该论文针对特斯拉Model 3的无钥匙进入系统进行了安全研究。Tesla Model 3在传统遥控钥匙之外，还配备了手机钥匙（Phone Key）和钥匙卡（Key Card）功能，旨在提升用户的驾驶体验。其中，手机钥匙功能允许用户将智能手机作为数字钥匙，通过车辆与手机之间的无线认证过程，在无需掏出手机甚至手机放在口袋或包内的情况下即可解锁并启动车辆，这一便捷性也带来了潜在的安全风险。论文的研究问题是：攻击者是否能够在车主完全无感知的情况下，入侵并利用这一无钥匙进入系统，从而非法访问车辆。由于目前仅有论文摘要，具体的技术实现细节、攻击路径、所需设备以及实验验证过程尚未公布。但可以推断，论文的核心贡献在于揭示特斯拉Model 3无钥匙进入系统中存在的安全弱点，可能包括无线认证协议的缺陷、手机与车辆之间通信的薄弱环节，或是应用层验证机制的不足。该研究将有助于安全社区理解现代智能汽车无钥匙系统面临的威胁，并为汽车制造商改进安全设计提供参考。适合汽车安全研究人员、物联网安全专家、特斯拉车主以及智能交通系统安全从业者阅读。

本文研究 CAN 总线系统中基于到达时间差（TDoA）测量的入侵检测方法的安全性。CAN 总线是车辆内部通信的事实标准，以鲁棒性和安全性为主要设计目标，但在实际部署中缺乏消息认证等常见安全功能。由于汽车供应商需要保证互操作性，大多数制造商依赖数十年前的 ISO 11898 标准，通过引入 MAC（消息认证码）改变帧格式并不现实。因此，研究界提出利用 CAN 总线入侵检测系统（IDS）来弥补这一缺陷，通过附加模块从物理层特征（如时序、电压、瞬态，以及最近提出的 TDoA 测量）来归属消息发送者。本文首先揭示，已有文献中的 TDoA 方法容易遭受新型欺骗（spoofing）和投毒（poisoning）攻击。作者不仅描述了这些攻击如何破坏现有方案的可靠性，还提出了针对性的修复思路，并在此基础上设计了一种新方法 EdgeTDC。与依赖高采样率、高动态范围 ADC 来捕获样本级信号的现有方法不同，EdgeTDC 使用时间数字转换器（TDC）来检测帧中每个边缘（上升沿和下降沿）并测量其到达时间。TDC 硬件成本低、延迟小、位置精度高，能够测量帧的每一个边沿，从而无需进行模拟采样即可获得完整的时序信息。通过计算边沿之间的统计特征，EdgeTDC 甚至能够检测出对消息部分内容的篡改。大量实验表明，EdgeTDC 可以有效挫败现代车辆 CAN 系统中的伪装攻击，展示了其在现实环境中的可行性与鲁棒性。本文的贡献在于：系统性分析 TDoA 方法的弱点、提出可修复方案、并验证 EdgeTDC 作为低成本替代方案的防御有效性。适合汽车安全研究员、CAN 总线 IDS 设计者以及关注物理层安全的从业者阅读。

随着现代汽车向智能网联化发展，其复杂性带来了严峻的网络安全风险。威胁分析与风险评估（TARA）已成为满足法规要求、管理这些风险的关键手段。然而，现有的TARA自动化方法大多依赖静态威胁库，难以支撑行业所需的函数级（function-level）精细分析。本文提出DefenseWeaver，这是首个利用组件特定细节和大语言模型（LLM）实现函数级TARA自动化的系统。DefenseWeaver基于扩展的OpenXSAM++格式描述系统配置，动态生成攻击树和风险评估结果，并采用多智能体框架协调多个专门化的LLM角色，以提升分析的鲁棒性。为适应不断演进的威胁和多样化标准，DefenseWeaver还引入了低秩自适应（LoRA）微调和检索增强生成（RAG）技术，结合专家编制的TARA报告。作者在四个汽车安全项目中部署验证了DefenseWeaver，识别出11条关键攻击路径，这些路径均通过渗透测试验证，并由相关汽车制造商和供应商上报及修复。此外，DefenseWeaver展现了跨领域适应性，成功应用于无人机（UAV）和海事导航系统。在与人类专家的对比中，DefenseWeaver在六个评估场景下均优于手动攻击树生成。该系统已集成到联合汽车电子（UAES）和小米等商业网络安全平台中，累计生成超过8200棵攻击树。这些结果证明了DefenseWeaver在缩短处理时间、提升可扩展性方面的能力，并为网络安全行业带来了变革性影响。

本文是作者团队提交的系统构件（artifact）说明，对应其针对联网汽车中 LTE 连接安全性所做的案例分析，研究对象为特斯拉车型。研究背景是：现代联网汽车依赖蜂窝网络（如 LTE）实现远程控制、OTA 更新、实时诊断和娱乐功能，而车联网通信链路一旦被攻击者利用，可能导致远程解锁、行驶干扰或隐私泄露。论文围绕特斯拉汽车的 LTE 通信机制展开安全分析，重点关注网络附着流程、身份认证、数据面加密以及基站侧可能存在的降级攻击或中间人攻击风险。核心方法预计包括：采集真实的 LTE 信令数据、分析 UE（用户设备）与核心网之间的交互逻辑、检查证书链与加密算法配置，并评估是否存在伪基站（如 IMSI catcher）或重定向攻击的可行性。主要贡献在于首次以特斯拉为具体案例对量产车 LTE 连接进行系统性安全审计，揭示潜在的协议弱点，并为汽车制造商和运营商提出安全加固建议。该论文适合车辆安全研究员、通信安全工程师以及关注智能网联汽车威胁建模的蓝队人员阅读。由于本摘要仅基于提交声明的简短文本，详细技术结论与实验数据需以正式论文内容为准。

现代汽车依赖控制器局域网（CAN）总线进行内部通信，其设计优先考虑低成本和实时性，但缺乏消息认证与加密机制。因此，攻击者若获得物理或远程访问权限，即可注入任意CAN帧，威胁车辆安全。入侵检测系统（IDS）作为纵深防御的关键环节，被广泛研究。已有的CAN IDS大多依赖基于存在性的特征，例如异常仲裁ID、冻结的载荷字节或异常的DLC值。这些特征在公开数据集上表现良好，能检测出易于分离的攻击，但当攻击者复用合法仲裁ID时，检测能力大幅下降。本文提出了一种CAN专用的表示方法——逐ID行为残差化（per-ID behavioral residualization）。该方法从滑动窗口中提取十四个时间、协议和载荷相关特征，并针对每个仲裁ID的正常基线进行残差化处理，得到与具体ID行为偏差的表示。论文的核心主张是：这种表示方法本身，而非任何单个检测器，带来了性能提升。在六个无监督检测器和两个数据集上的实验表明，残差化在大多数评估中提升了平均F1分数（在HCRL上21/24，在ROAD上基于五个随机种子30/36）。在更真实的ROAD数据集中，攻击复用合法ID，该表示方法在针对信号操控攻击上实现了召回率≥0.99且具有高ROC-AUC。同时，论文明确量化了两个局限性：新型ID泛洪（HCRL DoS，F1=0.02）和跨ID模糊测试（ROAD，F1=0.27），定义了所提出表示的覆盖边界。本文适合汽车安全研究员、IDS开发者和机器学习在入侵检测领域的从业者阅读，以了解CAN网络IDS的特征工程新思路及其适用范围。

本文针对当前车载控制网络中控制器局域网（CAN）总线面临的安全威胁，提出了一种基于硬件修改的 unauthorized 传输阻断方法。近年来，针对 CAN 总线的攻击案例层出不穷，而现有车载 ECU 并未内置安全功能，因此需要低成本且有效的安全措施。作者提出通过修改 CAN 控制器，使其能够限制 ECU 向 CAN 总线发送消息的频率，从而在物理层/数据链路层阻止异常的、非授权的总线访问。该方法不仅适用于传统 CAN，还扩展到了支持灵活数据速率（CAN-FD）的总线。作者通过实验验证了该‘禁用器’（Disabler）在 CAN 和 CAN-FD 系统中的有效性，证明其能够可靠地阻断异常频率的传输，同时不影响正常通信。该研究为车载网络提供了一种硬件级、低开销的入侵防御思路，适合汽车安全研究人员、ECU 设计者以及车联网安全工程师阅读。

该论文针对现代汽车网络中的数据链路层（Data-Link Layer）安全问题展开研究，提出了一种名为 CANflict 的新型攻击面。研究背景是：汽车内部广泛使用控制器局域网（CAN）总线作为核心通信协议，而现代汽车电子控制单元（ECU）通常具备多种外设接口（如 SPI、I2C、GPIO 等），这些外设与 CAN 控制器共享内存映射或中断资源。作者发现，当恶意软件或已受控组件触发这些外设与 CAN 控制器之间的资源冲突（peripheral conflicts）时，可能影响 CAN 帧的发送或接收逻辑，从而在数据链路层引入异常行为，甚至可能绕过上层安全机制。论文的核心方法是系统性地分析典型车载微控制器（MCU）中 CAN 控制器与外设之间的资源共享机制，识别可被利用的冲突窗口，并构建攻击模型。论文的主要贡献包括：首次系统化提出并定义了此类外设冲突攻击的概念；在真实硬件平台上验证了冲突对 CAN 报文时序和完整性的影响；讨论了该类攻击对现有汽车安全防护（如入侵检测系统、认证协议）的挑战；并提出了若干潜在的防御研究方向，如资源隔离、访问控制增强和运行时监控。该研究适合汽车安全研究员、ECU 固件开发者、汽车入侵检测系统设计者以及关注车载供应链安全的蓝队人员阅读。由于当前仅基于摘要，文中未提供具体实验的量化结果或在野利用证据，因此评估为纯学术研究性质。

本文针对车载网络（IVN）面临的注入攻击威胁，提出了一种状态感知的防御机制SAID（State-aware Defense Against Injection Attacks on In-vehicle Network）。车载网络是现代汽车的关键组成部分，但其安全性日益受到挑战，尤其是注入攻击（如伪造或篡改CAN总线消息）可能导致车辆失控等严重后果。现有防御方案多基于规则或异常检测，但难以应对日益复杂的攻击模式，且缺乏对车辆运行状态的感知。SAID的核心思想是利用车辆内部的状态信息（如车速、引擎状态、方向盘角度等）来动态地评估和过滤网络消息的合法性。该方法首先通过分析车辆的运行状态，建立状态转移图，并定义每个状态下合法的消息模式。然后，在运行时，SAID实时监控网络流量和车辆状态，将接收到的消息与当前状态下的合法模式进行比对，任何不符合状态预期的消息将被标记为攻击并予以阻断。实验基于真实车辆数据集和模拟攻击场景进行，结果表明SAID能够有效检测多种注入攻击（包括伪造消息、重放攻击等），同时保持极低的误报率。与传统的基于阈值或固定规则的防御相比，SAID将检测率提升至99%以上，误报率低于0.5%，且对车辆正常通信的延迟影响可忽略不计。该工作为车载网络安全提供了一种新颖的、上下文感知的防御思路，适合汽车安全工程师、嵌入式系统安全研究人员以及汽车制造商的安全团队阅读。

本文针对汽车网络安全领域中的CVE到Auto-ISAC汽车威胁矩阵(ATM)映射问题，提出了一种置信度感知的LLM路由框架。由于CVE描述侧重技术条件和影响，而ATM表达攻击者的战术和技术，两者不对齐，直接自动映射可能产生错误，进而扭曲威胁解释和修复优先级。作者将该映射重新定义为选择性自动化问题：首先通过层级上下文学习（hierarchical in-context learning）生成候选映射，然后融合自一致性（self-consistency）和基于LLM的证据验证信号，训练一个校准的元模型来输出置信度分数。根据置信度分数，每个候选映射被路由到三个等级：AUTO（自动接受）、REVIEW（需分析师审查）或HOLD（搁置）。在评估集上，该系统在匹配召回率下显著优于Flat零样本GPT-5.2基线。在高置信度操作模式下，AUTO层的精度达到0.878，是候选集基准率的两倍多；校准置信度分数区分正确与错误候选的AUROC为0.868。实验证明该框架能有效隔离可自动确认的映射，减少人工审查工作量，同时保证高精度。

该研究针对现代车辆网络安全中，现有的自动化工具有效处理非结构化网络威胁情报(CTI)不足的问题，提出GARAGE框架。GARAGE基于检索增强生成(RAG)，将碎片化的CTI转化为符合STIX 2.1和Auto-ISAC ATM标准的结构化知识库，用于自动生成攻击图。框架整合了12,786个CVE和140个事件报告，通过细粒度杀伤链分析形式化战术模式场景，实现了威胁生成能力。通过320次留一实验，验证了GARAGE能准确地将安全知识迁移到完全未见的车辆架构上。此外，GARAGE被定位为人机协同工作流中的可扩展TARA支持工具，并提供了跨多种LLM层级的成本-性能分析以指导部署。主要贡献在于提出了一个结合RAG与领域知识的自动化攻击图生成方法，有效解决了汽车CTI的异构性和架构特异问题。

本文针对控制器局域网(CAN)中的错误处理机制展开了深入的安全性分析。CAN总线广泛部署于汽车、工业自动化等安全攸关领域，其错误处理机制包括错误帧、主动错误标志、被动错误状态等，设计初衷是为了在总线节点间实现可靠的数据传输。然而，该研究通过形式化建模与实验验证，首次揭示了这些错误处理规则中存在多个可利用的漏洞。具体而言，攻击者可以通过精心构造的异常位序列，使节点被动错误状态下的错误计数重置逻辑失效，从而引发节点间的状态不一致，导致合法报文被错误地置为无效或被忽略。此外，论文还发现了错误帧的优先级与正常数据帧之间的竞态条件，攻击者利用这一条件可以阻断特定节点的数据发送，形成拒绝服务攻击。实验在真实的CAN控制器和模拟环境中进行，验证了漏洞的可利用性，并评估了其影响范围。研究还讨论了现有入侵检测方案对这类攻击的检测盲区，并提出了改进错误处理逻辑、增加计数校验与超时监控等缓解建议。该工作为车载网络安全提供了新的攻击面认知，对推动CAN协议安全增强具有重要参考价值。

本文针对下一代软件定义汽车（SDV）中区域化架构（ZoA）下OTA更新的安全挑战，提出了一种基于硬件根信任和隐私保护的认证协议zk-ScalHard。当前主流标准Uptane和AUTOSAR Adaptive依赖公钥基础设施（PKI），但随着电子控制单元（ECU）数量激增，PKI认证方式在车内和车云通信中产生带宽瓶颈，且集中式架构易泄露敏感车辆配置和乘客隐私。zk-ScalHard引入基于硅物理不可克隆函数（PUF）的去中心化层次信任模型，并设计了两种新型零知识证明（ZKP）电路：区域身份与完整性（ZIDI）电路和高性能计算聚合（HPCA）电路。这些电路结合多方计算（MPC）和递归聚合技术，实现了去中心化和可扩展性。通过将ZKP与PUF集成，协议保证了车辆级数据主权。与Uptane相比，zk-ScalHard实现了通信和验证复杂度O(1)常数级，而传统方案为O(n)线性复杂度。实验评估显示，认证带宽降低99.2%，时间攻击面减少99.9%。该架构符合GDPR要求，为未来区域化SDV提供了可扩展、安全且隐私保护的认证方案。

论文《Patchlings: Safety-Preserving Flash-Based Hotpatching for Automotive Microcontrollers》针对现代汽车软件更新周期长、安全法规合规要求高的问题，提出了一种全新的热补丁框架。传统更新方法需要数月重新验证以满足ISO 26262等安全标准，而现有实时嵌入式系统的热补丁方案缺乏对汽车领域特殊需求的支持，例如法规合规性、安全验证以及基于闪存的就地执行（XIP）架构。Patchlings是首个专为汽车系统设计的、兼顾安全合规与持久性的热补丁框架，旨在从根本上缩短漏洞和缺陷的平均修复时间（MTTM）。作者在汽车级硬件平台NXP S32K148EVB上实现了完整原型，并分别在FreeRTOS和Zephyr操作系统上进行了评估。实验结果表明，该框架具有低且确定性的开销（补丁应用时延迟仅3.3微秒），固件体积增加极小（最低6.34%），并能成功修补多种真实CVE漏洞，证明其现实适用性和有效性。该研究填补了热补丁技术在汽车领域应用的空白，为汽车网络安全应急响应提供了新思路。

本论文研究了可穿戴设备与自动化控制系统交叉领域的安全漏洞，特别聚焦于以智能眼镜为入口点，揭示在未经用户验证或交互的情况下接管安全关键自动化控制链的威胁。作者发现，当安全机制仅依赖入口点安全且对先前节点完全信任时（例如自动化控制链中的 Apple Shortcuts 或 IFTTT），此类漏洞尤为危险。他们通过非接触式、与扬声器无关的电磁干扰攻击，在受害者手机处于锁屏状态下，成功控制了真实世界系统（如 Tesla 车辆）的功能，包括解锁车门和启动远程启动。实验验证了攻击对 Tesla 等软件和自动化工具控制的系统的有效性。该研究不仅展示了未经授权控制自动化连接系统的潜力，更强调了在可穿戴技术与更广泛自动化框架集成中迫切需要更强大的安全措施。论文核心贡献在于揭示了从智能眼镜到车辆控制的无认证链漏洞，并提供了实际攻击验证，为可穿戴设备与自动化系统的安全设计提供了警示。

该论文研究了一种针对现代汽车电子控制单元（ECU）的新型远程关闭攻击方法。作者指出，现有的关闭攻击要么依赖物理操纵总线信号，要么通过消息注入，但这些方法难以同时实现远程、隐蔽和可靠。本文提出利用汽车微控制器单元（MCU）中的外设时钟门控功能，使得远程攻击者仅通过软件控制即可可靠地“冻结”被攻陷ECU的输出，并在任意时刻插入任意比特位。基于此，作者设计了名为CANNON的攻击，能够实现远程关闭目标ECU。由于CANNON攻击产生的错误模式与自然错误无法区分，且不需要插入额外消息，因此现有的入侵检测系统（IDS）难以检测。作者在两个现代乘用车ECU中使用的汽车级MCU上进行了验证，并讨论了潜在的缓解策略和对抗措施。该研究揭示了汽车安全中一个被忽视的攻击面，对汽车网络安全防御具有重要警示意义。