面向智能联网车辆的漏洞理解与特征化：基于真实世界攻击的分析
密码学与安全
2026-01-05 v1 软件工程
摘要
智能联网车辆（Intelligent Connected Vehicles, ICVs）是现代交通系统的核心组件，其安全性直接关系到用户安全。尽管已有研究，但大多数现有研究仅聚焦于 ICV 的特定子组件，由于其内在复杂性，导致缺乏对 ICV 漏洞的系统性理解。此外，当前文献大多依赖人类主观分析，如调查和访谈，这类方法往往高度概括且缺乏验证，导致理论发现与实际攻击之间存在显著鸿沟。为此，我们进行了首次大规模实证研究，系统性地分析 ICV 漏洞。我们首先分析了现有 ICV 安全文献，总结了基于漏洞位置和类型的主流分类框架。为评估其现实相关性，我们收集了 649 个可被利用的漏洞，其中 592 个来自 2023 年 1 月至 2024 年 4 月期间举办的八个 ICV 漏洞发现竞赛（Anonymous Cup），覆盖 48 种不同车辆。剩余 57 个漏洞则由研究人员每日提交。基于此数据集，我们评估了现有分类框架的覆盖范围，发现了若干空白，发现了一个新的漏洞位置和 13 种新的漏洞类型。我们进一步将这些漏洞归类为 6 种威胁类型（如隐私数据泄露）和 4 个风险等级（从低到严重），并分析了参赛者的技能水平及竞赛中涉及的 ICV 类型。该研究提供了 ICV 漏洞的全面且数据驱动的分析，为研究人员、行业从业者和政策制定者提供了可操作的见解。为支持未来研究，我们已公开漏洞数据集。
引用
@article{arxiv.2601.00627,
title = {Towards Understanding and Characterizing Vulnerabilities in Intelligent Connected Vehicles through Real-World Exploits},
author = {Yuelin Wang and Yuqiao Ning and Yanbang Sun and Xiaofei Xie and Zhihua Xie and Yang Chen and Zhen Guo and Shihao Xue and Junjie Wang and Sen Chen},
journal= {arXiv preprint arXiv:2601.00627},
year = {2026}
}