Page 467 - 《软件学报》2025年第4期

郗来乐 等: 智能网联汽车自动驾驶安全: 威胁、攻击与防护 1873

研究保持平稳增长, 而驾驶模型的安全相关研究增长迅猛. 2020 年是一个特殊的时间节点, 在此之前, 由于感知是
自动驾驶汽车的数据基础, 环境感知安全研究是自动驾驶汽车安全领域研究最多的部分, 而此后驾驶模型安全相
关论文数量急剧增加, 逐年远超其他两部分. 出现这一现象可能有两方面的原因, 一是 2019 年 Transformer、
BERT、GPT 等预训练模型相继提出, 刺激了深度学习的进一步发展; 二是深度学习模型在自动驾驶汽车中应用
的深度和广度进一步提高, 成为自动驾驶汽车的控制核心, 随着端到端自动驾驶的飞速发展, One Model 方案得到
越来越多的认可, 因此研究者也愈加关注驾驶模型的安全问题. 此外 V2X 通信安全相关研究相比来看一直较少,
需要得到更多关注.

1 000 环境感知安全 250 2018
驾驶模型安全 2019
2020
V2X 通信安全
800 2021
总数 200 2022
2023
600 150 2024 (ࢩᇀ 5 月)
数量 数量
400
究方兴未艾, 出现了许多有影响力的成果, 逐渐成为环境感知安全研究的新热点; 最后从安全防护上看, 相关研究
100
200
50
0
0
2018 2019 2020 2021 2022 2023 2024 信号 元件 信号 语义 联合 安全
(ࢩᇀ 5 月) 干扰 干扰 欺骗 欺骗 攻击 防护
(a) 自动驾驶安全研究趋势图 (b) 环境感知安全研究趋势图
60
防护 2018
攻击 2019
50 200 2020
2021
2022
40 2023
150 2024 (ࢩᇀ 5 月)
数量 30 数量
100
20
50
10
0
2018 2019 2020 2021 2022 2023 2024 中毒 扩展 扰动 对抗 模型 推理 逆向 梯度 安全
(ࢩᇀ 5 月) 攻击 攻击 攻击 样本 提取 攻击 攻击 泄露 防护
(c) V2X 通信安全研究趋势图 (d) 驾驶模型安全研究趋势图
图 6 2018–2024 年自动驾驶汽车安全研究统计分析

从图 6(b) 中可以看出: 首先信号欺骗是环境感知面临最多的威胁, 一方面是由于信号欺骗相关技术比较成熟,
另一方面则是因为信号欺骗实现简单; 其次元件干扰相关攻击极少, 通过对相关论文进行分析, 本文发现元件脆弱
性挖掘通常需要更广的知识背景且迁移性较差, 可能导致了相关研究数量不多; 此外, 语义欺骗、联合攻击相关研

数量远大于对攻击的研究, 体现了在传感器大量应用的背景下, 学界和工业界对增强感知的可靠性和安全性的重
视程度.
从图 6(c) 中可以看出: 在攻防视角下, 近年来针对 V2X 通信防御的研究热度一直高于对其攻击的研究热度,
且差距逐年增加. 此外无论攻击还是防御, 相关研究均呈现逐年快速增加趋势, 这表明随着自动驾驶汽车网联功能
的日益丰富, V2X 通信将进一步发挥更大作用, 引起更多研究者注意, 从而进一步刺激相关安全研究的快速发展.
从图 6(d) 中可以看出: 从 2018 年以来, 对于模型安全的相关研究主要呈现增长态势. 首先模型对抗攻击、数