车联网自我总结和想法

车联网？

车联网的前期研究

通过对国内车联网文献的查找和学习，我发现对于车联网的相关资料非常少，同时由于车联网包含的专业知识也非常的丰富，包括硬件的信息通信，网络传播以及关于软件方面的移动边缘计算，数据的加密和保护。于是对于车联网的英文叫法也没有一个统一的标准。我对车联网的叫法主要分为以下四种：

1.广义上是IOV（Internet of Vehicles）或ICV（intelligent and connect vehicle）

2.V2X (Vehicles to everything)

3.和VANET（Vehicular Ad-hoc Network）

通过我对文献的阅读，我发现对于IOV来说，主要是以物联网（IOT）为技术背景来研究的，通常是考虑车辆与车辆或者其他设备之间的网络连接，从而构建起一种车辆互联的网络过程。

对于ICV来说，主要是以智能化的，具有高度自主驾驶能力的车辆为研究重点，也可以叫做智能互联。

而V2X可以表示为ICV中的更细的，更深入的一种研究领域。其中V2X主要是以车辆和周围环境的其他实体进行双向通信的技术，可以应用到交通管理，智能交通等方面。其中V2X具有高通信低延迟等优点。

最后的VANET，其实是一种特定的V2X通信技术,算是具体表示形式，V2X是一种广义的术语，指的是车辆和其他实体之间的通信，而VANET则是车辆之间的通信网络，VANET包括了路由协议，通信协议，安全协议等多方面的研究。

什么是车联网（ICV）？

车联网是以智能网联汽车作为可移动的智能网络终端，通过互联、网联、汽车集合形成的互联系统。以人工智能、5G通信技术等新兴技术为基础，以车内网、车际网和车云网为纽带，按照既定的通信协议和数据交换标准来实现与人、车、路等方面的信息交换。

我通过对车联网相关文献中的描述，进行了如下的分类：

一种是IOV描述[1]，大致讲车联网分成（端-管-云）三层结构：

1. 端系统：由传感器构成，主要为了获取车辆智能信息，车内通信、车间通信、车网通信的通信终端。
2. 管系统：车与车(V2V)、车与路(V2R)、车与人(V2H)等的互连互通。
3. 云系统：主要由ITS构成，对获取数据的处理和认证的过程。

IOV里最主要的便是CAN总线，他贯穿车联网整个网络通信过程，这也最容易被黑客攻击的。

另一种为ICV描述，大致是以车载终端为分类结果：

T-BOX：前装智能车载终端，集成2G、3G或4G无线模块，可以进行相应的数据智能处理，算法的执行，与汽车总线CAN相连，是智能汽车的绝对核心。

Tracker：实现定位管理，知道车辆的实时位置信息。

OBD和UBI：车辆自身信息的采集

ETC OBU：短距离通信。

主要以车体的智能控制水平，到车内控制器的网络化和IT化，到人车路智能化和协同化，的过程

这里IOV描述是以物联网为框架进行的车联网系统性的描述，而ICV主要是以车为中心，在高通信低延迟的网络环境中（V2X），以智能处理和网络通信为主要技术手段进行的智能互联车辆的过程。两者虽然是分为两种分类，但两者分布之间是相辅相成的。

什么是车联网安全？

车联网下的安全威胁？

智能网联汽车是将网络世界与物理世界结合在一起，为用户带来更加优质的使用体验。但是在打通物理世界与网络世界的同时，也面临着网络世界中信息安全的风险，甚至因网络世界的安全问题直接影响到物理世界的安全。

智能网联汽车为中心的车联网逐渐深入人们的生活，但为出行带来便利的同时也暴露出车辆被远程控制、恶意攻击等安全威胁。

数据作为车联网的核心要素，具有巨大的应用潜力和价值，是车联网运行的关键。

对于传统的车联网（IOV）安全：

车联网的安全问题总结为三个层面：网络级安全、平台级安全和组件级安全。

1. 如在网络级安全，不法分子通过发起DDOS攻击拥塞网络，致使服务器瘫痪，或者伪造基站来获取和破解车辆传输信息。
2. 在平台级安全，攻击者通过侵入RSU和云服务器，控制它们向车辆发送假消息来干扰车主的正常判断。
3. 在组件级安全，通过传感器的信息数据在以无线通信的方式进行传输过程中，容易被不法分子监听和窃取。

通过对文献的阅读，我认为其实三者之中最重要的一方面是如何保护智能网联数据的隐私和安全，同时防御其黑客的入侵系统。

通过车联网安全论坛[5]，我发现由于5G，AI等技术的发展，车联网（ICV）逐渐将其应用到自身系统当中，如自动驾驶，可通过视觉欺骗，如利用对抗样本欺骗自动驾驶中的视觉AI和雷达AI。甚至可以用后门攻击来攻击和欺骗自动驾驶模型，使得车辆无视障碍物，或者不按照标志线进行行车。

车联网下的安全防御？

车联网的安全防护，1.V2X车联网相对于传统网络的特殊性：高速移动的车联网导致快速而剧烈的网络拓扑变化，异质网通信导致的复杂网络结构，提出自适应安全检测体系：

1. 开机时进行一次全盘扫描渗透，将所有初始条件数据存入数据库中，包括硬件型号、操作系统、运行服务、漏洞信息、MAC、IP、生产厂商等。
2. 运行中，工作负载小或网管(AI)判定可以进行扫描的时候进行全盘或局部扫描渗透，更新数据库;不能进行扫描时，被动嗅探流量，分析报文数据(IP、MAC端口、服务等)，检测网络拓扑结构变化,更新数据库。云平台统一存储,RSU分布式存储区域内车辆安全信息。
3. 消息的机密性，对某些敏感数据的机密性保护，通过匿名隐私保障车主匿名隐私。

对于自动驾驶视觉AI的对抗欺骗防御技术：[5]

​ 利用可扩展对抗训练车略构建技术，对抗样本主动检测预警技术。

自动驾驶视觉AI的隐私保护优化技术：[5]

​ 如何构造高效的高安全的高可靠的，通过一些隐私保护和窃取方法（深度学习模型的参数与梯度中记忆了大量的训练数据信息，在已知深度学习的前提下很容易推导出训练集），可进行基于模型压缩的隐私保护优化算法，从而防止梯度泄露攻击。

响应处置能力，通过漏洞修复，密码更新，数据匿名化等来保护车联网，设备的测试与评估风险传播。

同时使用溯源取证分析，提高

我的一点想法

对于车联网来说，我认为车联网与AI的结合可以作为一种研究领域，依据[8]，在联网中车辆在智能网联系统中回收集大量的隐私数据信息，我想能否引如联邦学习来帮助车联网自动驾驶的隐私保护过程。同时我在中国知网找到了一篇关于联邦学习引入车联网的一篇学位论文[2]与一篇英文学术论文[3]，引入联邦学习进入车联网来保护数据隐私和模型安全是可行的。

参考文献

[1] 博客：《什么是车联网，车联网需要解决哪些问题，未来发展前景怎么样》 https://blog.csdn.net/zhinengxuexi/article/details/101038445

[2]车联网中基于位置服务的个性化位置隐私保护

[3]格基环签名的车联网隐私保护

[4]博客：《万字详解5G车联网技术》https://blog.csdn.net/An1090239782/article/details/122226875

[5]博客：《一文带你走进车联网安全》 https://blog.csdn.net/xianyu9w/article/details/128409634

[6]李艳,刘丹,卢圆薇等.车联网技术与应用前景分析[J].通信与信息技术,2022(S2):50-53.

[7]李玉峰,刘奇,魏亮.车联网数据安全的若干思考[J].信息通信技术与政策,2023,49(02):2-8.

[8] 【BCS 2021】 车联网安全论坛 https://www.bilibili.com/video/BV1rQ4y1k7tV/

[9]康宇,刘雅琼,赵彤雨等.AI算法在车联网通信与计算中的应用综述[J].电信科学,2023,39(01):1-19.

[4]刘辉,张磊,李晶.基于车联网的隐私保护数据聚合研究综述[J].计算机应用研究,2022,39(12):3546-3554.

[10]胡健龙. 联邦学习在车联网数据共享与保护技术中的研究[D].电子科技大学,2022.DOI:10.27005/d.cnki.gdzku.2022.004716.

[11]Du Z, Wu C, Yoshinaga T, et al. Federated learning for vehicular internet of things: Recent advances and open issues[J]. IEEE Open Journal of the Computer Society, 2020, 1: 45-61.