自动驾驶数据安全白皮书（2020）_14页_1mb

报告摘要

自动驾驶数据安全白皮书（2020）总结

核心内容

《自动驾驶数据安全白皮书（2020）》是国内首份专注于自动驾驶数据安全的行业报告，旨在系统梳理自动驾驶数据安全领域的法规政策、技术标准与实践案例，推动行业健康发展。白皮书从意义与目标、参编单位、亮点内容及发展建议四个方面展开，全面分析了自动驾驶数据安全的重要性、分类方法、风险架构及技术防护体系。

主要观点

自动驾驶数据安全的重要性：自动驾驶技术依赖大量数据进行训练与优化，数据的采集、存储、处理、传输与共享等环节均面临安全威胁。实现自动驾驶商业化落地，必须解决数据安全问题。
分类原则与方法：白皮书提出自动驾驶数据分类应基于其功能实现流程，结合我国产业发展阶段，重点关注用户个人相关数据。分类应具有包容性和可扩展性，避免设置无意义的类目。
数据安全风险架构：根据自动驾驶功能实现流程，白皮书构建了从采集层到应用层的四层技术应用架构，并分析了各层可能存在的安全风险。
数据安全技术架构：提出了涵盖采集层、通信层、平台层与应用层的数据安全防护技术体系，包括身份认证、数据加密、脱敏、访问控制、审计等关键技术。
发展建议：白皮书建议细化自动驾驶数据安全规范，明确云平台责任，促进数据开放共享，并加强智能网联测试示范区的防护体系建设。

关键信息

亮点内容

自动驾驶数据分类
- 感知数据：包括车辆运行数据、V2X数据、自动驾驶地图数据、位置信息数据、雷达数据和视觉数据。
- 决策与控制数据：涵盖预测数据、规划数据、决策数据和控制数据。
- 测试与仿真数据：包括测试场景数据、驾驶行为数据、车辆动力学相关数据、自动驾驶系统数据和虚拟驾驶场景数据。
- 用户个人数据：涉及车辆信息相关数据、用户驾驶习惯和用户信息。
数据安全风险分析
- 白皮书提出自动驾驶技术应用架构分为采集层、通信层、平台层和应用层。
- 各层均存在不同的安全风险，如数据泄露、非法访问、加密不足等。
数据安全目标体系
- 自动驾驶数据涉及多个角色与环节，包括整车企业、软件平台、算法应用、研究机构、监管部门和用户。
- 数据不仅包括算法开发、道路测试、应用阶段产生的数据，还涵盖高精度地图数据和产业生态链中的共享利用数据。
数据安全技术架构
- 应用层：包括身份认证、密钥及证书管理、AI算法保护、入侵检测、访问控制、数据操作审计等。
- 平台层：涉及数据标记标识、静态/动态数据加密、数据脱敏、数据安全扫描、数据合规验证、数据安全存储、剩余信息保护等。
- 通信层：包括冗余备份、SecOC、IPSEC VPN、TLS加密认证、匿名认证、访问控制等。
- 采集层：涵盖安全存储、采集设备及数据源安全认证、电磁波安全检测、无线回传检测、红外检测、APP安全防护等。