聯網車輛功能安全和網絡安全的挑戰與當前解決方案

摘要

在過去的二十年里,數字化重塑了我們的日常生活,汽車行業也身處這一變革之中。如今的車輛正變得日益智能且聯網,具備了更多的安全和便捷功能(如自動緊急制動、自適應巡航控制)。下一代車輛將實現高度自動化乃至 5 級自動駕駛(無人駕駛),這將從根本上改變駕駛的意義。與此同時,所有這些優勢都需要更強大的控制單元以及電子控制單元(ECU)軟件具備更大的靈活性,這不可避免地要求對車輛內部的電子電氣(E/E)架構進行重新設計。

盡管在汽車行業,安全性一直被視為關鍵的工程考量因素,但當車輛開始演變成 “移動的計算機” 時,安全性(這里指網絡安全)也成為了一項重大挑戰。由于車輛一旦出現問題可能會致命,自動駕駛和聯網車輛在功能安全和網絡安全方面需要具備高度的可靠性才能獲得全面認可,這一點比物聯網中的其他設備要求更高。因此,功能安全和網絡安全是未來車輛系統架構中的核心概念。

本文將概述車輛電子電氣架構中有關功能安全和網絡安全的當前挑戰與解決方案。

1、引言

有兩項新興的主要技術將從根本上改變駕駛的意義:自動駕駛和聯網功能。

自動駕駛旨在減少人類操作員的干預,直至達到無需駕駛員、僅有乘客的狀態。已經投入使用的自動駕駛和高級駕駛輔助系統的新功能(如自適應巡航控制、智能泊車輔助、車道預警系統、自動緊急制動等)正在為自動駕駛車輛鋪平道路。這些功能借助聯網能力從基礎設施獲取所需的外部信息。未來,車與萬物(V2X)技術將涵蓋更多近遠程環境元素(如路標、交通信號燈、其他車輛、云端等),以無線方式實現必要的信息交換。更多車輛將利用 V2X 技術來緩解擁堵、避免事故或減少排放。

聯網功能還使原始設備制造商(OEMs)能夠在車輛的整個生命周期內高效地管理軟件。隨著軟件架構的復雜性和應用種類的增加,功能升級、緊急漏洞修復或安全補丁的需求頻率將不斷提高,而通過將車輛召回經銷商門店的方式已無法滿足這種需求。因此,空中下載(OTA)更新技術對于邁向高級自動駕駛的下一步至關重要。

隨著車輛向聯網的 “輪上計算機系統” 轉變,能夠連接互聯網和其他外部網絡,終端用戶的駕駛體驗也將發生改變。乘客已經可以將智能手機或平板電腦等設備連接到車輛,并通過車載信息娛樂系統使用這些設備上運行的應用程序。新的商業模式將會出現,如按使用付費模式,客戶可按需為某些功能付費(如空調、座椅加熱、導航、3D 低音等)。就車輛本身而言,人們也無需擁有車輛,而是可以利用汽車共享模式,并根據當前用途選擇所需的車輛配置。

2、電子電氣架構

當前的電子電氣架構基于可信的功能域控制器,例如用于底盤、車身或動力傳動系統的控制器。為了應對即將到來的電子電氣系統復雜性以及對更強計算能力和快速數據傳輸通道的需求,將出現少量高性能控制器通過車載以太網相互連接。這些中央計算平臺運行在多核處理器上,監控和控制多個智能程度較低但高度專業化的電子控制單元。未來車輛基礎設施的架構預計將是具有多層服務的面向服務的架構。當前眾多的電子控制單元將分為低性能輸入 / 輸出控制器和高性能域控制器,后者是提供更新能力以及功能安全和網絡安全功能的動態系統。

圖1:集中式架構

這對軟件架構產生了影響,因為集中式高性能電子控制單元需要一個整合的平臺,以承載汽車控制和信息娛樂的異構功能。

對此,AUTOSAR 聯盟目前正在開發一個新的軟件平臺 —— 自適應平臺(AP),以補充廣泛使用的經典平臺(CP)。這兩個平臺的結合將保證下一代技術的電子電氣架構在性能以及功能安全和網絡安全方面的要求。例如,自適應平臺的主要功能之一是能夠在電子控制單元上有追溯地且在運行時更新各個功能。

自適應平臺基于 POSIX 操作系統,可在多核處理器或虛擬機監控程序上運行以實現虛擬化。多核控制器提供安全可靠的性能分區隔離,而虛擬化則提供安全可靠的軟件分區隔離(如圖所示)。

圖2:高性能控制器的軟件架構

圖3:AUTOSAR的分布式健康管理

3、功能安全

這些趨勢引發了汽車安全概念的范式轉變。在許多安全相關系統中,檢測到失效時的標準方法是故障靜默,即安全狀態通常是功能的停用。對于自動駕駛和車輛主要功能的電氣化,引入了線控技術,取代了機械或液壓備用系統。這些技術需要失效可操作行為,即在失效后仍能在一定時間內(部分)維持功能,然后在不中斷服務的情況下停用或恢復。為每個線控系統開發故障可運行架構對于提高可靠性和安全性至關重要。由于會導致更高的硬件成本、重量和能耗,航空系統中的多重冗余不能簡單地應用于汽車平臺。一種略有不同的方法是所謂的 2 取 1 診斷(1oo2D)系統架構,它能在電子控制單元之間提供具有可控成本的失效可操作行為。在發生失效時,該功能會動態重新分配到另一個電子控制單元,該電子控制單元暫時繼續執行該功能,直到車輛能夠安全停車。為此,兩個電子控制單元都需要配備強大的診斷能力和額外的監控元素。

4、聯網與網絡安全

隨著數字化和聯網帶來前所未有的可能性和機遇,有關安全問題的新挑戰也隨之出現。隨著車輛的高級功能、電子元件、處理強度和連接點數量的增加,資產數量也在增加,將攻擊面擴展到了新的維度。由于系統漏洞而被入侵的車輛可能會導致運營、隱私、財務或安全損失。

過去,車輛是一個封閉系統,需要(事先)物理訪問車載網絡的威脅并未被納入安全概念。由于無線連接使車輛面臨外部攻擊,汽車行業正面臨未曾考慮過的威脅模型。2010 年,通用汽車的雪佛蘭 Impala 遭到攻擊,花了數年時間才修復漏洞并實施對策。從那以后,許多成功的攻擊表明,與所有連接到互聯網的設備一樣,具有無線連接的車輛也容易受到遠程攻擊。

最終引起所有人關注汽車行業安全性重要性的最著名攻擊是 2015 年對吉普切諾基的攻擊。兩名安全研究人員通過娛樂系統的診斷總線端口遠程訪問吉普,并控制了包括轉向和剎車在內的車輛功能。當某款熱門車型的整個車隊通過 OTA 機制受到影響時,對人身安全不太嚴重的威脅可能會給原始設備制造商帶來財務問題或聲譽損害。

如何避免此類攻擊?首先,必須接受不存在 100% 安全的系統。相反,必須持續檢查系統的漏洞,嘗試像攻擊者一樣思考,了解新的威脅模型,并根據需要調整系統的安全性。后者使得 OTA 軟件更新成為聯網車輛的必備技術。

隱藏的漏洞是不可避免的,并且可能首先被黑帽黑客發現。在這種情況下,目標是減緩或阻止攻擊者獲取最關鍵的資產。為此,需要通過每一層的安全機制設置許多具有挑戰性的障礙(圖4)。這是軍事領域中一種成熟的策略,稱為縱深防御。通過為攻擊者制造延遲,額外的入侵或異常檢測機制能夠應用多種防御模式,例如重新配置(請求更改會話密鑰),并提高在攻擊者造成嚴重損害之前阻止他們的可能性。

圖4:分層安全

事實上,在幾乎所有攻擊者控制車輛功能的案例中,他們之所以能夠成功,并非因為發現了單一漏洞,而是在獲取這些關鍵功能的過程中發現了一系列漏洞。

5、標準化開發流程

如最后一節所示,當安全機制無法確保安全功能的完整性時,安全問題會對安全性產生影響。另一方面,諸如持續監控和報告之類的安全機制是良好的分層安全的關鍵要求。功能功能安全和網絡安全并非相互獨立,需要像在其他領域一樣,在流程和開發中保持同步。

圖5:系統工程的組合功能安全和網絡安全過程模型

ISO 26262 標準涵蓋了系統開發中功能安全在流程層面和方法層面的各個方面。目前還沒有等效的安保標準。SAE J3061是安全相關系統開發指南,描述了與 ISO 26262 生命周期相似的流程和方法,但它不是一項標準。2019 年,ISO/SAE 21434 標準填補了這一空白。該標準將規定道路車輛及其組件和接口在整個工程(如概念、設計、開發)、生產、運營、維護和退役過程中的網絡安全風險管理要求。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/919239.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/919239.shtml
英文地址,請注明出處:http://en.pswp.cn/news/919239.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

網絡安全(Java語言)腳本 匯總(二)

文章目錄目錄遍歷漏洞掃描器源代碼思路一、核心功能二、依賴庫三、核心流程四、關鍵方法五、數據結構六、輸出信息目錄遍歷漏洞掃描器 源代碼 /*** description : 目錄遍歷漏洞掃描器* 注意; 在輸入URL時 要求必須保存 ?page 的末尾 才能保證路徑合成的有效性*//*** desc…

基于 ArcFace/ArcMargin 損失函數的深度特征學習高性能人臉識別解決方案

要實現當前最先進的人臉識別系統,我們需要采用業界公認性能最佳的算法框架,主要包括基于 ArcFace/ArcMargin 損失函數的深度特征學習、MTCNN 人臉檢測與對齊以及高效特征檢索三大核心技術。以下是優化后的解決方案: 核心優化點說明 算法選擇:采用 ArcFace(Additive Angul…

Sql server 查詢每個表大小

在SQL Server中,你可以通過查詢系統視圖和系統表來獲取數據庫中每個表的大小。這可以通過幾種不同的方式來實現,下面是一些常用的方法:方法1:使用sp_spaceused存儲過程sp_spaceused是一個內置的存儲過程,可以用來顯示數…

react 錯誤邊界

注意點: 類組件是可以和函數式組件混合寫的!!!getDerivedStateFromError是靜態的,避免副作用,如果想將錯誤上報到服務器,則去componentDidCatch里去處理。getDerivedStateFromError直接返回{ ha…

自定義 VSCode 標題欄以區分不同版本

自定義 VSCode 標題欄以區分不同版本 當您在同一臺計算機上使用多個 Visual Studio Code 版本時,自定義窗口標題欄是一個有效的方法,可以幫助您快速區分它們。 為何需要區分多個 VSCode 版本? 在同一臺電腦上安裝和使用多個 VSCode 實例是很常…

失敗存儲:查看未成功的內容

作者:來自 Elastic James Baiera 及 Graham Hudgins 了解失敗存儲,這是 Elastic Stack 的一項新功能,用于捕獲和索引之前丟失的事件。 想獲得 Elastic 認證嗎?看看下一期 Elasticsearch Engineer 培訓什么時候開始! E…

基于Spring Boot+Vue的萊元元電商數據分析系統 銷售數據分析 天貓電商訂單系統

🔥作者:it畢設實戰小研🔥 💖簡介:java、微信小程序、安卓;定制開發,遠程調試 代碼講解,文檔指導,ppt制作💖 精彩專欄推薦訂閱:在下方專欄&#x1…

Node.js/Python 實戰:封裝淘寶商品詳情 API 客戶端庫(SDK)

在開發電商相關應用時,我們經常需要與淘寶 API 交互獲取商品數據。直接在業務代碼中處理 API 調用邏輯會導致代碼冗余且難以維護。本文將實戰演示如何使用 Node.js 和 Python 封裝一個高質量的淘寶商品詳情 API 客戶端庫(SDK),使開…

【Docker】關于hub.docker.com,無法打開,國內使用dockers.xuanyuan.me搜索容器鏡像、查看容器鏡像的使用文檔

🔧 一、國內鏡像搜索替代方案 國內鏡像源網站 毫秒鏡像:支持鏡像搜索(如 https://dockers.xuanyuan.me),提供中文文檔服務(https://dockerdocs.xuanyuan.me),可直接搜索鏡像名稱并…

2025盛夏AI熱浪:八大技術浪潮重構數字未來

——從大模型革命到物理智能,AI如何重塑產業與人機關系🌟 引言:AI從“技術爆炸”邁向“應用深水區」代碼示例:AI商業化閉環驗證模型# 驗證AI商業化閉環的飛輪效應 def validate_ai_flywheel(compute_invest, app_adoption): re…

從希格斯玻色子到 QPU:C++ 的跨維度征服

一、引言:粒子物理與量子計算的交匯點在當代物理學和計算機科學的前沿領域,希格斯玻色子研究與量子計算技術的交匯正形成一個激動人心的跨學科研究方向。希格斯玻色子作為標準模型中最后被發現的基本粒子,其性質和行為對我們理解物質質量的起…

Elasticsearch:如何使用 Qwen3 來做向量搜索

在這篇文章中,我們將使用 Qwen3 來針對數據進行向量搜索。我們將對數據使用 qwen3 嵌入模型來進行向量化,并使用 Qwen3 來對它進行推理。在閱讀這篇文章之前,請閱讀之前的文章 “如何使用 Ollama 在本地設置并運行 Qwen3”。 安裝 Elasticsea…

Mybatis實現頁面增刪改查

一、改變路由警告 二、實現新增數據 1.UserMapper.xml 2.Controller層 注意:前端傳的是json對象,所以后臺也需要使用JSON 3.設置提交的表單 <el-dialog title"信息" v-model"data.formVisible" width"30%" destroy-on-close><el-form…

Rabbitmq+STS+discovery_k8s +localpv部署排坑詳解

#作者&#xff1a;朱雷 文章目錄一、部署排坑1.1. configmap配置文件1.2. pv文件1.3. sc文件1.4. serviceAccount文件1.5. headless-service文件1.6. sts文件二、RabbitMQ集群部署關鍵問題總結一、部署排坑 1.1. configmap配置文件 編輯cm.yaml 文件 apiVersion: v1 kind: C…

8.14 模擬

lc658. deque 定長滑窗class Solution { public:vector<int> findClosestElements(vector<int>& arr, int k, int x) {int n arr.size();int l 0, r 0;deque<int> dq;while (r < n) {dq.push_back(arr[r]);if (dq.size() > k) {// 核心&#xf…

JavaScript 核心語法與實戰筆記:從基礎到面試高頻題

一、面試高頻:apply 與 call 調用模式的區別 apply 和 call 的核心作用一致——改變函數內 this 的指向并立即執行函數,唯一區別是參數傳遞方式不同: apply:第二個參數需以數組形式傳入,格式為 函數名.apply(this指向, [參數1, 參數2, ...]) 示例:test.apply(param, [1,…

自動駕駛系統“測試”的“要求”與“規范體系”

讓數據真正閉環的&#xff0c;L4級自動駕駛仿真工具鏈-杭州千岑智能科技有限公司&#xff1a;RSim。 自動駕駛系統測試的要求與規范體系 自動駕駛技術作為汽車產業智能化轉型的核心領域&#xff0c;其測試驗證環節直接關系到技術的安全性和可靠性。隨著自動駕駛等級的提高&…

人工智能——CNN基礎:卷積和池化

一、CNN入門介紹1、卷積神經網絡&#xff08;Convolutional Neural Network&#xff0c;簡稱 CNN&#xff09;是一種專門為處理具有網格結構數據&#xff08;如圖像、音頻&#xff09;而設計的深度學習模型。在傳統的全連接神經網絡&#xff08;FNN&#xff09;中&#xff0c;輸…

適用監測農作物長勢和病蟲害的高光譜/多光譜相機有哪些?

面對農作物長勢分析和病蟲害監測&#xff0c;光譜技術在農業中得到了有效的應用。本篇文章給大家介紹下適合監測農作物長勢和病蟲害的高光譜/多光譜相機。農作物在遭受病蟲害侵襲時&#xff0c;其葉片的細胞結構、水分含量、色素組成會發生變化&#xff0c;從而導致農作物對不同…

深度學習——03 神經網絡(4)-正則化方法價格分類案例

4 正則化 4.1 概述模型擬合的3種狀態左邊&#xff08;Underfitting 欠擬合&#xff09;&#xff1a;模型太簡單&#xff0c;沒抓住數據規律。比如用直線硬套彎曲的數據&#xff0c;預測效果差&#xff0c;訓練誤差和測試誤差都大&#xff1b;中間&#xff08;Just right 擬合合…