作者：劉少山存崖，李文超，唐潔?
責(zé)編：何永燦睡毒，歡迎人工智能領(lǐng)域技術(shù)投稿来惧、約稿、給文章糾錯演顾，請發(fā)送郵件至heyc@csdn.net?
本文為《程序員》原創(chuàng)文章供搀，未經(jīng)允許不得轉(zhuǎn)載，更多精彩文章請訂閱2017年《程序員》
目前針對無人車攻擊的方法有許多偶房，如何防御這些攻擊以保證無人車的安全是個重要的課題趁曼。本文是無人駕駛技術(shù)系列的第九篇，詳細介紹針對無人車傳感器棕洋、操作系統(tǒng)、控制系統(tǒng)乒融、車聯(lián)網(wǎng)的攻擊手段以及防御方法掰盘。
針對無人駕駛的安全威脅
對于無人駕駛系統(tǒng)來說摄悯，安全性至關(guān)重要。任何無人車如果達不到安全要求就上路是極其危險的愧捕。目前奢驯，針對無人車攻擊的方法五花八門，滲透到無人駕駛系統(tǒng)的每個層次次绘，包括傳感器瘪阁、操作系統(tǒng)、控制系統(tǒng)邮偎、車聯(lián)網(wǎng)通信系統(tǒng)等管跺。首先，針對傳感器的攻擊不需要進入無人駕駛系統(tǒng)內(nèi)部禾进，這種外部攻擊法技術(shù)門檻相當(dāng)?shù)突砼埽群唵斡种苯印?第二，如果進入無人駕駛操作系統(tǒng)泻云，黑客可以造成系統(tǒng)崩潰導(dǎo)致停車艇拍，也可以竊取車輛敏感信息。第三宠纯，如果進入無人駕駛控制系統(tǒng)卸夕，黑客可以直接操控機械部件，劫持無人車去傷人婆瓜，是極其危險的娇哆。第四，車聯(lián)網(wǎng)連接不同的無人車勃救，以及中央云平臺系統(tǒng)碍讨，劫持車聯(lián)網(wǎng)通信系統(tǒng)也可以造成無人車間的溝通混亂。本文將詳細介紹每種攻擊手段蒙秒，并且討論相應(yīng)的防御方法勃黍。
無人駕駛傳感器的安全
由于傳感器處于整個無人駕駛計算的最前端，最直接攻擊無人車的方法就是攻擊傳感器晕讲。這種外部攻擊法并不需要入侵到無人駕駛系統(tǒng)內(nèi)部覆获，使得入侵的技術(shù)門檻相當(dāng)?shù)汀Ｕ且驗槿肭值拈T檻低瓢省，我們需要在傳感器做大量的工作來保證其安全弄息。如圖1所示，對各種傳感器勤婚，我們都可以輕易地攻擊與誤導(dǎo)摹量。無人駕駛系列文章《GPS及慣性傳感器在無人駕駛中的應(yīng)用》（《程序員》2016年9月）提到可以使用慣性傳感器IMU輔助無人駕駛定位，但是IMU對磁場很敏感，如果使用強磁場干擾IMU缨称，就有可能影響IMU的測量凝果。對于GPS，如果在無人車附近設(shè)置大功率假GPS信號睦尽，就可以覆蓋原來的真GPS信號器净，從而誤導(dǎo)無人車定位。通過兩種簡單攻擊方法的結(jié)合当凡，GPS與IMU的定位系統(tǒng)會輕易被攻破山害。除了GPS與IMU外，通常我們也可以使用輪測距技術(shù)輔助無人車定位沿量。輪測距是通過測量輪子的轉(zhuǎn)速乘與輪子的周長進行測距浪慌，如果黑客破壞了輪子，這個定位輔助技術(shù)也會受影響欧瘪。
無人駕駛系列文章《光學(xué)雷達（LiDAR）在無人駕駛技術(shù)中的應(yīng)用》（《程序員》2016年4月）提到激光雷達是目前無人駕駛最主要的傳感器眷射，而無人車也依賴于激光雷達數(shù)據(jù)與高精地圖的匹配進行定位。但激光雷達也可以輕易地被干擾佛掖。首先激光雷達是通過測量激光反射時間來計算深度的妖碉。如果在無人車周圍放置強反光物，比如鏡子芥被，那么激光雷達的測量就會被干擾欧宜，返回錯誤信息。除此之外拴魄， 如果黑客使用激光照射激光雷達冗茸，測量也會受干擾，會分不清哪些是自身發(fā)出的信號匹中，哪些是外部激光的信號夏漱。另外，無人車會不斷下載更新的高精地圖顶捷，如果黑客把下載的地圖掉包挂绰，也會造成定位失效。
圖1 針對傳感器的攻擊
無人駕駛系列文章《基于計算機視覺的無人駕駛感知系統(tǒng)》（《程序員》2016年7月）提到計算機視覺可以輔助無人車完成許多感知的任務(wù)服赎，比如交通燈識別葵蒂、行人識別和車輛行駛軌跡跟蹤等等。在交通燈識別的場景中重虑，無人車上的攝像機如果檢測到紅燈践付，就會停下來。如果檢測到行人缺厉，也會停下以免發(fā)生意外永高。黑客可以輕易地在路上放置假的紅綠燈以及假的行人隧土，迫使無人車停車并對其進行攻擊。
既然每個傳感器都可以輕易被攻擊乏梁，如何保證無人車安全次洼？對此关贵，需要使用多傳感器融合技術(shù)互相糾正遇骑。攻擊單個傳感器很容易，但是如果同時攻擊所有傳感器難度相當(dāng)大揖曾。當(dāng)無人車發(fā)現(xiàn)不同傳感器的數(shù)據(jù)相互間不一致落萎，就知道自己可能正在被攻擊。例如炭剪，無人車檢查到交通燈练链，但是高精地圖在此處并未標(biāo)注有交通燈，那么就很可能是被攻擊了奴拦。又例如GPS系統(tǒng)與LiDAR系統(tǒng)定位的位置極不一致媒鼓，無人車也很可能是被攻擊了。
無人駕駛操作系統(tǒng)安全
針對傳感器的攻擊是外部攻擊错妖，不需要進入無人駕駛系統(tǒng)绿鸣。第二種攻擊方式是入侵到無人駕駛操作系統(tǒng)，劫持其中一個節(jié)點并對其進行攻擊暂氯。在無人駕駛系列文章《基于ROS的無人駕駛系統(tǒng)》（《程序員》2016年5月）中提到潮模，目前的無人駕駛操作系統(tǒng)基本是基于ROS的框架實現(xiàn)。但是ROS本身安全性有一定問題痴施，總結(jié)有以下兩種攻擊方法：第一擎厢，其中一個ROS的節(jié)點被劫持，然后不斷地進行分配內(nèi)存辣吃，導(dǎo)致其系統(tǒng)內(nèi)存消耗殆盡动遭，造成系統(tǒng)OOM而開始關(guān)閉不同的ROS節(jié)點進程，造成整個無人駕駛系統(tǒng)崩潰神得。第二厘惦，ROS的topic或service被劫持, 導(dǎo)致ROS節(jié)點之間傳遞的信息被偽造，從而導(dǎo)致無人駕駛系統(tǒng)的異常行為循头。造成第一個問題的原因是ROS Node本身是一個進程绵估，可以無節(jié)制分配資源導(dǎo)致奔潰，另外的原因是ROS Node可以訪問磁盤以及網(wǎng)絡(luò)資源卡骂，并無很好的隔離機制国裳。為了解決這個問題，可以使用Linax容器技術(shù)（LXC）來管理每一個ROS節(jié)點進程全跨。簡單來說缝左，LXC提供輕量級的虛擬化，以便隔離進程和資源，而且不需要提供指令解釋機制以及全虛擬化等其他復(fù)雜功能渺杉，相當(dāng)于C 中的NameSpace蛇数。LXC有效地將由單個操作系統(tǒng)管理的資源劃分到孤立的群組中，以更好地在孤立的群組之間平衡有沖突的資源使用需求是越。對于無人駕駛場景來說耳舅，LXC最大的好處是性能損耗小。我們測試發(fā)現(xiàn)倚评，在運行時LXC只造成了5%左右的CPU損耗浦徊。除了資源限制外，LXC也提供了沙盒支持天梧，使得系統(tǒng)可以限制ROS節(jié)點進程的權(quán)限盔性。為避免可能有危險性的ROS節(jié)點進程破壞其他的ROS節(jié)點進程運行，沙盒技術(shù)可以限制其進程訪問磁盤呢岗、內(nèi)存以及網(wǎng)絡(luò)資源冕香。
至于第二個問題，主要原因是通信的信息并沒有被加密后豫，以至于攻擊者可以輕易得知通信內(nèi)容悉尾。目前業(yè)界有不少對ROS節(jié)點間通信的加密嘗試，比如使用DES加密算法硬贯。在通信的信息量十分小的時候焕襟，加密與否對性能影響不大。但隨著信息量變大饭豹，加密時間相對信息量成幾何級增長鸵赖。另外，由于ROS通信系統(tǒng)的設(shè)計缺陷拄衰，加密時間也與接收信息的節(jié)點數(shù)量有直接關(guān)系它褪。當(dāng)接受信息的節(jié)點數(shù)量增長時，加密時間也隨之增長翘悉。無人駕駛系列文章《基于ROS的無人駕駛系統(tǒng)》提出了幾個改進ROS通信系統(tǒng)的機制茫打，在這些機制中，加密對性能影響將大大減少妖混。
無人駕駛控制系統(tǒng)安全
如圖3所示老赤，車輛的CAN總線連接著車內(nèi)的所有機械以及電子控制部件，是車輛的中樞神經(jīng)制市。CAN總線具有布線簡單抬旺、典型總線型結(jié)構(gòu)、可最大限度節(jié)約布線與維護成本祥楣、穩(wěn)定可靠开财、實時汉柒、抗干擾能力強、傳輸距離遠等特點责鳍。由于CAN總線本身只定義ISO/OSI模型中的第一層（物理層）和第二層（數(shù)據(jù)鏈路層）碾褂，通常情況下，CAN總線網(wǎng)絡(luò)都是獨立網(wǎng)絡(luò)历葛，所以沒有網(wǎng)絡(luò)層正塌。在實際使用中，用戶還需要自己定義應(yīng)用層的協(xié)議啃洋，因此在CAN總線的發(fā)展過程中出現(xiàn)了各種版本的CAN應(yīng)用層協(xié)議传货。CAN總線采用差分信號傳輸屎鳍，通常情況下只需要兩根信號線（CAN-H和CAN-L）就可以進行正常的通信宏娄。在干擾比較強的場合，還需要用到屏蔽地即CAN-G（主要功能是屏蔽干擾信號）逮壁。CAN總線上任意節(jié)點均可在任意時刻主動的向其它節(jié)點發(fā)起通信孵坚，節(jié)點沒有主從之分，但在同一時刻優(yōu)先級高的節(jié)點能獲得總線的使用權(quán)窥淆。?
圖2 無人車操作系統(tǒng)安全
圖3 CAN總線安全
如果CAN被劫持卖宠，那么黑客將為所欲為，造成極其嚴(yán)重的后果忧饭。一般來說扛伍，要進入CAN系統(tǒng)是極其困難的。但是一般車輛的娛樂系統(tǒng)以及檢修系統(tǒng)的OBD-II端口都連接到CAN總線词裤，這就給了黑客進入CAN的機會刺洒。攻擊的方式包括以下幾點:
OBD-II入侵：?OBD-II端口主要用于檢測車輛狀態(tài)，通常在車輛進行檢修時吼砂，技術(shù)人員會使用每個車廠開發(fā)的檢測軟件接入OBD-II端口并對汽車進行檢測逆航。由于OBD-II連接到CAN總線，只要黑客取得這些檢測軟件渔肩，包括 Ford的NGS因俐、Nissan的Consult II、Toyota的Diagnostic Tester等周偎，便能輕易截取車輛信息抹剩。
電動車充電器入侵：最近電動車越來越普及，充電設(shè)備成為電動車生態(tài)必不可少的核心部件蓉坎。由于電動車的充電裝置在充電時會與外部充電樁通信澳眷，而且電動車的充電裝置會連接CAN總線，這就給了黑客們通過外部充電樁入侵CAN系統(tǒng)的機會袍嬉。
車載CD機入侵：曾經(jīng)有攻擊的案例是把攻擊代碼編碼到音樂CD中境蔼，當(dāng)用戶播放CD時灶平，惡意攻擊代碼便會通過CD播放機侵入CAN總線，從而可以取得總線控制以及盜取車輛核心信息箍土。
藍牙入侵：另一個攻擊入口是藍牙逢享。如今藍牙連接手機與汽車通訊以及娛樂系統(tǒng)已經(jīng)成為標(biāo)配。由于用戶可以通過藍牙給CAN發(fā)送信息以及從CAN讀取信息吴藻，這也給黑客們攻擊的窗口瞒爬。除了取得車主手機的控制權(quán)，由于藍牙的有效范圍是10米，黑客們也可以使用藍牙進行遠程攻擊。
TPMS入侵：?TPMS是車輪壓力管理系統(tǒng)声离，也有黑客對TPMS展開攻擊婉宰。在這種攻擊方法中，黑客先把攻擊代碼放置在車輛TPMS ECU中蛾魄，然后當(dāng)TPMS檢測到某個胎壓值的時候，惡意代碼便會被激活，從而對車輛進行攻擊柏锄。
一個通用的解決方法是對ECU接收的信息進行加密驗證，以保證信息是由可信的MCU复亏，而不是由黑客發(fā)出趾娃。使用加密驗證，我們可以選擇對稱或者非對稱密碼缔御。對稱密碼的計算量小但是需要通信雙方預(yù)先知道密碼抬闷。非對稱密碼無需預(yù)先知道密碼，但是計算量大耕突。由于大部分車用ECU計算能力與內(nèi)存有限笤成，現(xiàn)在通用做法是使用對稱密碼加密，然后密鑰在生產(chǎn)過程中被寫入ECU有勾。這樣的后果是有許多ECU復(fù)用同一個密鑰疹启，當(dāng)一個ECU密鑰被破解后，同批的ECU都會有風(fēng)險蔼卡。為了解決這個問題喊崖，學(xué)術(shù)界和業(yè)界也提出了幾種解決方案：
TLS安全協(xié)議沿用非對稱密碼的算法對通信雙方進行驗證。
Kerberos是一個通用的基于對稱密碼算法的驗證平臺雇逞。
TESLA安全協(xié)議（注意：這個TESLA安全協(xié)議與Tesla汽車沒有關(guān)系）提出了使用對稱密碼機制去模擬非對稱密碼的做法荤懂，從而達到既安全又能降低計算量的目的。
LASAN安全協(xié)議使用兩步驗證的機制實時讓通信雙方交換密鑰塘砸，然后使用對稱密碼的算法對信息進行驗證节仿。
車聯(lián)網(wǎng)通訊系統(tǒng)的安全性
當(dāng)無人車上路后，它會成為車聯(lián)網(wǎng)的一部分掉蔬。V2X是車聯(lián)網(wǎng)通信機制的總稱廊宪》可以說，V2X是泛指各種車輛通訊的情景箭启，包括V2V車車通訊壕翩、V2I車路通訊、V2P車與路人通訊等傅寡。通過V2X車輛可以獲得實時路況放妈、道路、行人等一系列交通信息荐操，從而帶來遠距離環(huán)境信號芜抒。比如V2V，最普遍的應(yīng)用場景是在城市街道托启、高速公路宅倒，車輛之間可以相互通信，發(fā)送數(shù)據(jù)驾中，實現(xiàn)信息的共享唉堪。這樣的數(shù)據(jù)包括：車輛的時速、相對位置肩民、剎車、直行還是左拐等所有與行駛安全的數(shù)據(jù)提前提供給周圍的車輛链方，使得周圍車輛都能夠預(yù)判其他車輛的駕駛行為持痰，從而實現(xiàn)主動的安全策略。V2X安全防護是自動駕駛必要技術(shù)和智慧交通的重要一環(huán)祟蚀，接下來我們討論V2X的潛在安全風(fēng)險及解決方案工窍。
圖4 ECU安全加密系統(tǒng)
確保V2X通信安全的系統(tǒng)要滿足以下兩個基本條件：第一，確認消息來自合法的發(fā)送設(shè)備前酿，這個需要通過驗證安全證書來保證患雏。第二，確認消息傳輸過程中沒有被修改罢维，這個需要接受信息后計算信息的完整性淹仑。為了實現(xiàn)V2X的安全，歐盟發(fā)起了V2X安全研究項目PRESERVE并在項目中提出了符合V2X安全標(biāo)準(zhǔn)的硬件肺孵、軟件匀借，以及安全證書架構(gòu)。
硬件：在每個車輛中存儲了大量密鑰平窘，如果使用普通的Flash與RAM吓肋，密鑰會被輕易盜取。另外瑰艘，使用加密解密技術(shù)會對計算資源消耗極大是鬼。為了解決這些問題肤舞，PRESEVER提出了設(shè)計安全存儲硬件，以及使用ASIC硬件加速加解密均蜜。
圖5 車聯(lián)網(wǎng)V2X系統(tǒng)
軟件：在安全硬件上萨赁，PRESEVER提供了一整套開源軟件棧提供安全通信。這套軟件棧提供了加密解密的軟件庫兆龙、電子證書認證庫杖爽、與受信任的證書頒發(fā)機構(gòu)的安全通信庫等。
安全證書：為了確保信息來源于可信設(shè)備紫皇，可以使用受信任的證書頒發(fā)機構(gòu)來提供安全證書與密鑰慰安。當(dāng)汽車A向汽車B放送信息時，汽車A的發(fā)送器會在信息上添加電子簽名聪铺，并用密鑰對信息進行加密化焕。汽車B接受信息時，會首先對信息的電子證書進行認證铃剔，確認信息是由汽車A發(fā)送撒桨，然后使用公鑰對信息進行解密，并對信息的完整性進行驗證键兜。
圖6 PRESERVE系統(tǒng)架構(gòu)
安全模型校驗方法
為了保證無人駕駛系統(tǒng)的安全性凤类，我們需要從縱向?qū)ο到y(tǒng)的每個層面進行校驗。這些層面包括代碼普气、電子控制單元（ECU）谜疤、控制算法、車內(nèi)及車外網(wǎng)现诀、自動車整體與物理環(huán)境結(jié)合的網(wǎng)宇實體系統(tǒng)夷磕，甚至需要多部車輛互相通訊的車聯(lián)網(wǎng)。越往上層系統(tǒng)的復(fù)雜度越大仔沿，校驗也越困難坐桩。所以一般在對上層系統(tǒng)的分析會基于下層的分析結(jié)果做抽象化處理。比如在分析車內(nèi)網(wǎng)的時候封锉，對與網(wǎng)絡(luò)鏈接的電子控制單元一般只考慮通訊接口的模型绵跷，而不會考慮電子控制單元內(nèi)的具體功能及軟件。在對每個層面在做安全分析時烘浦，也需要考慮各種不同的威脅模型和攻擊向量抖坪。比如說，代碼的安全校驗除了需要考慮緩沖區(qū)溢出闷叉，還要考慮其他模塊通過利用API來侵入擦俐，或者是第三方軟件里載有木馬的威脅。在對車內(nèi)網(wǎng)的分析時握侧，要考慮在某個電子控制單元被黑客控制下可能出現(xiàn)的各種情況蚯瞧，包括阻斷服務(wù)攻擊（Denial of Service Attack）嘿期，修改通訊件的內(nèi)容，偽造通訊件的來源等埋合。由于無人駕駛系統(tǒng)對處理速度和容量的要求遠遠高于傳統(tǒng)車輛控制系統(tǒng)备徐，一部分單核的電子控制單元在不久的將來會被多核芯片或GPU取代。每個新的電子控制單元將會支持多個功能或多個功能的部分實現(xiàn)甚颂，而這些功能會通過虛擬機來管理硬件資源分配蜜猾。從安全的角度來說，就需要對虛擬機管理器進行分析振诬，比如虛擬機與虛擬機之間的通訊（intra-VM communication）保證不被第三方干擾或竊聽蹭睡。無人車加入了很多新的自動行駛功能，比如最簡單的自動剎車赶么，對于這些功能的控制算法肩豁，驗證時也需要全面地考慮前文所提到的一系列威脅，包括某個傳感器的信息被惡意修改辫呻，通訊渠道被堵所引起的信息滯后等等清钥。因為無人車需要強大的AI系統(tǒng)做支持，對這些AI系統(tǒng)的不同攻擊方式也在校驗的考慮范圍內(nèi)放闺。最近有研究指出祟昭，深度學(xué)習(xí)系統(tǒng)（特別應(yīng)用在圖像識別上）也很容易被攻擊。比如修改一張圖像中的幾個像素就可能使識別結(jié)果大相徑庭雄人。這個隱患大大增加了系統(tǒng)被黑客攻破的可能性从橘。在車聯(lián)網(wǎng)的層面上，常見的安全問題有通訊信息被篡改础钠，被黑客控制的車輛故意提供假信息或偽造身份，阻斷服務(wù)攻擊叉谜，女巫攻擊（sybil attack：單輛車通過控制多個身份標(biāo)識來對網(wǎng)絡(luò)整體進行攻擊）旗吁，以及盜取其他車主的私密信息（比如所在位置）。
對于這些安全問題及攻擊向量的分析涉及的技術(shù)非常廣停局。本文重點介紹關(guān)于車內(nèi)網(wǎng)（比如前面提到的CAN）和控制系統(tǒng)的安全模型和驗證『艿觯現(xiàn)有的車內(nèi)網(wǎng)安全協(xié)議一般建立在一些基本的加密單元上，比如對稱密鑰加密和非對稱密鑰加密董栽。一般初始身份鑒別時需要用非對程密鑰加密码倦，而之后的通訊就可以用相對更快的對稱密鑰加密。根據(jù)不同的安全等級需求锭碳，密鑰的長度會不一樣袁稽。長的密鑰會更安全，但也會增加加密和解密的時間擒抛，因此影響到控制系統(tǒng)的性能推汽。另外补疑，長的密鑰會增加通信的負擔(dān)。不管是CAN還是TDMA類的車內(nèi)網(wǎng)協(xié)議歹撒，這些附加的安全信息都可能導(dǎo)致通訊超時（結(jié)果可能是來不及剎車）莲组。所以在安全校驗的同時也必須考慮增加安全機制所產(chǎn)生的延時。最后暖夭，密鑰的分發(fā)和管理也至關(guān)重要锹杈。這是當(dāng)前的一個技術(shù)難點，還沒有特別好的解決方案迈着。對于協(xié)議本身的驗證方法有幾種竭望。一般來說，首先要校驗協(xié)議的數(shù)學(xué)模型寥假。最近提出的LASAN就是先用形式化驗證工具Scyther來證明協(xié)議的安全性市框，然后做仿真來測試性能。對于控制系統(tǒng)糕韧，分析時是會側(cè)重考慮攻擊對數(shù)據(jù)所產(chǎn)生的影響（比如說延時枫振，丟失或假數(shù)據(jù)），然后對相應(yīng)的安全方案（比如傳感器數(shù)據(jù)混合處理或狀態(tài)估計）做數(shù)學(xué)證明來達到校驗的目的萤彩。類似的方法也被應(yīng)用在驗證一些車聯(lián)網(wǎng)的功能上粪滤，像合作的可變巡航控制∪阜觯總體來說杖小，無人車的安全問題至關(guān)重要，車輛如果被黑客攻擊或控制會危及生命愚墓。但是予权，不管從技術(shù)還是標(biāo)準(zhǔn)化的角度看，現(xiàn)階段對于無人車安全問題的校驗尚未成熟浪册，還需要學(xué)術(shù)界和工業(yè)界的深入研究與大力開發(fā)扫腺。
作者簡介：
劉少山，PerceptIn聯(lián)合創(chuàng)始人村象。加州大學(xué)歐文分校計算機博士笆环，研究方向智能 感知計算、系統(tǒng)軟件厚者、體系結(jié)構(gòu)與異構(gòu)計算≡炅樱現(xiàn)在PerceptIn主要專注 于SLAM技術(shù)及其在智能硬件上的實現(xiàn)與優(yōu)化。
李文超库菲，美國波士頓大學(xué)助理教授账忘。加州大學(xué)伯克利分校電子工程與計算機科學(xué)博士。研究方向包括自動化設(shè)計與檢測，可靠及容錯計算機系統(tǒng)闪萄，計算證明法梧却，網(wǎng)宇實體系統(tǒng)。
唐潔败去，華南理工大學(xué)計算機科學(xué)與工程學(xué)院副教授放航。
