3. 汽车网络安全威胁 landscape

要建立有效的 R155 威胁监控与事件响应体系,第一步不是部署传感器或写规则,而是把“敌人可能从哪里来、用什么方式打、打完会留下什么痕迹”这张威胁地图画清楚。汽车网络安全威胁 landscape 就是这张地图:它把车辆从物理接口到云端服务的所有暴露点、攻击者惯用的技术路径、以及真实世界已经发生的事件串联起来,为后续的检测、分类和响应提供坐标系。

一、核心原理:攻击面、威胁类型与攻击向量的三角关系

在汽车网络安全中,攻击面(Attack Surface)指车辆电子电气架构中所有可被外部访问或影响的接口与资源总和;攻击向量(Attack Vector)是攻击者抵达并利用这些接口的具体路径;威胁类型(Threat Type)则是攻击者达成目的后表现出的行为类别,如拒绝服务、数据窃取、控制劫持、勒索等。三者不是并列概念,而是“入口—路径—后果”的因果链。

R155 法规要求制造商识别与车辆类型相关的威胁、脆弱性和攻击面,并持续监控。因此,威胁 landscape 不是一次性清单,而是随车型、软件版本、供应链和外部生态动态变化的活文档。理解这一点,才能避免把威胁建模做成“交差式表格”。

汽车网络安全威胁 landscape 三角关系图 攻击面(入口) → 攻击向量(路径) → 威胁类型(后果) 攻击面(Attack Surface) 物理接口 OBD-II / USB / 充电口 / 钥匙 短距无线 BLE / Wi-Fi / NFC / RKE / TPMS 蜂窝与远程 4G/5G TCU / eCall / V2X 车载网络 CAN / LIN / FlexRay / 以太网 云端与生态 TSP / OTA / 手机 App / 第三方 供应链与诊断 零部件固件 / 诊断仪 / 产线工具 攻击向量(Attack Vector) 物理接触注入 OBD 刷写 / 总线报文注入 无线协议攻击 中继 / 重放 / 蓝牙配对劫持 远程接口利用 TCU 漏洞 / API 越权 / 证书泄露 供应链植入 恶意固件 / 后门 / 依赖投毒 社会工程与云侧 钓鱼 / 账号接管 / 配置错误 侧信道与故障注入 电压毛刺 / 时钟篡改 / 功耗分析 威胁类型(Threat Type) 控制劫持 转向 / 制动 / 动力异常 拒绝服务 总线洪泛 / 资源耗尽 数据窃取与隐私 位置 / 通话 / 生物特征 勒索与锁定 ECU 加密 / 车辆禁用 功能篡改与欺诈 里程篡改 / 排放作弊 安全关键失效 ADAS 误判 / 气囊异常 R155 要求:持续识别攻击面变化 → 监控攻击向量活动 → 分类威胁类型并触发响应

二、常见攻击面与威胁类型清单

下表把车辆全生命周期中最常见的攻击面、对应攻击向量和典型威胁类型放在一起,便于在威胁监控平台中建立映射关系。实际项目中,每个车型应在此基础上做裁剪和补充。

攻击面 典型攻击向量 主要威胁类型 监控关注点
OBD-II 诊断口 物理接入、UDS 服务滥用、刷写 控制劫持、功能篡改 异常诊断会话、非授权 DID 写入
蓝牙 / Wi-Fi 中继、重放、配对劫持、协议漏洞 无钥匙进入窃取、数据窃取 异常连接频次、信号强度突变
TCU / 蜂窝链路 远程 API 越权、证书泄露、固件漏洞 远程控制、拒绝服务 异常 IP 会话、指令序列偏离
CAN / 车载以太网 报文注入、洪泛、ID 伪造 拒绝服务、控制劫持 总线负载、周期抖动、未知 ID
OTA / TSP 云端 供应链投毒、配置错误、账号接管 勒索、数据窃取、批量控制 签名校验失败、异常下发批次
手机 App / 第三方 逆向、令牌泄露、SDK 后门 隐私泄露、车辆解锁 异常登录地、高频远程指令

三、典型汽车网络安全事件与趋势分析

回顾过去十年的公开事件,可以清晰看到攻击重心的迁移。2015 年 Jeep Cherokee 远程控制事件证明了通过蜂窝网络接管车辆的可行性;2016 年 Mirai 僵尸网络虽不直接针对汽车,却暴露了车联网终端弱口令的普遍风险;2020 年后,无钥匙进入中继攻击成为量产车被盗的主要手段之一;2022 年至 2024 年,针对 TSP 和 OTA 的供应链与云侧攻击显著上升,攻击者更倾向于“一次入侵、批量影响”。

趋势上呈现四个特征:第一,攻击链前移,从车内总线转向云端和供应链;第二,攻击工具化,CAN 注入设备、中继盒子在暗网可购;第三,勒索模式渗透,针对车队和充电网络的勒索开始出现;第四,AI 辅助攻击,自动化漏洞挖掘和钓鱼内容生成降低了攻击门槛。这些趋势直接决定了 R155 威胁监控不能只盯车内,必须覆盖车、云、管、端全链路。

提示:威胁 landscape 应至少每季度评审一次,并在新车型 SOP、重大 OTA、供应链变更后触发临时评审。监控规则与威胁清单要双向可追溯。

四、误区与复盘:威胁建模常见的三个坑

  • 只列接口不列路径。把 OBD、蓝牙、TCU 列成清单就结束,没有描述攻击者如何从入口走到关键 ECU,导致监控规则无法落地。
  • 忽视“合法但异常”。很多攻击使用合法诊断服务和合法凭证,仅靠白名单无法发现,需要结合行为基线和上下文。
  • 把威胁类型当攻击面。“拒绝服务”是后果不是入口,混淆两者会让风险矩阵失去意义。

复盘时建议用一条真实事件反向验证:从威胁类型倒推攻击向量,再倒推攻击面,检查监控点是否覆盖。例如“车辆被远程解锁”这一威胁,倒推可能是 App 令牌泄露 → 云 API 越权 → TCU 指令下发,对应监控点应覆盖异常登录、API 调用频次和 TCU 指令序列。只有形成这种闭环,威胁 landscape 才真正服务于 R155 的持续监控与事件响应。

威胁监控映射示例(YAML 片段)
threat: unauthorized_vehicle_unlock
attack_surface: mobile_app_api
attack_vector: token_leakage
monitor_points:
  - cloud_api: abnormal_login_location
  - cloud_api: high_frequency_unlock_cmd
  - tcu: command_sequence_deviation
response: block_token_and_alert_soc
核心结论:汽车网络安全威胁 landscape 的本质是一张“入口—路径—后果”的动态映射图。R155 合规不是背下威胁清单,而是让这张图持续更新、可监控、可响应。