四维图新石清华：车联网数据安全监测溯源平台发布

2021年6月17日至19日，由中国汽车工业协会主办的第十一届中国汽车论坛在嘉定举行。站在新五年的起点上，本届论坛以“新起点、新战略格局——推动汽车产业高质量发展”为主题，设置“一次闭门峰会+一次会议论坛+两次中外论坛+12场主题论坛”，全方位汇聚政府领导、全球汽车企业领袖、汽车行业精英，共商汽车产业强市大计，落实国家提出的“二氧化碳排放峰值、碳中和”战略目标要求，助力打造。其中，四维图新副总裁石庆华在6月19日下午举行的主题论坛“智能网联汽车产业发展与安全论坛”上发表了主题演讲。以下为现场演讲:

感谢各位领导，听了朱老师对数据安全的系统思考。说实话，我比较激动，找到看到问题的专家和领导，一起探讨解决数据治理的问题。两年前，我们带领几个单位一起研究技术落地的考虑，试图回答这个问题。回答问题的时候有很多业内的朋友，有汽车厂商，有Tier1的朋友，也有很多供应商。我们怎么看待这个问题？稍后，我将介绍该技术。现在在想办法解决问题，可能解决的问题，落地的情况下可以覆盖哪些场景。再来看云，管，端。首先是汽车本身，它包括行车安全的最终体现，在行车安全的过程中，刚才朱教授的片子，我们看这个问题，技术上怎么看？有几种非常重要的数据类型，也是分类分级数据。第一，我们车内的数据代表了当前车的健康状况。这些数据现在在车联网中被大规模使用和收集。对于未来的自行车智能网联和多车智能网联，朱老师只是呼吁统一定义。每辆车大概有上百个ECU。现在可以从软件定义上对ECU的定义进行分类了吗？至少，状态码一致，状态码不一致。怎么才能统一规划？还有一种数据涉及个人隐私。在个人数据方面，大家都听说过很多种由于个人数据保护不力导致个人信息泄露的案件。我们知道使用手机的时候，个人手机是被绑死的，而使用汽车的时候，个人信息会被绑死的更厉害，尤其是车内摄像头和车外摄像头同时开启的情况下。如何预防、防范、追踪这些数据中的个人？还有一种数据是汽车布满各种传感器，传感器基本360度无死角覆盖。在行驶过程中，有一个完整的收集过程。在这个过程中，一辆车没事，几辆工程车也没事。当成千上万的汽车在中国跑的时候，我们已经基本完成了对自己真实情况的测绘。这是上升到国家安全的事情，是我们在车侧必须注意的一幕。还有传输过程中的各种攻击、泄密、数据一致性问题，最重要的是云平台的安全性。现在云平台安全了，如果大规模建设，有三个应用场景:一是我们普通的TSP场景，车内信息采集，未来会面临两个应用场景。首先我们会做自动驾驶，L2，L2++，以及这个过程中工程车的数据。因为我们知道，真正的自动驾驶过程中，模型是真正发挥作用的，模型是经过大量训练的，训练完之后，模型被搬到量产车上，模型每天都在识别前方是什么驾驶状态，所以真正的作用是模型。在模型训练的过程中，有大量的现实环境数据上传到云平台来训练模型。在看问题的过程中，会涉及到如何防控工程车的数据，以及跟踪溯源。更重要的是，模型训练好之后，把模型放到量产车上，然后如何跟踪管理。从我们的技术角度来看……f看来，这些案例和场景在技术上是可以理解的，通过我们的一些技术手段。围绕这些技术手段，我尝试综合管理如何在车内、在传输端、在后台云端连接这么多数据，以及L2、L2++、L3等这么复杂的流程和未来数据。所以，委托我们来牵头。很多公司都有一个专家团队在一起。专家团队从三个方面建立了一套略具可操作性、真正有效的全链条监控方法，并将其放到平台上。怎么做？这里再技术一点，大致的逻辑是，在车联网领域，以及未来自行车智能驾驶、网联智能驾驶遇到的这一堆数据，通过对这些数据的定向分析和定量检测，建立六个子系统，以这六个子系统为起点，建立整个数据从采集到传输、应用、存储、更新、发布，再到OTA回传的完整链条。在完整的链条中，各种需要可见的数据流程和可能被追踪的数据的节点都建立在上面，这就是呈现给大家的整体技术框架。在这个技术架构中，我们首先希望捕捉的是完整的数据链。在整个链条流程中，每一个节点的详细介绍都是我们整体的可视化安全监管。尤其是在车辆安全风险的检测上，这些检测包括我们在车辆上植入的SDK，植入的SDK就是植入的代码。这个代码主要解决两个问题:第一，测绘安全我们需要一张地图，因为大家都知道自动驾驶好。以前单纯用地图导航也没问题。现在，使用一张地图，安装这么多传感器，车辆中的地图和位置信息全部工作，这是一个完整的测绘安全概述。偏转和加密，怎么加？有高精地图的加密方法，也有数据中的传输安全和安全风险检测。此外，我们特别加强了云中的安全风险检测和评估，其中使用了车联网的14个场景数据，如何在云端存储、分析和追溯这些数据，以及如何防控云中的南北和东西数据。数据到达云中后，我们不能只创建被阻止的云。有带边框的栅栏，南北向的栅栏，东西向的栅栏，主要在栅栏的边框保护，如何防止攻击，如何监控异常进入。如果监控场景中有一些风险追踪，如何追溯。同时要保证数据的一致性和完整性，传输安全和传输保障。此外，通过自动化手段发现和分析一些敏感文档和数据流的关系图。此外，在IT层和网络层还有一些数据的跨境监控和可追溯性。这些就是我们刚才在这个背景下介绍的，如何通过技术手段解决现在落地的可能性，把这种可能性归结为一个有形的、可执行的平台。谢谢大家！2021年6月17日至19日，由中国汽车工业协会主办的第十一届中国汽车论坛在嘉定举行。站在新五年的起点上，本届论坛以“新起点、新战略格局——推动汽车产业高质量发展”为主题，设置“一次闭门峰会+一次会议论坛+两次中外论坛+12场主题论坛”，全方位汇聚政府领导、全球汽车企业领袖、汽车行业精英，共商汽车产业强市大计，落实国家提出的“二氧化碳排放峰值、碳中和”战略目标要求，助力打造。其中，四维图新副总裁石庆华在6月19日下午举行的主题论坛“智能网联汽车产业发展与安全论坛”上发表了主题演讲。以下为现场演讲:

感谢各位领导，听了朱老师对数据安全的系统思考。说实话，我比较激动，找到看到问题的专家和领导，一起探讨解决数据治理的问题。两年前，我们带领几个单位一起研究技术落地的考虑，试图回答这个问题。回答问题的时候有很多业内的朋友，有汽车厂商，有Tier1的朋友，也有很多供应商。我们怎么看待这个问题？稍后，我将介绍该技术。现在在想办法解决问题，可能解决的问题，落地的情况下可以覆盖哪些场景。再来看云，管，端。首先是汽车本身，它包括行车安全的最终体现，在行车安全的过程中，刚才朱教授的片子，我们看这个问题，技术上怎么看？有几种非常重要的数据类型，也是分类分级数据。第一，我们车内的数据代表了当前车的健康状况。这些数据现在在车联网中被大规模使用和收集。对于未来的自行车智能网联和多车智能网联，朱老师只是呼吁统一定义。每辆车大概有上百个ECU。现在可以从软件定义上对ECU的定义进行分类了吗？至少，状态码一致，状态码不一致。怎么才能统一规划？还有一种数据涉及个人隐私。在个人数据方面，大家都听说过很多种由于个人数据保护不力导致个人信息泄露的案件。我们知道使用手机的时候，个人手机是被绑死的，而使用汽车的时候，个人信息会被绑死的更厉害，尤其是车内摄像头和车外摄像头同时开启的情况下。如何预防、防范、追踪这些数据中的个人？还有一种数据是汽车布满各种传感器，传感器基本360度无死角覆盖。在行驶过程中，有一个完整的收集过程。在这个过程中，一辆车没事，几辆工程车也没事。当成千上万的汽车在中国跑的时候，我们已经基本完成了对自己真实情况的测绘。这是上升到国家安全的事情，是我们在车侧必须注意的一幕。还有传输过程中的各种攻击、泄密、数据一致性问题，最重要的是云平台的安全性。现在云平台安全了，如果大规模建设，有三个应用场景:一是我们普通的TSP场景，车内信息采集，未来会面临两个应用场景。首先我们会做自动驾驶，L2，L2++，以及这个过程中工程车的数据。因为我们知道，真正的自动驾驶过程中，模型是真正发挥作用的，模型是经过大量训练的，训练完之后，模型被搬到量产车上，模型每天都在识别前方是什么驾驶状态，所以真正的作用是模型。在模型训练的过程中，有大量的现实环境数据上传到云平台来训练模型。在看问题的过程中，会涉及到如何防控工程车的数据，以及跟踪溯源。更重要的是，模型训练好之后，把模型放到量产车上，然后如何跟踪管理。从我们的技术角度来看……看来，这些案例和场景在技术上是可以理解的，通过我们的一些技术手段。围绕这些技术手段，我尝试综合管理如何在车内、在传输端、在后台云端连接这么多数据，以及L2、L2++、L3等这么复杂的流程和未来数据。所以，委托我们来牵头。很多公司都有一个专家团队在一起。专家团队从三个方面建立了一套略具可操作性、真正有效的全链条监控方法，并将其放到平台上。怎么做？这里再技术一点，大致的逻辑是，在车联网领域，以及未来自行车智能驾驶、网联智能驾驶遇到的这一堆数据，通过对这些数据的定向分析和定量检测，建立六个子系统，以这六个子系统为起点，建立整个数据从采集到传输、应用、存储、更新、发布，再到OTA回传的完整链条。在完整的链条中，各种需要可见的数据流程和可能被追踪的数据的节点都建立在上面，这就是呈现给大家的整体技术框架。在这个技术架构中，我们首先希望捕捉的是完整的数据链。在整个链条流程中，每一个节点的详细介绍都是我们整体的可视化安全监管。尤其是在车辆安全风险的检测上，这些检测包括我们在车辆上植入的SDK，植入的SDK就是植入的代码。这个代码主要解决两个问题:第一，测绘安全我们需要一张地图，因为大家都知道自动驾驶好。以前单纯用地图导航也没问题。现在，使用一张地图，安装这么多传感器，车辆中的地图和位置信息全部工作，这是一个完整的测绘安全概述。偏转和加密，怎么加？有高精地图的加密方法，也有数据中的传输安全和安全风险检测。此外，我们特别加强了云中的安全风险检测和评估，其中使用了车联网的14个场景数据，如何在云端存储、分析和追溯这些数据，以及如何防控云中的南北和东西数据。数据到达云中后，我们不能只创建被阻止的云。有带边框的栅栏，南北向的栅栏，东西向的栅栏，主要在栅栏的边框保护，如何防止攻击，如何监控异常进入。如果监控场景中有一些风险追踪，如何追溯。同时要保证数据的一致性和完整性，传输安全和传输保障。此外，通过自动化手段发现和分析一些敏感文档和数据流的关系图。此外，在IT层和网络层还有一些数据的跨境监控和可追溯性。这些就是我们刚才在这个背景下介绍的，如何通过技术手段解决现在落地的可能性，把这种可能性归结为一个有形的、可执行的平台。谢谢大家！

标签：发现

汽车资讯热门资讯