles as one of the key infrastructures in the digital society. This survey aimed to comprehensively review the current research status and development trends in the field of intelligent vehicle security. Firstly, the basic architecture and security standards of the intelligent vehicle networks were introduced, and the security threats faced by intelligent connected vehicles were analyzed in terms of autonomous driving, network communications, software and hardware systems as well as their supply chains, etc. Secondly, the existing network and information security defense strategies as well as testing and verification schemes for intelligent connected vehicles were comprehensively evaluated. Finally, the future research directions in the fields of intelligent vehicle network and information security were forecasted. Through the comprehensive analysis and summary of the issues of intelligent vehicle network and information security and their corresponding solutions as well as the prospect of future research directions, valuable technical references for the construction of security management system and security standard system for intelligent connected vehicles were provided.

Key words： intelligent connected vehicles; network and information security; electrical/electronic architecture; security threat; security defense; security testing and verification; security standard

Cite this article

REN Kui , YANG Kun , SHEN Haoting , LIN Feng , SHEN Dakun . A survey of cybersecurity for intelligent connected vehicles[J]. Journal of Cybersecurity, 2024 , 2(6) : 16 -35 . DOI: 10.20172/j.issn.2097-3136.240602

0 引言

智能网联汽车（Intelligent Connected Vehicles，ICV）是指通过先进的传感器、控制器、执行器等设备，结合现代通信与网络技术，实现车辆与外部环境的智能信息交换和共享，具备智能感知、智能决策、智能控制等功能的新一代汽车，是多学科交叉融合的产物，代表着汽车产业转型升级的重要方向[1]。通过车联网技术，智能网联汽车能够优化交通流，减少拥堵；智能系统还能提前感知潜在风险，主动干预，显著降低事故率[2]。智能网联汽车还提供远程监控、车辆诊断、紧急救援等个性化服务，以提升用户体验。通过优化驾驶行为与交通流量，智能网联汽车能减少能源消耗，带来环境效益[3]。
各国政府高度重视智能网联汽车的发展，出台政策推动技术创新与产业化。中国政府通过一系列政策和规划来推动这一领域的技术创新和产业化进程，如《中国制造2025》战略和《交通强国建设纲要》等。此外，美国、欧盟和日本等地区也通过制定国家战略和法规，引导智能网联汽车产业的发展。预计到2025年，全球智能网联汽车产业规模将超5000亿元，中国智能网联汽车行业规模如图1所示[4]。未来，智能网联汽车将在交通系统中扮演更加重要的角色。
图 1 智能网联汽车市场情况

Fig.1 Market situation of intelligent connected vehicles

智能网联汽车是现代信息技术、人工智能技术与汽车产业深度融合的产物，相关产业发展如图2所示，其发展正推动整个汽车行业发生深刻变革。
图 2 智能网联汽车产业链全景图

Fig.2 Panorama of the intelligent connected vehicle industry chain

智能网联汽车依赖电动化和电子控制技术。电机、电池、电控为电动车提供动力和控制；传感器用于实时采集车辆运行数据；车载算力芯片提升车辆的运算能力，支持复杂功能[5]。
智能网联汽车通过网络连接实现高效运行。车内网提高车内系统互联能力；车联网实现车辆之间的通信；车路/基建网实现车辆与基础设施的连接；能源网与电网、充电桩等能源网络协作。
智能网联汽车越来越依赖数据和软件，通过收集、分析和共享数据实现智能化；域融合架构打破传统车辆的功能分区，实现系统整合；移动应用程序（Application，APP）实现远程控制车辆；空中下载技术（Over-the-Air Technology，OTA）升级实现远程在线功能更新和优化[6]。
自动驾驶是智能网联汽车发展的核心方向。人工智能算法模型，通过深度学习实现复杂驾驶决策；多模式传感融合，结合摄像头、雷达、激光雷达等多种传感器；道路交通基础设施，依赖智能交通系统支持；法律法规配套，确保自动驾驶技术的合法性；端到端解决方案，优化用户体验[7]。
智能网联汽车为用户提供个性化体验，包括智能座舱优化驾驶和乘坐环境，支持个性化服务，如行程规划、支付功能等。
通过云平台实现车辆的实时管理，行程预定规划出行路径，车辆调度提升使用效率，警示推送实时提供安全提示，在线安保确保车辆和数据安全。
智能网联汽车的发展推动供应链和管理模式的转型，功能安全与网络信息安全深度融合，从单维度向多维度发展，管理侧配套体系支持技术研发和产业落地[8]。
智能网联汽车的发展正在快速重塑整个汽车行业技术的架构，未来将围绕电动化、智能化、网联化和共享化持续深化。
随着智能网联汽车在全社会的的普及，针对它的攻击事件也日益频发，带来了显著的安全和隐私挑战。据统计，目前与智能网联汽车相关的通用漏洞披露（Common Vulnerabilities and Exposures，CVE）漏洞数量达725个，其中2023年新增CVE漏洞数量为378个，占总数的52%以上[9]。智能网联汽车信息安全事件类型及其占比如图3所示。
图 3 智能网联汽车信息安全事件类型

Fig.3 Types of intelligent connected vehicle information security events

在各类智能网联汽车信息安全事件中，有如下典型案例。2024年9月，安全研究人员发现起亚汽车经销商管理系统存在漏洞，攻击者可通过获取车辆识别代码（Vehicle Identification Number，VIN）将自己添加为车主，实现车辆接管和个人信息窃取。2024年8月，通用汽车因未经驾驶员同意出售驾驶数据被起诉，涉及1400多万辆汽车，暴露了数据收集和用户隐私告知的不足。2023年8月，不法分子通过非法篡改蔚来汽车的电池组数据，使故障电池组重新上路，产生严重的安全隐患[10]。2024年1月，PWN2OWN Automotive大赛披露了49个还没有补丁的安全漏洞，涵盖车机、充电桩、车载操作系统等，表明智能网联汽车现今可能面临层出不穷的攻击手段。
智能网联汽车面临着多重网络安全风险，主要包括信息泄露、非法入侵和远程控制。这些风险不仅危及个人隐私和财产安全，更对行业发展和国家安全构成重大威胁。为提升智能网联汽车的安全水平，工业和信息化部牵头制定的三项强制性国家标准已获国家市场监督管理总局、国家标准化管理委员会批准，并将于2026年1月1日起正式实施。这三项国家标准分别为：《汽车整车信息安全技术要求》[11]、《汽车软件升级通用技术要求》[12]和《智能网联汽车 自动驾驶数据记录系统》[13]。作为我国智能网联汽车领域的首批强制性国家标准，三项国强标对智能网联汽车产品的网络安全能力提出了明确且严格的要求，为智能网联汽车行业提供了关于网络信息安全建设的权威指导。此外，国际标准化组织（International Organization for Standardization，ISO）与美国汽车工程师学会（Society of Automotive Engineers，SAE）联合制定并发布了全球首个面向汽车行业的网络安全国际标准——《道路车辆—网络安全工程》[14]。该标准明确了网络安全风险管理相关要求，并针对汽车产品全生命周期的各个阶段制定了工程规范，确保通过标准化流程强化智能网联汽车的安全性。与此同时，联合国欧洲经济委员会（United Nations Economic Commission for Europe，UNECE）制定了两项智能网联汽车安全法规——UNECE WP.29 R155[15]和R156[16]，分别聚焦于网络安全和软件更新，旨在提升全球汽车行业的安全性与合规性。自2022年7月起，欧盟等地区已强制执行R155和R156，要求车企符合这些法规才能获得新车型认证，其影响力正逐步扩展至全球汽车市场。这些国内外标准和法规的陆续出台，标志着智能网联汽车安全管理体系的日益完善，也为行业的可持续、健康发展奠定了坚实基础。
与传统汽车相比，智能网联汽车最大的特点是架构网络化和功能模块化，其网络架构和功能模块如图4所示。复杂的结构导致智能网联汽车在面对网络攻击时十分脆弱，针对智能网联汽车的攻击可以大致分为近程、中程和远程攻击。
图 4 智能网联汽车网络架构与功能模块图

Fig.4 Diagram of intelligent vehicle network architecture and functional modules

近程攻击涉及车内网络、电子控制器单元（Electronic Control Unit，ECU）、通用串行总线（Universal Serial Bus，USB）接口等，如利用车载诊断系统（On-Board Diagnostics，OBD）进行未授权访问或篡改。具体攻击步骤如下：（1）通过车载接口或对器件进行拆解接入车内总线；（2）利用总线接口发送恶意数据；（3）向车身域、动力总成域等关键域注入控制指令；（4）实现打开车门、加减速等恶意行为。
中程攻击的攻击对象包括无线通信如Wi-Fi和蓝牙，攻击者可能借助这些接口进行中间人（Man-in-the-Middle，MITM）攻击或会话劫持。可以实现的恶意攻击如下：（1）利用中间人攻击方式，将合法更新包进行替换；（2）利用恶意安装包获取车机Root权限；（3）控制车控服务和诊断服务，向车内总线注入数据；（4）向车身域、动力总成域等关键域注入控制指令；（5）实现打开车门、加减速等恶意行为。
远程攻击则聚焦云端服务，攻击者可以通过网络协议发起消息注入或窃听，甚至通过云服务接口尝试执行未经授权的操作，如控制车辆功能。通过破解控车APP恶意控制汽车：（1）破解APP与云服务器之间的协议；（2）向服务器发送恶意控车指令；（3）服务器通过MQTT（Message Queuing Telemetry Transport）或者内网私链把恶意指令下达给TBox（Telematics Box）；（4）控制车控服务，向车内总线注入数据；（5）向车身域、动力总成域等关键域注入控制指令；（6）实现打开车门、加减速等恶意行为。
智能网联汽车生态的扩展也增加了风险，尤其是手机端应用程序和外部充电设备等接口的安全性问题，可能对车辆安全产生潜在威胁。
随着汽车智能网联交互功能的逐渐增多，汽车的关联生态也逐渐丰富，相关生态的接口也给汽车带来新的安全风险。未来智能网联汽车的网络安全将面临考验。
本综述针对智能网联汽车的网络信息安全这一核心内容展开深入探讨，梳理了智能网联汽车的发展现状和关键技术架构，全面分析了智能网联汽车面临的安全威胁和防护手段，为智能网联汽车安全体系的建设提供技术参考和方向指引。本文主要贡献如下：
（1）对智能网联汽车的网络安全领域进行了全面概述，总结了当前智能网联汽车网络信息安全技术的发展现状、趋势和挑战。
（2）对智能网联汽车的新型架构与关键技术进行了分类、比较和评估，涵盖自动驾驶安全、电子电气（Electrical/Electronic，E/E）架构安全、网络通信安全、软硬件系统安全等方面的技术。
（3）分类总结了智能网联汽车面临的安全挑战，以及相应的安全防护与测试验证方法，为相关研究提供方法论的指导。
（4）对智能网联汽车安全的发展趋势和前景进行了展望，探讨了人工智能、大数据、物联网、安全芯片等技术在车联网安全领域的应用和影响。
本文组织结构如下：第1节展示智能网联汽车的关键技术；第2节聚焦智能网联汽车的攻击技术与安全隐私挑战；第3节探讨智能网联汽车的安全防护与测试验证技术；第4节为智能网联汽车的安全现状总结与未来展望；第5节为结束语。

1 智能网联汽车关键技术总览

智能网联汽车新型架构与关键技术总览揭示了智能网联汽车行业的前沿发展趋势。随着机器学习和深度学习的发展，其强大的环境感知与分析能力，推动了无人驾驶环境感知方式的变革。自动驾驶作为核心技术，正沿着基于规则和端到端两大路径不断演进。同时，E/E架构的革新，如域控制器、集中式计算平台及面向服务的架构（Service-Oriented Architecture，SOA），正重塑车辆内部系统。电驱电控、电池管理[17]、车载有线与无线通信技术、车载软件技术和芯片技术的飞速发展，共同推动了智能网联汽车的智能化、网联化进程[18]。这些关键技术不仅提升了车辆的性能与安全性，更为未来自动驾驶和智能交通系统的实现奠定了坚实基础[19]。

1.1 电子电气架构

智能网联汽车E/E架构是现代智能网联汽车的核心基础设施，负责统筹管理车辆内的ECU、传感器、执行器以及通信网络，是实现智能化和自动化功能的基础。随着车辆功能的日益复杂和智能化需求的不断提升，E/E架构从最初的简单控制架构发展为如今功能强大、高度集成的系统，支撑着现代汽车的感知、决策和执行能力。
传统车辆的E/E架构通常采用分布式架构，每个功能模块（如动力控制、车身控制、娱乐系统等）由独立的ECU控制，各ECU之间通过低速通信总线进行数据交换。这种架构尽管在早期满足了车辆的基本控制需求，但随着车辆功能的不断增加，ECU数量迅速增长，硬件资源分散、通信带宽不足以及难以协同升级的问题逐渐显现，成为限制智能网联汽车发展的瓶颈。
随着智能化和网联化的发展，智能网联汽车逐步转向域控制和中央计算架构，旨在整合和简化车辆的E/E系统。在域控制架构中，多个相关功能模块由高性能域控制器统一管理，如动力域、车身域、智能驾驶域和信息娱乐域等。这种架构通过减少ECU数量和优化硬件资源分配，极大提高了各个域的计算能力和协同效率。而中央计算架构更进一步采用类似“中央大脑”的设计，将全车的感知、决策和控制集中至CPU或中央计算平台，通过高性能芯片和软件驱动实现车辆的智能化与网联化。
这种新型架构的实现依赖高速通信网络，以支持大规模数据的实时传输和处理。例如，自动驾驶系统需要整合来自多个传感器（如摄像头、雷达、激光雷达等）的海量数据，通过高速网络传递至中央计算平台进行融合感知和决策。同时，车载以太网还提高了网络带宽和数据传输的稳定性，能够满足智能网联汽车对低延时、高可靠性的要求。
新型E/E架构的优势不仅体现在性能上，还支持软件定义汽车（Software Defined Vehicles，SDV）的理念。通过统一的硬件平台和软件架构，车辆功能可以通过OTA进行远程更新和优化，从而延长产品生命周期并提供更灵活的用户体验。例如，汽车厂商可以在车辆出厂后，通过软件升级实现高级驾驶辅助功能的持续改进，甚至解锁新的驾驶模式或个性化服务。
然而，随着智能网联汽车E/E架构的集中化和网络化，其面临的信息安全挑战也愈加严峻。攻击者可能通过网络漏洞入侵车辆系统，控制关键功能（如刹车或转向），或窃取车辆和用户的数据。因此，新型E/E架构必须满足高可靠性、实时性及信息安全的要求。在设计中，需要引入硬件信任根、安全启动（Secure Boot）、信号加密、入侵检测与防御系统（Intrusion Detection System/Intrusion Prevention System，IDS/IPS）以及网络分区隔离等多层次的安全防护机制，以确保车辆在复杂环境中的稳定运行和数据安全。
总之，智能网联汽车E/E架构正从传统的分布式架构向域控制和中央计算架构加速转型，为高级驾驶辅助系统、自动驾驶、车联网和SDV提供了强大的支撑。新型E/E架构不仅提升了车辆的计算能力和协同效率，还通过高速网络和信息安全技术推动了智能网联汽车迈向更高水平的智能化、网络化和安全化，为未来的智能交通系统奠定了坚实的技术基础。

1.2 自动驾驶技术

自动驾驶技术是智能网联汽车发展的核心技术，分为基于规则和端到端两大技术路径，它们各有其特点和适用场景，同时与信息安全密切相关[20]。
基于规则的自动驾驶依赖预设的道路规则、传感器数据以及逻辑算法来控制车辆行驶。它通常使用高精度地图和传感器来感知环境，并通过规则决策模块执行驾驶操作。这种方式在结构化和可预测的场景中（如高速公路）表现较好，具有更强的解释性，部署成本较低。然而，信息安全是基于规则自动驾驶的关键问题之一。例如，高精度地图和传感器数据可能受到恶意篡改或欺骗性攻击（如全球定位系统（Global Positioning System，GPS）欺骗或传感器干扰），从而影响车辆的感知和决策能力。此外，规则决策模块的漏洞可能被攻击者利用，导致车辆执行错误的操作。因此，确保传感器数据的真实性和完整性，以及对决策模块的安全加固，是基于规则自动驾驶的重要研究方向。
端到端自动驾驶通过深度学习模型直接从传感器数据生成控制输出，跳过了手动设计规则的步骤[21]。车辆通过大规模数据集的训练，能够在复杂环境中自适应地做出决策。端到端方法的优势在于其灵活性，尤其适用于非结构化场景。然而，这种技术的黑盒特性和对大量数据的依赖也带来了信息安全挑战。首先，深度学习模型对输入数据的敏感性使其容易受到对抗样本攻击（Adversarial Attacks），攻击者可以通过微小的扰动误导模型输出错误的驾驶决策。其次，海量训练数据的采集和存储可能产生用户隐私泄露的风险，数据传输和存储的安全性需要高度重视。此外，模型本身的完整性必须得到保护，防止被恶意篡改或植入后门。
总之，基于规则的自动驾驶适合简单场景，端到端技术则用于应对复杂环境。自动驾驶技术未来的发展趋势是混合使用两种技术，结合规则与端到端模型，以平衡安全性、灵活性和应对复杂场景的能力。然而，无论哪种路径，信息安全始终是自动驾驶发展的重要基石。在混合技术框架中，应通过多层次的安全防护机制（如数据加密、模型验证和实时威胁检测）来保障自动驾驶系统的安全性和可靠性。

1.3 车载有线通信技术

随着汽车智能化和信息化的深入发展，智能网联汽车的电子系统日益复杂，数据量显著增加，对高效、稳定的数据传输提出了更高的要求[22]。车载有线通信技术在此背景下迅速发展，主要涵盖控制器局域网（Controller Area Network，CAN）总线协议、车载以太网、FlexRay总线协议和局域互联网（Local Interconnect Network，LIN）总线协议。这些技术满足不同系统对数据传输速度、实时性和可靠性的需求，成为现代智能网联汽车通信网络的重要基础。然而，在智能网联汽车通信网络逐步完善的过程中，信息安全问题也逐渐成为关键挑战。
（1）CAN总线协议
CAN总线因其低成本、高可靠性和实时性，成为车载通信的核心技术之一，广泛应用于动力控制、车身控制等系统[23]，图5展示了CAN总线的帧格式[24]。然而，CAN总线协议设计之初并未考虑信息安全问题，其广播式通信机制使得总线上的所有节点都能接收消息，这种开放的架构容易成为攻击的目标。例如，攻击者通过物理接入总线或远程入侵漏洞，可以向总线注入伪造数据包，导致系统误操作，如发动机停止或刹车失灵。
图 5 CAN总线帧格式

Fig.5 CAN bus frame format

（2）车载以太网
车载以太网因其高数据传输速率和灵活性，成为满足高级驾驶辅助系统（Advanced Driving Assistance System，ADAS）和自动驾驶数据传输需求的关键技术，图6展示了车载以太网帧的格式[25]。然而，车载以太网的开放性和复杂性使其面临更多的信息安全威胁。例如，攻击者可以通过MITM攻击窃取或篡改以太网数据帧，影响关键系统的正常运行。此外，针对以太网协议栈的攻击，如地址转换协议（Address Resolution Protocol，ARP）欺骗、拒绝服务（Denial-of-Service，DoS）攻击，也会威胁到车载网络的稳定性。
图 6 车载以太网帧格式

Fig.6 Automotive Ethernet frame format

（3）FlexRay总线协议
FlexRay以其高带宽和对实时性的支持，主要用于对安全性和可靠性要求较高的场景（如底盘控制系统）。图7展示了FlexRay总线的帧格式[26]。虽然FlexRay在设计中考虑了部分冗余机制，以提升系统的容错能力，但其仍可能受到数据篡改和重放攻击的威胁。例如，攻击者可以通过捕获并重放FlexRay消息来扰乱系统操作。
图 7 FlexRay总线帧格式

Fig.7 FlexRay bus data frame format

（4）LIN总线协议
LIN协议是一种低成本、低速率的车载通信协议，通常用于车身电子设备（如车窗控制、座椅调节），其帧格式如图8所示[27]。由于LIN协议的简单性，其安全性较弱，容易受到恶意注入和总线劫持攻击[28]。
图 8 LIN总线帧格式

Fig.8 LIN bus frame format

总体来看，车载有线通信技术通过不同协议的结合，为智能网联汽车提供了灵活高效的数据传输支持。CAN总线、车载以太网、FlexRay和LIN总线各有其特定的应用场景，满足了从高带宽到低速、低成本通信的多样化需求，表1总结了这些通信技术的特点。然而，随着汽车电气化、智能化和自动驾驶技术的发展，车载网络的开放性和复杂性也使其成为潜在的攻击目标[29]。
表 1 智能网联汽车车载有线通信技术对比

Table 1 Comparison of on-board wired communication technologies for intelligent connected vehicles

技术类别 CAN总线 车载以太网 FlexRay总线 LIN总线
特点 高实时性，支持多主通信，容错能力强 高带宽，低时延，支持媒体和大数据传输 双通道容错，高确定性，支持时间和事件触发 低成本、低速，单线通信，主从架构
数据传输速率 1 Mb/s 100 Mb/s及以上 10 Mb/s 20 kb/s
拓扑结构 总线型 星型、混合型 星型、总线型 总线型
实时性 高 高 高，确定性强 低
复杂度 低 高，需复杂的网络配置 中等，需同步机制 非常低，简单易用
扩展性 灵活，易于扩展，
但速度有限		 高，适用于未来扩展和大数据处理 中，适合安全关键系统 低，主要适用于简单的控制功能
应用场景 汽车控制系统 自动驾驶、娱乐系统、ADAS 汽车电子控制系统 车身电子控制（如窗、镜）

1.4 车载无线通信技术

智能网联汽车的发展依赖先进的车载无线通信技术，这是实现车辆智能化和网联化的关键。这些技术通过无线通信系统（如长期演进技术-车辆通信（Long Term Evolution-Vehicle to Everything，LTE-V）、专用短程通信（Dedicated Short Range Communication，DSRC）、蓝牙和5G网络等）完成信息交换，确保车辆能够高效完成信息交流，支持智能交通系统和自动驾驶功能。然而，在车载无线通信技术带来高效互联的同时，信息安全也成为亟须解决的核心问题。表2总结并对比了这些通信技术在通信范围、通信模式、通信效率、应用场景、抗干扰能力、同步能力等方面的特点，展示了它们在不同应用场景中的独特优势和局限性。
表 2 智能网联汽车车载无线通信技术对比

Table 2 Comparison of on-board wireless communication technologies for intelligent connected vehicles

特点 DSRC LTE-V 蓝牙 5G 星闪
通信范围 短距离 中长距离 短距离 长距离 短距离
通信模式 V2V、V2I 多模式，支持V2V、V2I、V2P、V2N 点对点、点对多点 车辆与云端、大规模连接 点对点、高并发
通信效率 高效，低时延 动态信息服务，低时延 快速通信，适用于简单任务 高速率，极低时延 低时延、高可靠
应用场景 自动驾驶、车与基础设施交互 车载安全、智能化
信息服务		 车载音响、导航、虚拟钥匙等 智能驾驶辅助、车与云端数据交互 智能网联汽车无线
短距通信
抗干扰能力 中等 高 中等 强 极高
同步能力 较弱 较强 快跳频支持 较强 精同步
市场潜力 成熟应用，已有大规模部署 正在扩大，适应未来智能交通需求 车载消费级市场广泛 巨大，作为智能交通基础设施 潜力巨大，适合短距智能应用
车联万物（Vehicle to Everything，V2X）通信技术涵盖车对车通信技术（Vehicle to Vehicle，V2V）、车对基础设施通信技术（Vehicle-to-Infrastructure，V2I）、车对行人通信技术(Vehicle to Pedestrian，V2P）以及车对网络通信技术（Vehicle to Network，V2N），构建了数据共享的交互桥梁，为实现智能驾驶提供了基础。然而，V2X通信的开放性和无线传播特性使其容易受到以下多种信息安全威胁。（1）数据篡改攻击：攻击者可能通过伪造或修改通信数据，使车辆获取错误的交通信息，从而导致错误决策。例如，伪造的车速或位置数据可能导致交通事故或交通拥堵。（2）MITM攻击：攻击者可以拦截并篡改车辆和基础设施之间的通信，从而影响通信的完整性和真实性。（3）DoS攻击：通过向通信网络发送大量的垃圾数据包，攻击者可以阻塞车辆的通信信道，导致关键数据无法传递，影响自动驾驶系统的正常运行。（4）隐私泄露：在无线通信过程中，车辆的位置信息、驾驶行为数据等可能被非法追踪和监控，威胁用户隐私[30]。
车载无线通信技术显著提升了智能网联汽车的安全性和运行效率，为自动驾驶和智能交通系统的全面实现奠定了坚实基础。然而，在提升通信性能的同时，信息安全问题必须成为技术发展的核心考量。通过结合不同通信技术的优势，并引入完善的安全防护机制，智能网联汽车能够更准确地感知环境，快速响应动态变化，并与云端及周边设备保持高效的互联互通。随着5G和星闪等新兴技术的逐步推广，未来的智能网联汽车不仅会更加智能化和可靠，还将在信息安全的保障下，为驾驶者和乘客提供更加安全、便捷且无缝衔接的驾驶体验。

1.5 车载软件技术

车载软件是智能网联汽车的核心驱动力，其技术涵盖操作系统、中间件、应用软件以及自动驾驶算法等多个层面。这些技术共同构建了智能网联汽车的功能基础和智能交互体验，推动了汽车从传统机械设备向高度智能化、软件驱动的方向转型。
车载操作系统（如AUTOSAR、QNX、Android Automotive等）是车载软件的基础，负责底层硬件资源的调度与管理，包括处理器、传感器、通信模块和存储设备等。它们通过严格的实时性和高可靠性设计，保障车辆关键功能（如动力系统、制动系统）的安全运行。中间件则作为软件架构的中间层，提供通信、数据共享、任务调度等基础功能。例如，机器人操作系统等中间件支持自动驾驶算法的开发和部署，促进不同模块间的高效协同。应用软件则实现了导航、娱乐、人机交互以及ADAS和自动驾驶决策等功能，为驾驶者和乘客提供丰富的智能化体验。
随着SDV理念的兴起，车载软件的复杂性和重要性逐年提高。车辆的功能定义和升级更多依赖软件，而非传统硬件。这种架构允许通过OTA升级，在车辆出厂后持续优化软件功能和性能。然而，软件生态的开放性和复杂性也带来了严峻的信息安全问题。（1）远程控制与关键功能攻击：攻击者可能利用软件漏洞，通过远程控制通道（如通信模块）入侵车辆系统，从而控制车辆的关键功能（如刹车、转向或加速）。（2）OTA升级的安全风险：OTA升级技术虽然提高了软件更新的便利性，但也为攻击者提供了潜在的攻击入口。如果OTA升级通道未经过严格的安全加固，攻击者可能通过伪造或篡改升级包将恶意代码植入车辆系统，造成系统故障或数据泄露。（3）数据隐私与泄露风险：车载软件需要处理和传输大量的用户数据，包括位置信息、驾驶行为数据、车内语音交互记录等。如果这些数据未经过妥善保护，可能被非法窃取或滥用，导致用户隐私泄露。（4）供应链安全问题：车载软件通常依赖大量第三方组件和开源代码，这些组件可能存在未发现的漏洞或被植入恶意代码，成为攻击的潜在入口。此外，供应链中的不当管理也可能导致未经授权的软件模块进入车辆系统。
车载软件作为智能网联汽车的核心，正推动传统汽车向自动化、网联化和智能化转型。然而，其复杂性和开放性也带来了信息安全挑战。攻击者可能通过漏洞利用、数据窃取或系统破坏，威胁车辆的安全性和用户隐私。因此，确保车载软件的安全性已成为智能网联汽车发展的关键任务。未来，随着安全技术的不断进步，车载软件将在功能性与安全性之间找到更好的平衡，为用户提供更可靠、更安全的驾驶体验。

1.6 车载芯片技术

随着智能网联汽车的发展，车载芯片成为转型的关键。它能处理信息、控制功能，并与外界互动，在自动驾驶、车联网等领域至关重要。车载芯片分为控制器、传感器、通信、功率及AI芯片等，这些芯片不仅支撑了智能网联汽车的核心功能，同时也肩负信息安全保障的重任。
（1）控制器芯片：负责处理汽车的关键控制任务，如发动机管理、变速箱控制等。例如，英飞凌AURIX TC4x系列芯片以多核架构为基础，支持汽车安全完整性等级-D级（Automotive Safety Integration Level-D，ASIL-D）标准，确保安全性和可靠性。然而，控制器芯片作为汽车的关键部件，也面临信息安全威胁。如果控制器芯片的固件被攻击者篡改，那么可能导致发动机或制动系统的异常行为。
（2）传感器芯片：与车辆的感知系统紧密相关，具备高精度和低功耗的特点，能够实时采集车内外环境的数据，包括温度、速度、压力等[31]。例如，博世的微机电系统传感器被广泛应用于车辆的稳定性控制系统。然而，传感器芯片的安全性直接影响车辆的感知能力。如果攻击者利用虚假信号干扰或篡改传感器数据（如虚假速度或位置数据），那么可能导致车辆做出错误决策。
（3）通信芯片：确保车内各个系统之间以及车与外界之间的通信畅通，是实现车联网和V2X的技术基础。例如，高通Snapdragon Auto 5G平台支持5G、Wi-Fi 6、蓝牙等技术，实现了高速低延时数据传输，通过V2X技术实现车与外界的实时通信。然而，通信芯片的开放性容易使其成为网络攻击的目标，如MITM攻击、DoS攻击和数据窃听。
（4）AI芯片：专门用于处理汽车的感知、决策和控制任务，其强大的并行计算能力是自动驾驶的核心。例如，NVIDIA DRIVE Orin车载AI芯片具备超过254 TOPS的算力（1 TOPS代表处理器每秒钟可进行一万亿次（1012）操作），能够实时处理海量数据，支持从L2到L5级别的自动驾驶功能。然而，AI芯片也面临独特的信息安全挑战，如对抗样本攻击。攻击者可能通过微小的输入扰动误导AI模型，使其做出错误的感知或决策，如错误识别交通标志或行人。
功率芯片主要负责电力管理，实现高效的能量传输和转换[32]。例如，英飞凌的HybridPACK™ Drive支持高达750 V的电压平台。尽管功率芯片的主要任务是管理能量，但如果攻击者通过篡改功率芯片的控制信号，也可能导致电力系统不稳定或硬件损坏。
车载芯片是智能网联汽车的核心推动力，通过提升车辆的处理能力、通信能力和安全性，为未来的自动驾驶和智能交通系统奠定了坚实基础。然而，信息安全是车载芯片发展的重要基石。只有在芯片设计中充分考虑安全性，智能网联汽车才能在复杂的网络环境中实现真正的安全、可靠和智能化。通过不断优化信息安全技术，未来的车载芯片将为用户提供更安全、更高效的驾驶体验，同时推动智能交通系统的全面落地。

2 智能网联汽车攻击技术与安全隐私挑战

随着智能网联汽车的飞速发展，针对智能网联汽车网络方面的攻击也日渐增多[33]，其攻击对象包括自动驾驶算法、网络通信技术、软硬件系统、供应链及车路云基础设施[34]。其中，97%以上的智能网联汽车攻击为无接触式攻击，其中70%为远程攻击，即通过网络发起攻击，实现车身控制、行车控制等目的。图9总结了智能网联汽车领域出现频次最高的几种攻击技术，表3总结了针对智能网联汽车攻击的应用场景和安全风险。
图 9 智能网联汽车攻击技术总结

Fig.9 Summary of intelligent connected vehicles attack techniques

2.1 自动驾驶相关攻击技术

自动驾驶技术快速发展，车辆对传感器数据的依赖性显著增强[35]，随之而来的安全威胁也日益突出，自动驾驶安全风险如图10所示。
图 10 自动驾驶安全风险

Fig.10 Safety risks of autonomous driving

下面讨论几种主要攻击技术。
表 3 智能网联汽车安全风险总结

Table 3 Summary of intelligent connected vehicles safety risks

分类 攻击对象 应用场景 攻击风险
自动驾驶 激光雷达 环境建模和地图构建、障碍物检测 欺骗攻击、干扰攻击
超声波雷达 近距离探测、盲点监测 干扰攻击、欺骗攻击
相机 图像识别、高精度视觉导航 视觉欺骗、光学干扰、深度伪造
算法模型 路径规划与决策、车辆控制 对抗攻击、模型篡改、数据中毒
网络通信 蜂窝网络 移动通信、远程监控与诊断 伪造基站、DoS攻击
GPS 导航与定位 GPS欺骗、GPS干扰、MITM攻击
WiFi 车内热点网络、车载娱乐系统 钓鱼攻击、MITM攻击、数据嗅探
蓝牙 车载电话与音频、无钥匙进入、遥控钥匙 数据窃听、信号重放、DoS攻击
NFC 车钥匙与启动、支付与身份验证 中继攻击、重放攻击、数据窃取
超宽带通信（Ultra Wide Band，UWB） 精确定位与车内检测、无钥匙进入 信号欺骗、信号干扰、消息伪造
LF/HF 电子收费系统、车辆识别与防盗 信号欺骗、信号干扰、MITM攻击
CAN 动力系统控制、车身控制、安全系统 数据窃听和篡改、信号重放、恶意消息注入、DoS攻击
lIN 车身电子设备、舒适系统 数据窃听和篡改、信号干扰、恶意消息注入
FlexRay 高级驾驶辅助系统、动力系统、底盘控制 同步机制破坏、数据窃听和篡改、时间触发攻击
车载以太网 信息娱乐系统、ADAS和自动驾驶 数据窃听和篡改、ARP欺骗、MAC共泛、DoS攻击
面向媒体的系统传输（Media Oriented Systems Transport，MOST）总线 车载音频系统、信息娱乐系统整合 数据窃听和篡改、协议漏洞、信号干扰
软硬件
系统		 车APP 导航与地图、娱乐与多媒体 恶意软件植入、权限滥用、数据泄露
车机操作系统 系统管理、用户界面、网络连接 不安全的更新机制、操作系统漏洞
车载固件 硬件控制、传感器数据处理 固件更新攻击、固件后门、签名验证漏洞
车机芯片 信息娱乐系统、人机交互、应用运行 硬件后门、侧信道分析、故障注入攻击
智驾芯片 传感器数据处理、路径规划 模型篡改、侧信道分析、故障注入攻击
通信芯片 车载网络、无线通信、远程升级和诊断 侧信道分析、故障注入攻击
ECU 动力系统控制、安全系统、车身控制 侧信道分析、故障注入攻击
软硬件
供应链		 软件供应链 软件开发、集成与测试、分发与更新 供应链攻击、脆弱第三方组件、代码篡改
硬件供应链 芯片设计、芯片制造、集成与测试 供应链攻击、第三方组件漏洞
车路云 云平台 远程监控与管理、数据存储与分析 数据泄露、身份认证漏洞、配置错误
手机APP 远程控制、车辆状态查询、车队管理、用户交互与服务 恶意软件、用户认证缺陷、权限滥用、未授权API访问
路侧单元 交通信号控制与优化、车路协同 隐私泄露、数据算改与伪造、DoS攻击
（1）传感器攻击：属于欺骗攻击，攻击者通过向激光雷达发送伪造或干扰信号，制造虚假的障碍物或隐藏真实障碍物；或通过发送伪造的GPS信号使车辆定位错误，影响导航和路径规划；或通过发送干扰信号（如噪声信号），使毫米波雷达无法正确感知环境[36]。
（2）数据传输攻击：1）MITM攻击，攻击者拦截和篡改传感器与系统模块之间的通信数据，影响数据的真实性和完整性。2）重放攻击，攻击者重放历史数据包，使系统误以为当前环境与历史数据一致，从而做出错误决策[37]。
（3）智能决策模块攻击：1）决策算法篡改，攻击者修改智能决策模块的算法或输入数据，导致车辆做出错误的驾驶决策。2）对抗样本攻击，生成特定对抗样本（如伪造交通标志或障碍物），欺骗系统的深度学习模型，干扰决策。
（4）执行模块攻击：1）控制信号篡改，攻击者通过篡改执行模块的信号，使车辆无法按照预期操作。2）恶意干预攻击，攻击者通过注入错误的控制指令使车辆偏离路线或失控[38]。
智能网联汽车自动驾驶系统面临多种攻击威胁，包括传感器欺骗、传输数据篡改、算法攻击以及控制信号干扰。通过强化传感器硬件防护、加密通信、异常检测、冗余设计和访问控制等多层次防护手段，可以有效提升系统的安全性和鲁棒性。同时，定期更新系统算法和模型、加强安全审计和漏洞修复，也是构建全方位安全体系的关键。

2.2 智能网联汽车网络通信相关攻击技术

随着智能网联汽车网络的广泛应用，针对其网络通信的攻击手段不断增加[39]，车辆网络通信攻击方式如表4所示。下面讨论智能网联汽车网络通信领域的常见攻击。
表 4 车辆网络通信攻击方式

Table 4 Vehicle network communication attack mode

攻击对象/入口/路径 攻击方式
云平台 身份验证漏洞利用，数据泄露，远程控制，服务拒绝攻击，云平台接口漏洞利用
OTA 恶意软件注入，虚假OTA更新，MITM攻击，OTA漏洞利用
GPS GPS信号干扰，GPS欺骗攻击，GPS定位跟踪
4G/5G 流量拦截与分析，MITM攻击，网络钓鱼攻击，DoS攻击，网络协议漏洞利用
WiFi WiFi恶意接入点，MITM攻击，流量捕获逆向，无线网络干扰，WiFi密码破解
蓝牙 蓝牙连接劫持，蓝牙监听攻击，蓝牙信号干扰，蓝牙钓鱼攻击，蓝牙DoS攻击
LF/HF/NFC 中继攻击，暴力攻击，密钥抓取攻击，阻塞攻击，植入木马攻击，侧信道攻击
UWB 信号干扰攻击，信号中继攻击，信号重播攻击，编码破译攻击
防抱死制动系统 恶意指令注入，远程攻击，物理攻击，
供应链攻击
轮胎压力实时监视系统 信号干扰，虚假警报，数据篡改，远程攻击，物理攻击
CAN 数据干扰，重放攻击，DoS攻击，欺骗攻击，滥用访问权限
LIN 伪造消息攻击，重放攻击，DoS攻击，线路短路攻击
FlexRay 数据干扰，重放攻击，DoS攻击，欺骗攻击，网络嗅探攻击
以太网 网络嗅探攻击，MITM攻击，DoS攻击，VLAN跳跃攻击
物理接口 物理接口入侵，恶意设备连接，漏洞利用，物理接口劫持
ECU 侧信道攻击，物理接触攻击，供应链攻击

2.2.1 车载网络攻击

关于车载网络的攻击，主要介绍以CAN为代表的总线系统和车载以太网。
针对CAN总线的攻击方式有洪水攻击和注入攻击[40]。执行总线洪水攻击时，攻击者尽可能快地传输CAN帧，以吸收总线带宽，导致合法帧延迟，使得合法帧未及时出现，从而导致系统部分故障。在进行注入攻击时，攻击者可以通过物理方式接入车辆的OBD-II接口，向CAN总线发送伪造的命令，从而控制如刹车、加速等关键系统。
针对车载以太网的攻击技术包括数据包嗅探和MITM攻击[41]。数据包嗅探是指在车载以太网中，攻击者可以利用数据包嗅探工具监听网络中的数据流量。MITM攻击则是在车载以太网中，攻击者可能通过劫持网络交换器或中继节点，拦截、篡改或阻止数据通信，实现对车辆控制信息的干预。
有关车载网络的安全防护手段，主要有以下两种：一是部署入侵检测系统，实时监控总线流量，识别并隔离异常节点；二是端口隔离，通过虚拟局域网（Virtual Local Area Network，VLAN）将不同的通信流隔离，防止攻击者监听非授权数据。

2.2.2 无线通信攻击

无线通信潜在的被攻击对象包括Wi-Fi、蓝牙和蜂窝网络等通信技术。
针对Wi-Fi的攻击手段包括中断攻击、邪恶双胞胎（Evil Twin）攻击和密钥重新安装攻击（Key Reinstallation Attack，KRACK）等[42]。中断攻击是指攻击者通过发射高强度的无线信号，覆盖车载Wi-Fi频段，导致合法Wi-Fi信号无法传输。采用动态频率跳变机制，可以避免固定频段的干扰。Evil Twin攻击是指攻击者创建一个与车载Wi-Fi同名的假Wi-Fi热点，诱使车内乘客设备或车辆系统连接到恶意网络。KRACK是当受害者尝试重新连接到网络时，攻击者可以强行让其加入克隆网络。在连接过程中，攻击者可以继续将Wi-Fi 保护访问2（Wi-Fi Protected Access 2，WPA2）握手的第三部分重新发送给受害者的设备。每次用户接受连接请求时，都会解密一小部分数据，攻击者可以聚合这一系列通信来破解加密密钥。
蓝牙攻击的主要方法有劫持攻击和MITM攻击[43]。在实行劫持攻击时，攻击者利用蓝牙协议漏洞强行与车载系统配对，获得对车辆娱乐系统或电话通讯模块的控制权限。MITM攻击则是攻击者通过伪装为可信设备接入车载蓝牙系统，拦截并篡改数据流量，控制车载娱乐系统或获取用户隐私数据。
对蜂窝网络的攻击包括位置跟踪和伪基站攻击[44]。位置跟踪意为攻击者通过蜂窝网络追踪车辆的GPS数据或基站位置信息，跟踪车辆的实时位置。伪基站攻击是攻击者通过伪造基站拦截或篡改车载模块的蜂窝通信信号，获取车辆发送的敏感数据，甚至控制车辆的远程通信功能。

2.3 智能网联汽车软硬件系统相关攻击技术

智能网联汽车的功能绝大多数依赖软硬件系统实现，与传统汽车相比，智能网联汽车软硬件系统均复杂许多，这也决定了其易受攻击的特点，保障软硬件系统的安全对整车功能的实现至关重要[45]。

2.3.1 智能网联汽车软件相关攻击技术

随着智能网联汽车的快速发展，其软件系统的复杂性和开放性不断提高。然而，这种复杂的软件生态也使智能网联汽车面临多种网络攻击的威胁。这些攻击可能针对智能网联汽车的软件系统进行入侵、篡改或破坏，从而危及用户隐私、车辆的安全性甚至驾驶者的生命安全，以下是常见的攻击技术。
（1）远程代码执行（Remote Code Execution，RCE）攻击：RCE攻击是攻击者通过漏洞利用车辆软件的输入验证缺陷（如缓冲区溢出、结构化查询语言注入或格式化字符串漏洞），在目标车辆系统上执行任意代码。攻击者可以通过车载娱乐系统、通信模块或OTA升级渠道植入恶意代码，从而控制车辆的关键功能。（2）MITM攻击：在MITM攻击中，攻击者通过劫持车辆与外部设备（如云服务器、基础设施或其他车辆）之间的通信，窃取、篡改或重放数据包，其流程如图11所示[46]。例如，攻击者可通过超文本传输协议（Hypertext Transfer Protocol，HTTP）中间人代理替换安卓应用程序包，向车辆安装非法软件，从而绕过防护机制。攻击者可以通过此方式启用车辆的安卓调试桥（Android Debug Bridge，ADB）功能并获取根权限。这种攻击不仅能够实现远程监控、非法访问文件系统、侵犯用户隐私，还可能通过注入恶意程序干扰车辆的正常运行。
图 11 HTTP中继攻击流程

Fig.11 HTTP Relay Attack Process

为了保证智能网联汽车的软件安全，可以采取以下措施。（1）静态与动态分析：综合运用静态代码分析工具与动态运行分析工具，全面检测潜在漏洞并及时进行修复；（2）加密通信：所有车载通信使用强加密算法（如传输层安全性协议），防止MITM攻击或数据包篡改；（3）多因素验证：在OTA升级过程中，确保车辆与云端服务器之间的身份认证使用多因素验证机制，如数字证书和对称密钥。

2.3.2 智能网联汽车硬件相关攻击技术

车载芯片是智能网联汽车硬件系统的核心组成部分，其复杂性为攻击者提供了潜在的攻击面[47]。以下讨论针对车载芯片的攻击方式。
故障注入攻击通过人为干预芯片的工作状态，诱发芯片产生错误输出，以此获取敏感信息或绕过安全机制[48]。攻击者可以通过电压、时钟、激光等方式，故意在芯片的运行过程中制造干扰。
侧信道分析是一类通过分析芯片在执行任务时泄露的物理信号（如电磁辐射、功耗、时间延迟等）来获取内部信息的攻击技术[49]。攻击者通过监测车载芯片的功耗波动或电磁信号，可以推测出芯片内部正在处理的数据。
车载芯片通常包含测试和调试接口（如联合测试工作组、通用异步收发器等），用于在开发和生产阶段进行芯片的功能测试和故障排查[50]。攻击者可以利用这些接口直接访问芯片的内部资源，进行调试或篡改。通过这些接口，攻击者能够读取内存内容、修改控制数据，甚至植入恶意代码。
针对不同攻击方式的防护手段和建议如下。（1）攻击检测电路：通过设计专用的检测电路，实时地对车载芯片的时钟、电压等信号进行监测[51]。当攻击者篡改芯片信号时及时发出警报并做出响应，如芯片复位等；（2）数据掩码技术：对敏感数据进行掩码处理（如随机化或分段存储），使攻击者无法直接推测出数据的原始值；（3）基于硬件的访问控制：在调试接口增加访问权限验证机制（如硬件信任根或安全芯片），只有通过认证的设备才能启用调试功能。

2.4 智能网联汽车软硬件供应链安全

智能网联汽车软硬件供应链安全的重要性日益凸显，现如今，软件定义汽车的趋势已日渐明朗[52]，而汽车要实现其基本功能又离不开硬件的保障。其软硬件供应链的安全性关系到整个车辆系统的稳定性、安全性和可靠性。

2.4.1 智能网联汽车软件供应链安全

智能网联汽车的软件系统日益复杂，这种复杂性带来了新的安全挑战。
智能网联汽车的软件供应链涉及众多参与者，供应链的任何一个环节都可能成为攻击者的目标，从而威胁整个车辆系统的安全性[53]。开源软件在智能网联汽车中的广泛应用带来了源代码安全隐患，其中可能包含未被发现的漏洞或被植入恶意代码。
第三方软件组件的集成增加了供应链的复杂性和不确定性。由于供应商的安全标准不统一，某些组件可能缺乏严格的安全测试和验证。

2.4.2 智能网联汽车硬件供应链安全

智能网联汽车硬件供应链的安全风险主要集中在两方面：外部恶意攻击和内部供应链环节的不透明[54]。
智能网联汽车的核心硬件通常由全球供应商提供。某些不法分子可能在供应链的某一环节植入硬件后门或恶意芯片。这些后门可以在车辆运行时被远程激活，导致车辆和用户的敏感数据泄漏，甚至车辆的功能失效或被远程控制。
智能网联汽车硬件供应链涉及众多供应商，涵盖芯片、传感器、通信模块、电池管理系统等关键部件。供应链的任何一个环节出现问题，都会影响整个系统的安全性。
假冒和低质量的硬件也是智能网联汽车硬件供应链中常见的安全问题。假冒芯片或低质量传感器等硬件部件可能在车辆运行过程中出现故障，导致车辆的关键功能失效，从而引发严重的安全事故。此外，假冒产品可能含有未经授权的代码或恶意功能，能够通过硬件漏洞进行攻击或数据窃取。
可以采取多种安全措施保证软硬件供应链的安全，如表5所示。
表 5 软硬件供应链安全措施总结

Table 5 Summary of hardware and software supply chain security measures

安全措施 主要功能 具体实现方法
供应链风险管理 识别和管理供应链中的安全风险，制定和实施安全策略 风险评估、安全策略制定、持续监控
供应商审核 确保软硬件供应商具备可靠的安全保障能力和合规的生产流程 供应商安全能力评估、安全协议和合同、定期审计
软件供应链安全 确保供应商提供的软件没有恶意代码和安全漏洞 代码审查和签名、开源软件管理、安全更新机制
硬件供应链安全 确保供应商提供的硬件没有被篡改或植入恶意部件 硬件验证和检测、可信硬件模块、防篡改设计

3 智能网联汽车安全防护与测试验证

随着智能网联汽车的发展，保障其安全性和可靠性变得至关重要。汽车安全测试与评估是确保交通安全和促进汽车产业发展的关键手段，涵盖智能网联汽车的多层次测试业务、平台系统和基础设施。通过虚拟仿真和自动驾驶测试等方法构建全面的测试生态，并与高校和企业合作，确保安全性和功能完整性。同时，面对安全挑战，智能网联汽车需要在网络安全、功能安全和隐私保护等方面建立多层次防御机制，并利用人工智能和区块链技术提升安全性能，确保在复杂环境中的可靠运行[55-57]。

3.1 安全测试与评估

汽车安全测试与评估是确保交通秩序、保护车辆安全、促进汽车产业发展的重要手段，对于汽车制造商、交通参与者和整个交通系统的安全性都具有重要意义[58-59]。图12展现了智能网联汽车测试方案的整体规划，全面展示了智能网联汽车相关测试生态的全景图，涵盖测试业务、平台系统、基础设施、相关机构与测试方法等多个层次。以下是相关介绍。
图 12 智能网联汽车测试方案整体规划

Fig.12 Comprehensive planning for intelligent connected vehicle testing solutions

测试业务包括（1）网联测试：分为DAY 1标准和DAY 2标准的测试场景，以及其他特定测试场景；（2）虚拟仿真测试：有软件在环仿真、硬件在环仿真、网联在环仿真、车辆在环仿真等，模拟多种复杂测试环境；（3）自动驾驶测试：涵盖预期功能安全测试、数据对抗安全测试、感知决策模块抗干扰测试，全面覆盖自动驾驶系统的功能验证。
平台系统主要包括（1）一致性认证系统：确保测试和验证过程的标准化和统一性；（2）V2X测试管理平台：支持车联网通信协议及功能的测试和管理；（3）全场地试验服务管理平台：涵盖测试场地的调度与管理，支持多种场地测试需求，并协调测试资源。（4）虚拟仿真平台：用于构建虚拟的测试环境，提升测试效率；（5）自动驾驶测试管理平台：为自动驾驶功能的测试提供集中化管理；（6）大规模测试后台管理系统：用于整合管理大规模的测试数据和流程；（7）电动车辆大数据融合与挖掘系统：实现对电动车辆相关数据的采集与分析；（8）车辆数字孪生系统：通过数字化技术对车辆进行虚拟建模和测试。
基础设施包括路端基础设施、车端基础设施和云端基础设施。具体来说，路端基础设施有（1）5G通信基站：支持车联网高速通信；（2）蜂窝车联网（Cellular Vehicle-to-Everything，C-V2X）基站：用于车路协同通信；（3）网联化交通标志标识：配备联网功能的交通标志与标识，可实时更新和传递交通信息，为车辆提供动态路况和指引；（4）同步路侧感知设备：设置在道路两侧的感知设备（如摄像头、雷达等），用于实时采集道路交通环境信息，与车辆共享感知数据；（5）边缘计算系统：部署在路端的计算节点，负责对感知设备采集的数据进行快速处理和分析，减少数据传输延迟，为车辆提供实时决策支持。车端基础设施有（1）摄像头、毫米波雷达、激光雷达：用于环境感知；（2）车载单元、5G模块：提供网络通信和数据交互；（3）数据处理与计算模块：用于处理感知、规划和决策任务；（4）车辆数字身份证书载体：用于数据安全和认证，等等。云端基础设施有（1）汽车安全运营中心：为测试提供安全管理服务；（2）边缘云、区域云及远程测试平台：提供云计算支持。
相关机构包括（1）高校（如清华大学等）、企业（如百度Apollo、NVIDIA、Waymo、Motional等）等组织，共同推进自动驾驶安全技术的研究和测试；（2）国内外通信领域权威机构（如中汽研等），提供协议层安全支持；（3）专业安全公司（如Riscure、NewAE等），负责硬件层的安全测试；（4）领先的软件安全公司（如Checkmarx、WhiteHat Security、VERACODE等），提供安全审计和漏洞检测服务。
该测试方案通过构建完整的基础设施、管理平台和测试方法，与多方机构（高校、企业及安全公司）协作，为智能网联汽车的安全性、可靠性和功能完整性提供全方位保障，推动智能网联汽车产业的快速发展。

3.2 安全防御与增强

智能网联汽车安全防御与增强需要软硬件结合，通过多层次的技术手段构建全面的安全保障体系。
可信执行环境在智能网联汽车安全架构中扮演重要角色。通过可信执行环境，车载系统可以提供隔离的运行环境，保护敏感数据和关键任务的执行。配合Secure Boot技术，能够确保智能网联汽车的固件和软件在启动时未被篡改，同时通过硬件模块（如ARM TrustZone）实现对加密密钥、身份认证等核心功能的保护[60]。
IDS/IPS是实时监测和应对威胁的核心技术。基于行为异常的检测方法，利用机器学习技术识别车辆通信中的异常模式，而基于规则的检测则针对已知攻击模式（如DoS攻击或数据篡改）设置防护机制[61]。这一技术能够快速发现潜在威胁，通过实时日志分析与主动防御，在攻击发生时自动隔离被感染模块，阻止威胁扩散。
硬件安全模块（Hardware Security Module，HSM）是提供高强度安全保障的硬件基础。将HSM集成到车载芯片中，可以有效保护加密密钥、数字证书和安全算法的安全性，特别是在OTA更新中，HSM能够确保软件更新的完整性和真实性，防止固件被恶意篡改。此外，安全隔离与分区技术通过逻辑分区和虚拟化的方式，将关键功能与次要功能隔离，避免攻击从娱乐系统扩散到核心系统。例如，CAN总线的安全网关能够限制恶意消息在车内网络中的传播，进一步提高系统的安全性[62]。
动态安全更新与补丁管理也是实现智能网联汽车安全的重要环节。通过OTA技术实现在线更新，可以及时修复系统漏洞，同时保障更新过程的完整性和可靠性。增量更新技术的使用能显著减少带宽占用和更新延迟，而回滚机制则提供了更新失败时的应急处理能力，避免系统因更新问题而产生严重后果。
最后，车载人工智能技术为智能网联汽车的安全防御提供了新的可能。通过AI驱动的威胁情报分析系统，车辆能够动态预测潜在的攻击模式，并通过实时分析驾驶行为和通信流量检测异常情况。AI技术还支持自适应安全策略，根据威胁级别动态调整防护措施，从而实现更智能化的安全防御体系[63]。
通过以上手段，能够在数据安全、控制安全、通信安全和隐私保护等方面构建起完整的安全框架，为智能网联汽车的安全发展提供强有力的保障。

4 智能网联汽车安全现状总结与未来展望

智能网联汽车的发展带来了巨大的技术进步和市场机遇，但也伴随着日益严峻的安全挑战。随着全球对智能网联汽车的政策支持和行业推动，智能网联汽车在网络安全、数据保护和系统防护等方面的需求不断提升。面对复杂多变的安全威胁，必须从技术防护、法规标准和产业协同等多方面着手，构建全方位的安全保障体系[64-65]。

4.1 现状总结

随着智能网联汽车的快速发展，其复杂的E/E架构和多样化的联网接口极大地扩大了潜在的攻击面。现代汽车已经不再是单纯的机械交通工具，而是高度集成了计算机技术和网络通信的智能终端。这种技术进步在提供便捷体验的同时，也带来了严峻的安全挑战。黑客不仅可以通过传统的物理接触方式对车辆进行攻击，还能利用远程漏洞实施非接触式操控。例如，通过云端服务、移动应用程序、无钥匙进入系统、Wi-Fi、蓝牙连接，甚至是OTA途径发起攻击，从而实现对车辆的非法控制。这些攻击手段的隐蔽性和高效性使得智能网联汽车面临的安全威胁前所未有地复杂化[66]。
与此同时，智能网联汽车在运行过程中会实时采集和处理大量的个人数据以及行车数据，包括车主身份信息、车辆位置信息、驾驶行为习惯、车内语音交互记录等。这些数据一旦被泄露或滥用，不仅会严重侵犯用户的隐私权，还可能引发一系列连锁反应，如经济损失、身份盗用，甚至威胁到人身安全。特别是在涉及对车主身份识别、实时位置追踪以及其他敏感信息的处理时，数据保护的重要性不言而喻。如果没有健全的隐私保护机制，这些数据可能会成为黑市交易的目标，或者被不法分子用来实施精准诈骗和跟踪[67]。
智能网联汽车产业的复杂性决定了其安全问题具有多层次、多维度的特点。这一产业链横跨多个行业和技术领域，从整车制造到零部件供应，再到软件开发和云服务，每一个环节都可能存在潜在的安全隐患。例如，第三方供应商提供的硬件组件或软件系统中可能隐藏着未被发现的后门或漏洞，这些问题一旦被利用，可能对整车系统造成致命威胁。由于供应链的多样性和复杂性，厂商往往难以对每一个供应商的产品进行全面的安全验证，这无形中增加了整车系统的脆弱性和被攻击的风险[68]。
目前，行业内正在积极探索和开发多种防护策略，以应对智能网联汽车日益严峻的安全威胁。例如，加密通信技术能够有效防止数据在传输过程中被窃取或篡改；入侵检测系统可以实时监测车辆内部网络的异常行为；Secure Boot流程则通过验证系统的完整性来阻止恶意代码的运行。然而，尽管这些技术手段在理论上能够显著提升车辆的安全性，但在实际应用中仍面临诸多挑战。一方面，许多代工厂商尚未建立完善的纵深防御体系，导致防护措施在覆盖范围和深度上存在不足；另一方面，面对层出不穷的新型攻击手段，现有的防护技术往往显得滞后，难以快速有效地应对。尤其是在资源有限、成本压力大的情况下，一些厂商可能会对安全防护投入不足，使得漏洞修复和系统加固的进程延缓[69]。
综上所述，智能网联汽车的安全问题不仅是技术层面的挑战，更是产业链和生态系统的综合考验。要实现真正意义上的智能网联汽车安全，不仅需要技术层面的创新，还需要行业标准的统一、跨领域的协作以及强有力的政策支持。只有通过全方位的努力，才能够在智能网联汽车的快速发展中构筑起坚实的安全屏障，为用户提供更加安全可靠的出行体验[70]。

4.2 发展建议、未来研究方向

智能网联汽车的安全性涵盖硬件、数据保护和法规遵从，已成为推动智能网联汽车发展的关键问题。伴随国内智能网联汽车市场的迅速增长，我国在网络安全技术和标准化方面不断取得突破，有力推动了行业的技术升级和转型。然而，智能网联汽车面临的安全威胁也在持续演变，从网络攻击、数据泄露到供应链风险，每一环节都可能带来隐患。未来的研究方向应着眼于多维度、多层次的综合防护体系，以保障智能网联汽车的安全性[71]。
（1）构建全面高效的网络安全体系：构建以“检测−保护−响应−恢复”为体系的全生命周期智能网联汽车信息安全体系，并针对不同安全等级制定响应机制和恢复策略。同时，要完善安全管理联动机制，提升网络安全防护能力，加强数据安全监督管理[72]。
（2）强化供应链管理：针对智能网联汽车复杂的供应链结构，必须强化供应链的安全管理。制造商须严格筛选供应商，确保所有组件和服务符合最高级别的安全标准。同时，建立透明的信息共享平台，促进上下游企业之间的沟通合作，共同防范潜在威胁[73]。
（3）推进技术创新与应用：推动隐私计算、同态加密、联邦学习等先进技术的应用，探索大模型联合训练的新思路，为车联网数据流通过程中的隐私保护提供解决方案。同时，利用区块链、数字水印等技术保障数据不可篡改、可溯源，从而增强系统的整体安全性[74]。
（4）深化车路协同技术：研究和发展更加高效可靠的V2X通信协议，实现V2V、V2I、V2P和V2N之间的无缝交互。这不仅有助于提高交通效率，减少事故发生率，还能为自动驾驶技术的发展奠定坚实的基础[75]。
（5）优化车内操作系统及中间件：着重开发稳定、高性能且易于维护的车内操作系统，并配套相应的中间件，以便更好地支持多样化的应用程序和服务。考虑到Linux和Android几乎覆盖了全车所有关键零部件的操作系统，针对这两种操作系统进行优化将是重中之重[76]。
（6）虚拟化环境下的安全测试：创建基于虚拟化的汽车研究环境，在大大降低研究成本的同时，模拟真实的攻击场景，测试各种安全措施的有效性。虚拟汽车系统能够在不依赖大量硬件的情况下完成复杂的E/E架构仿真[77]。
（7）法律法规与伦理考量：在加速技术研发的同时，也要重视相关法律法规的建设和伦理问题的探讨。随着智能网联汽车逐渐成为日常生活的一部分，关于责任归属、事故处理等方面的规定亟待明确。此外，还需要考虑自动驾驶可能带来的社会影响，如就业结构调整等问题。
智能网联汽车的安全与发展是一项复杂而又紧迫的任务，它既需要政府、企业和科研机构的共同努力，也需要社会各界的关注和支持。只有这样，才能真正实现智能网联汽车的安全可靠运行，让这项革命性的科技成果惠及更多人群[78]。

5 结束语

智能网联汽车凭借其高度互联和智能化特点正重塑现代交通体系，但也面临日益复杂的网络安全挑战。本文系统分析了智能网联汽车在网络通信、数据隐私和软硬件系统等方面的安全风险，梳理了现有防护技术和法规现状，揭示了网络攻击、数据泄露和供应链风险等威胁带来的安全隐患。同时，本文指出了当前在防护深度、智能化攻击应对和全球统一标准上的不足，特别是各国法规差异对智能网联汽车推广的影响。未来，构建综合的多层次安全防御体系将是提升智能网联汽车安全性的关键，包括智能化入侵检测、高效数据加密以及软硬件一体化的防护手段，并进一步加强云端防护，以应对智能网联汽车与云端交互带来的新风险。随着国际协作和技术创新的推进，智能网联汽车的安全性有望全面提升，为智能交通系统的稳步发展奠定基础。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
TRAUB M, MAIER A, BARBEHÖN K L. Future automotive architecture and the impact of IT trends[J]. IEEE Software, 2017, 34 (3): 27- 32.

DOI

2
CONTRERAS-CASTILLO J, ZEADALLY S, GUERRERO-IBAÑEZ J A. Internet of vehicles: architecture, protocols, and security[J]. IEEE Internet of Things Journal, 2017, 5 (5): 3701- 3709.

3
DONG J, XU Q, WANG J, et al. Mixed cloud control testbed: validating vehicle-road-cloud integration via mixed digital twin[J]. IEEE Transactions on Intelligent Vehicles, 2023, 8 (4): 2723- 2736.

DOI

4
苏娜, 杨鲁月, 孙艳妮, 等. 智能网联汽车市场前景分析[J]. 专用汽车, 2024, (5): 13- 15.

SU N, YANG L Y, SUN Y N, et al. Analysis of the market prospects for intelligent connected vehicles[J]. Special Purpose Vehicle, 2024, (5): 13- 15.

5
张毅,姚丹亚,李力,等. 智能车路协同系统关键技术与应用[J]. 交通运输系统工程与信息,2021,21(5):40-51.

ZHANG Y ,YAO D Y ,LI L,et al. Technologies and applications for intelligent vehicle-infrastructure cooperation systems[J]. Journal of Transportation Systems Engineering and Information Technology,2021,21(5):40-51.

6
刘洋,占佳豪,李深,等. 自动驾驶技术的未来:单车智能和智能车路协同[J]. 汽车安全与节能学报,2024,15(5):611-633.

LIU Y,ZHAN J H,LI S,et al. The future of autonomous driving technology:intelligent vehicles and intelligent vehicle-road collaboration[J]. Journal of Automotive Safety and Energy Conservation,2024,15(5):611-633.

7
YURTSEVER E, LAMBERT J, CARBALLO A, et al. A survey of autonomous driving: common practices and emerging technologies[J]. IEEE Access, 2020, 8, 58443- 58469.

DOI

8
张弘, 武亚恒, 刘沛文, 等. 汽车智能座舱发展现状和趋势[J]. 汽车实用技术, 2024, 49 (18): 166- 169.

ZHANG H, WU Y H, LIU P W, et al. The development status and trend of automotive intelligent cockpit[J]. Automobile Applied Technology, 2024, 49 (18): 166- 169.

9
赵向丽. 智能网联汽车信息安全问题及其防范策略[J]. 汽车维修技师, 2024, (14): 13- 14.

DOI

ZHAO X L. Information security issues of intelligent connected vehicles and their prevention strategies[J]. Automotive Maintenance Technician, 2024, (14): 13- 14.

DOI

10
HUSAIN I, OZPINECI B, ISLAM M S, et al. Electric drive technology trends, challenges, and opportunities for future electric vehicles[J]. Proceedings of the IEEE, 2021, 109 (6): 1039- 1059.

DOI

11
国家市场监督管理总局,中国国家标准化管理委员会. GB 44495—2024 汽车整车信息安全技术要求[S]. 北京:中国标准出版社,2024.

State Administration for Market Regulation,Standardization Administration of China. GB 44495—2024 Technical requirements for vehicle cybersecurity[S]. Beijing:Standards Press of China,2024.

12
国家市场监督管理总局,中国国家标准化管理委员会. GB 44496—2024 汽车软件升级通用技术要求[S]. 北京:中国标准出版社,2024.

State Administration for Market Regulation,Standardization Administration of China. GB 44496—2024 General technical requirements for software updates of vehicles[S]. Beijing:Standards Press of China,2024.

13
国家市场监督管理总局,中国国家标准化管理委员会. GB 44497—2024 智能网联汽车 自动驾驶数据记录系统[S]. 北京:中国标准出版社,2024.

State Administration for Market Regulation,Standardization Administration of China. GB 44497—2024 Intelligent and connected vehicle—Data storage system for automated driving[S]. Beijing:Standards Press of China,2024.

14
国际标准化组织,美国汽车工程师学会. ISO/SAE 21434:2021 道路车辆 网络安全工程[S]. 日内瓦:国际标准化组织,2021.

International Organization for Standardization,Society of Automotive Engineers. ISO/SAE 21434:2021 Road vehicles—Cybersecurity engineering[S]. Geneva:International Organization for Standardization,2021.

15
联合国欧洲经济委员会. UNECE R155车辆网络安全和网络安全管理系统[S]. 日内瓦:联合国欧洲经济委员会,2021.

United Nations Economic Commission for Europe. UNECE R155 Cybersecurity and Cybersecurity Management System[S]. Geneva:United Nations Economic Commission for Europe,2021.

16
联合国欧洲经济委员会. UNECE R156软件更新和软件更新管理系统[S]. 日内瓦:联合国欧洲经济委员会,2021.

United Nations Economic Commission for Europe. UNECE R156 Software Update and Software Update Management System[S]. Geneva:United Nations Economic Commission for Europe,2021.

17
SHEN M, GAO Q. A review on battery management system from the modeling efforts to its multiapplication and integration[J]. International Journal of Energy Research, 2019, 43 (10): 5042- 5075.

DOI

18
《中国公路学报》编辑部. 中国汽车工程学术研究综述: 2017[J]. 中国公路学报, 2017, 30 (6): 1- 197.

Editorial Department of China Journal of Highway and Transport. Review on China’s automotive engineering research progress: 2017[J]. China Journal of Highway and Transport, 2017, 30 (6): 1- 197.

19
LIPU M S H, MAMUN A A, ANSARI S, et al. Battery management, key technologies, methods, issues, and future trends of electric vehicles: a pathway toward achieving sustainable development goals[J]. Batteries, 2022, 8 (9): 119.

DOI

20
BOJARSKI M. End to end learning for self-driving cars[J]. ArXiv preprint ArXiv:, 1604, 07316, 2016.

21
张新钰,高洪波,赵建辉,等. 基于深度学习的自动驾驶技术综述[J]. 清华大学学报(自然科学版),2018,58(4):438-444.

ZHANG X Y,GAO H B,ZHAO J H,et al. Overview of deep learning intelligent driving methods[J]. Journal of Tsinghua University(Science and Technology),2018,58(4):438-444.

22
李春, 聂石启, 司炎鑫, 等. 自动驾驶汽车电子电气架构技术开发[J]. 汽车电器, 2021, (12): 6- 8，12.

LI C, NIE S Q, SI Y X, et al. Development of electronic and electrical architecture technology for auto-driving vehicles[J]. Auto Electric Parts, 2021, (12): 6- 8，12.

23
REINHARDT D,KUCERA M. Domain controlled architecture-a new approach for large scale software integrated automotive systems[C]. Proceedings of the 3rd International Conference on Pervasive Embedded Computing and Communication Systems(PECCS 2013). Science and Technology Publications, Lda.,2013,221-226.

24
国家市场监督管理总局,中国国家标准化管理委员会. GB/T 36048—2018 乘用车CAN总线物理层技术要求[S]. 北京:中国标准出版社,2018.

State Administration for Market Regulation, Standardization Administration of China. GB/T 36048—2018 Passenger cars physical layer technical specification of CAN bus [S]. Beijing:Standards Press of China,2018.

25
国家市场监督管理总局,中国国家标准化管理委员会. GB/T 43258.3—2023 道路车辆 基于因特网协议的诊断通信(DoIP) 第 3 部分:基于 IEEE 802.3 有线车辆接口[S]. 北京:中国标准出版社,2023.

State Administration for Market Regulation,Standardization Administration of China. GB/T 43258.3—2023 Road vehicles—Diagnostic communication over Internet Protocol (DoIP)—Part 3:Wired vehicle interface based on IEEE 802.3[S]. Beijing:Standards Press of China,2023.

26
严旭, 王东文, 陈勇, 等. FlexRay总线在车载交流伺服系统中的应用[J]. 冶金自动化, 2022, 46 (S1): 466- 469.

YAN X, WANG D W, CHEN Y, et al. Application of FlexRay Bus in Vehicle AC Servo System[J]. Metallurgical Industry Automation, 2022, 46 (S1): 466- 469.

27
国际标准化组织. ISO 17987-1:2016 道路车辆—本地互连网络(LIN)—第1部分: 概述和用例定义[S]. Geneva: ISO, 2016.

International Organization for Standardization. ISO 17987-1:2016 Road vehicles — Local Interconnect Network (LIN) — Part 1: General information and use case definition[S]. Geneva: International Organization for Standardization, 2016.

28
刘伦洪,过学迅,付畅. 基于CAN和LIN总线的汽车信息系统研究[J]. 武汉理工大学学报:信息与管理工程版,2008,30(3):5.

LIU L H,GUO X X,FU C. Research on the automotive information system based on CAN-Bus and LIN-Bus[J]. Journal of Wuhan University of Technology:Information and Management Engineering,2008,30(3):5.

29
RUMEZ M, GRIMM D, KRIESTEN R, et al. An overview of automotive service-oriented architectures and implications for security countermeasures[J]. IEEE Access, 2020, 8, 221852- 221870.

DOI

30
LEE Y, WOO S. CAN Signal extinction-based DoS attack on in-vehicle network[J]. Security and Communication Networks, 2022, 2022 (1): 9569703.

31
LIU W, PLACKE T, CHAU K T. Overview of batteries and battery management for electric vehicles[J]. Energy Reports, 2022, 8, 4058- 4084.

DOI

32
MISHRA S,SWAIN S C,SAMANTARAY R K. A review on battery management system and its application in electric vehicle[C]//2021 International Conference on Advances in Computing and Communications (ICACC). IEEE,2021:1-6.

33
吴武飞, 李仁发, 曾刚, 等. 智能网联车网络安全研究综述[J]. 通信学报, 2020, 41 (6): 161- 174.

DOI

WU W F, LI R F, ZENG G, et al. Survey of the intelligent and connected vehicle cybersecurity[J]. Journal on Communications, 2020, 41 (6): 161- 174.

DOI

34
国家智能网联汽车创新中心,中国汽车工程学会. 智能网联汽车“车路云一体化”规模建设与应用参考指南(1.0版)[EB/OL]. (2024-5-20)[2024-10-31]. https://wx.hlcode.cn/?id=NEmeO4h.

National Innovation Center for Intelligent Connected Vehicles,China Society of Automotive Engineers. Reference guide for the large-scale construction and application of “vehicle-road-cloud integration” of intelligent connected vehicles (version 1.0)[EB/OL].(2024-5-20)[2024-10-31]. https://wx.hlcode.cn/?id=NEmeO4h.

35
张翔. 自动驾驶汽车技术的发展趋势[J]. 汽车电器,2015(8):3.

ZHANG X. Development trend of autonomous vehicle technology[J]. Auto Electric Parts,2015(8):3.

36
陈永龙, 谢瑛珂, 梁恒恒, 等. 光跳频激光雷达及其抗干扰性能研究[J]. 激光与光电子学进展, 2022, 59 (13): 1328003.

CHEN Y L, XIE Y K, LIANG H H, et al. Investigation of light frequency-hopping LiDAR and its anti-interference performance[J]. Laser & Optoelectronics Progress, 2022, 59 (13): 1328003.

37
冯志杰,何明,李彬,等. 汽车信息安全攻防关键技术研究进展[J]. 信息安全学报,2017,2(2):1-14.

FENG Z J,HE M,LI B,et al. Research on car information security attack and protection technology[J]. Journal of Cyber Security,2017,2(2):1-14.

38
韩笑,张梦真,吴易,等. 无人驾驶系统中执行器攻击检测算法设计[J]. 复杂系统与复杂性科学,2022,19(3):88-93.

HAN X,ZHANG M Z,WU Y,et al. Actuator attack detection for autonomous vehicles[J]. Complex Systems and Complexity Science,2022,19(3):88-93.

39
李玉峰, 陆肖元, 曹晨红, 等. 智能网联汽车网络安全浅析[J]. 电信科学, 2020, 36 (4): 36- 45.

LI Y F, LU X Y, CAO C H, et al. A survey of cybersecurity for intelligent connected-automated vehicle[J]. Telecommunications Science, 2020, 36 (4): 36- 45.

40
李亚伟. 车载CAN总线攻击防御及测试技术分析[J]. 中国高新科技, 2023, (12): 114- 116.

LI Y W. Analysis of on-board CAN bus attack defense and testing technology[J]. China High and New Technology, 2023, (12): 114- 116.

41
张海涛. 智能网联汽车网络安全关键技术研究与应用[D]. 成都:电子科技大学,2023.

ZHANG H T. Research and application of key technologies for cybersecurity in intelligent connected vehicles[D]. Chengdu:University of Electronic Science and Technology of China,2023.

42
杨波, 钟永超, 杨浩男, 等. 智能网联汽车Wi-Fi隐私泄露风险研究[J]. 西安电子科技大学学报, 2023, 50 (4): 215- 228.

YANG B, ZHONG Y C, YANG H N, et al. Research on the Wi-Fi privacy leakage risk of intelligent connected vehicles[J]. Journal of Xidian University, 2023, 50 (4): 215- 228.

43
丁龙刚. 基于蓝牙技术的汽车电子安全应用研究[J]. 辽宁师专学报: 自然科学版, 2007, 9 (3): 86- 88.

DING L G. Research on automotive electronic security application based on Bluetooth technology[J]. Journal of Liaoning Normal College: Natural Science Edition, 2007, 9 (3): 86- 88.

44
KHAN S K, SHIWAKOTI N, STASINOPOULOS P, et al. Cyber-attacks in the next-generation cars, mitigation techniques, anticipated readiness and future directions[J]. Accident Analysis & Prevention, 2020, 148, 105837.

45
BODEI C,DE VINCENZI M,MATTEUCCI I. From hardware-functional to software-defined vehicles and their security issues[C]//2023 IEEE 21st International Conference on Industrial Informatics (INDIN). IEEE,2023:1-10.

46
GOTHWAL R,DHARMANI G,REEN R S,et al. Evaluation of man-in-the-middle attacks and countermeasures on autonomous vehicles[C]//2023 10th International Conference on Dependable Systems and Their Applications (DSA). IEEE,2023:502-509.

47
ZHAI R, SHAO X, ZHAO R. Research on the information security detection technology about encryption chips in automotive environment[J]. Journal of Electronics and Information Science, 2022, 7 (2): 1- 7.

48
POZZOBON E,WEIß N,MOTTOK J,et al. Fuzzy fault injection attacks against secure automotive bootloaders[M]. Bochum:Ruhr-Universität Bochum,2023.

49
宋晨晨. 基于侧信道分析的硬件木马检测技术[D]. 哈尔滨:哈尔滨工业大学,2016.

SONG C C. Hardware trojan detection technology based on side-channel analysis[D]. Harbin:Harbin Institute of Technology,2016.

50
方玉杰. 智能网联汽车智能座舱交互系统设计与实现[D]. 杭州:杭州电子科技大学,2023.

FANG Y J. Design and implementation of intelligent cockpit interaction system for intelligent connected vehicles[D]. Hangzhou:Hangzhou Dianzi University,2023.

51
CHEN Z, YANG K, REN K. CDS: An Anti-Aging Calibratable Digital Sensor for Detecting Multiple Types of Fault Injection Attacks[C]. Proceedings of the 61st ACM/IEEE Design Automation Conference. 2024: 1-6.

52
杨国梁. “软件定义汽车”时代下的供应链安全[J]. 数字经济, 2022, (11): 4.

YANG G L. Supply chain security in the era of software-defined vehicles[J]. Digital Economy, 2022, (11): 4.

53
王颉, 贺文轩, 杨乐明, 等. 智能汽车行业软件供应链安全风险与治理[J]. 网络安全技术与应用, 2023, (7): 120- 122.

WANG J, HE W X, YANG L M, et al. Software supply chain security risks and governance in the intelligent vehicle industry[J]. Network Security Technology and Application, 2023, (7): 120- 122.

54
罗颖洹, 刘瑰, 李昊明. 汽车零部件供应链质量追溯管理研究[J]. 汽车与驾驶维修, 2024, (1): 80- 82.

LUO Y H, LIU G, LI H M. Research on quality traceability management of automotive parts supply chain[J]. Automotive and Driving Maintenance, 2024, (1): 80- 82.

55
WANG J, ZHANG L, HUANG Y, et al. Safety of autonomous vehicles[J]. Journal of Advanced Transportation, 2020, 2020 (1): 8867757.

56
陈渌萍. 智能网联汽车整车信息安全威胁分析及渗透测试实践[J]. 软件和集成电路, 2021, (10): 36- 37.

CHEN L P. Analysis of information security threats and penetration testing practices for intelligent connected vehicles[J]. Software and Integrated Circuit, 2021, (10): 36- 37.

57
SHETTY A, YU M, KURZHANSKIY A, et al. Safety challenges for autonomous vehicles in the absence of connectivity[J]. Transportation Research Part C: Emerging Technologies, 2021, 128, 103133.

DOI

58
HUANG W L,WANG K,LV Y,et al. Autonomous vehicles testing methods review[C]//2016 IEEE 19th International Conference on Intelligent Transportation Systems (ITSC). IEEE,2016:163-168.

59
KIM K, KIM J S, JEONG S, et al. Cybersecurity for autonomous vehicles: review of attacks and defense[J]. Computers & Security, 2021, 103, 102150.

60
COSTANTINO G,DE VINCENZI M,MATTEUCCI I. A vehicle firmware security vulnerability:an IVI exploitation[J]. Journal of Computer Virology and Hacking Techniques,2024,20:1-16.

61
AHMAD U, SONG H, BILAL A, et al. Securing smart vehicles from relay attacks using machine learning[J]. The Journal of Supercomputing, 2020, 76, 2665- 2682.

DOI

62
FAKHFAKH F, TOUNSI M, MOSBAH M. Cybersecurity attacks on CAN bus based vehicles: a review and open challenges[J]. Library hi tech, 2022, 40 (5): 1179- 1203.

DOI

63
赵祥模国家重点研发计划(2021YFB2501200)团队. 自动驾驶测试与评价技术研究进展[J]. 交通运输工程学报,2023,23(6):10-77.

Zhao Xiang Mo’s Team Supported by Thena-Tional Key Research and Development Program of China(2021YFB2501200). Research progressin testing and evaluation technologies for autonomousdriving[J]. Journal of Traffic and Transportation Engineering,2023,23(6):10-77.

64
龚静, 许凯弈, 韩松. 智能网联汽车标准化工作研究[J]. 世界汽车, 2023, (7): 68- 71.

GONG J, XU K Y, HAN S. Research on the standardization of intelligent connected vehicles[J]. World Automobile, 2023, (7): 68- 71.

65
赵子旺. 智能网联汽车时代需要安全先行[J]. 智能网联汽车, 2024, (5): 32- 34.

ZHAO Z W. The era of intelligent connected vehicles requires safety to come first[J]. Intelligent Connected Vehicles, 2024, (5): 32- 34.

66
马胜强, 冯旭东, 王哲. 智能网联汽车的安全与隐私保护[J]. 汽车维修技师, 2024, (12): 12.

MA S Q, FENG X D, WANG Z. Safety and privacy protection of intelligent connected vehicles[J]. Automotive Maintenance Technician, 2024, (12): 12.

67
LIU J X,GAO B L,ZHONG W,et al. Adaptive optimization strategy and evaluation of vehicle-road collaborative perception algorithm in real-time settings[J]. Computers and Electrical Engineering,2024,120:109785.

68
陈相龙. 院士“把脉”智能网联汽车下一步发展[N]. 人民邮电,2024-11-14(007).

CHEN X L. The next step of the development of intelligent connected vehicles[N]. People’s Posts and Telecommunications,2024-11-14(007).

69
陈贞, 杨强, 李国俊, 等. 2级驾驶自动化系统安全测试与评估方法[J]. 汽车技术, 2024, (11): 22- 30.

CHEN Z, YANG Q, LI G J, et al. Level 2 driving automation system safety testing and evaluation methods[J]. Automobile Technology, 2024, (11): 22- 30.

70
郑光桥. 智能网联汽车通信安全风险与防护措施[J]. 中国新通信, 2024, 26 (19): 19- 21.

DOI

ZHENG G Q. The security risks and protective measures for intelligent connected vehicle communication[J]. China New Communications, 2024, 26 (19): 19- 21.

DOI

71
葛成. 周鸿祎: 智能网联汽车需要体系化安全方案[J]. 智能网联汽车, 2021, (6): 30- 31.

GE C. Zhou Hongyi: Intelligent connected vehicles need systematic security solutions[J]. Intelligent Connected Vehicles, 2021, (6): 30- 31.

72
梁业庆. 智能网联汽车通信系统的实验测试与评估[J]. 汽车维修技师, 2024, (18): 48.

DOI

LIANG Y Q. Experimental test and evaluation of intelligent connected vehicle communication system[J]. Automobile Maintenance Technician, 2024, (18): 48.

DOI

73
王嘉豪, 王梓为, 赵凤林. 智能网联汽车信息安全测试概述[J]. 汽车知识, 2024, 24 (8): 160- 162.

WANG J H, WANG Z W, ZHAO F L. Overview of information security testing for intelligent connected vehicles[J]. Automotive Knowledge, 2024, 24 (8): 160- 162.

74
岑洪婵, 黄志杰, 余嘉旎. 智能网联汽车测试与评价研究[J]. 汽车测试报告, 2023, (10): 47- 49.

CEN H C, HUANG Z J, YU J N. Research on testing and evaluation of intelligent connected vehicles[J]. Automotive Testing Report, 2023, (10): 47- 49.

75
葛欣, 董建阔, 陈滏媛, 等. 智能网联汽车数据安全检测研究现状[J]. 现代交通与冶金材料, 2023, 3 (3): 30- 42.

GE X, DONG J K, CHEN F Y, et al. Research status of data security detection for intelligent connected vehicles[J]. Modern Transportation and Metallurgical Materials, 2023, 3 (3): 30- 42.

76
陈凯, 马宇辰, 杨晓航, 等. 智能网联汽车整车测试技术探讨[J]. 通信世界, 2024, (3): 28- 31.

DOI

CHEN K, MA Y C, YANG X H, et al. Discussion on vehicle testing technology of intelligent connected vehicles[J]. Communications World, 2024, (3): 28- 31.

DOI

77
WANG J, SHAO Y, GE Y, et al. A survey of vehicle to everything (V2X) testing[J]. Sensors, 2019, 19 (2): 334.

78
陈骏生. 智能网联汽车网络安全分析[J]. 机电技术, 2023, (4): 90- 92.

CHEN J S. Analysis of cybersecurity for intelligent connected vehicles[J]. Mechatronics Technology, 2023, (4): 90- 92.

Options
Outlines

/

〈 〉

Website Copyright © Editorial Office of Journal of Cybersecurity.
Tel: 010-89061756/89061778　
E-mail：wlkjaqkxxb@caasse.cn
Powered by Beijing Magtech Co. Ltd,.

京ICP备16032046号-20