本文是一篇立场论文（position paper），聚焦电动汽车充电基础设施中充电站这一最脆弱环节，尤其指出充电站供电设备（EVSE）中的嵌入式与配套软件目前是一块几乎不受保护、也缺乏特征刻画的攻击面。作者认为，充电桩软件同时承受传统 IT 漏洞与网络物理（cyber-physical）风险：一旦软件质量缺陷被触发，可能影响计费、通信、充电控制乃至电网侧交互等环节，而当前业界既缺少统一的质量度量，也缺少覆盖开发全生命周期的安全保障实践。核心问题是：如何系统性地刻画并降低这一攻击面上的漏洞密度与危害？为此，作者主张把现代软件质量保障（SQA）方法迁移到充电站专用软件上，并具体推荐使用分层软件质量保障（Hierarchical Software Quality Assurance, HSQA）。HSQA 的思路是建立分层视图：底层对应可枚举、可追踪的具体缺陷（如 CVE 级别的单个漏洞），上层对应高阶质量与安全特性（如机密性、完整性、可用性 CIA 三元组），并在各层之间建立可追溯的映射关系；同时把质量与安全考量嵌入软件开发生命周期的各个阶段，而不是只在测试末期做一次扫描。论文的贡献主要是提出这一研究议程与论证，说明 HSQA 为什么适合评估充电站软件，并为后续实证研究、度量体系构建和标准落地提供方向，而非给出具体的实验结果或工具实现。适合软件工程与安全研究者、充电桩厂商与运营商、以及参与 EV 基础设施标准与合规制定的读者阅读。

该论文介绍了 HotWire，一个用于 DIN 70121 和 ISO 15118-2 车联网（V2G）充电协议的双向测试平台。HotWire 同时实现了恶意充电桩（EVSE）和恶意电动汽车（PEV）两端，并提出了两种具体攻击：A1 为 Autocharge EVCCID 身份冒充攻击，A2 为通过伪造 PreChargeRes 电压声明实现的强制放电攻击。该存档是 USENIX WOOT '26 论文的配套材料，包含完整的 Python 实现、基于 Docker 的 CI 测试框架（240 个单元与集成测试）、参数化仿真脚本、硬件设计、恢复文档、安全说明、AEC 验证入口，以及作为 A2 证据的 Luxgen N7 强制放电测试台架日志。整个评估可在 Docker 和 IPv6 回环模拟中完成，无需真实充电站、车辆或 PLC 调制解调器。研究的核心贡献在于提供了一个可复现的双向安全测试平台，揭示了电动汽车充电协议中身份认证和电压信任方面的漏洞，并演示了如何通过伪造协议消息实现车辆身份冒充和强制放电攻击。该研究面向电动汽车安全研究员、充电基础设施运营商、汽车制造商和协议标准制定者，有助于理解 V2G 通信中的真实攻击面，并为后续安全加固与检测机制研究奠定基础。

电动汽车充电基础设施正日益成为网络攻击的目标，而合法的用户行为——如在充电激活后修改请求的充电能量和离开时间——与充电操纵攻击在界面上高度相似，这给攻击检测带来了独特挑战。现有方法往往将任何请求修改视为异常，导致高误报率，无法区分恶意操纵与正常用户更新。本文针对这一核心问题，提出了一种基于会话级别、且对泄漏进行控制的基准测试框架。该框架保留真实 ACN (Adaptive Charging Network) 数据中会话输入的顺序信息，并将合法的修订行为建模为正常行为。为公平评估，作者设置了一个固定的攻击池，确保每个生成的攻击样本都归属于其源会话的数据划分，并构建了六种基于物理意义的攻击及其协同变体。研究对比了22种模型族，涵盖仅配置文件、状态转移感知和上下文分层等方法，并在共同的分组折、攻击数据和运行约束下进行交叉验证。提出的新模型——双分支掩码自编码器 (Masked-Autencoder) 转换增强模型 (Dual-Branch Masked-AE Transition Boost)——由两个分支构成：状态分支结合掩码重构与基于径向基函数的一类支持边界，负责判断当前请求是否正常；转移分支则结合掩码重构与收缩协方差距离，用于评估产生当前请求的转移过程是否类似于观察到的良性更新。模型在源分组五折交叉验证下，通显式设定整体正常率和良性更新接受率约束来选择完整配置，并使用独立的正常数据校准最终阈值。实验表明，该双分支模型在抵御恶意请求操纵的同时，不会错误地拒绝合法用户的选择，展现出最强的鲁棒验证性能。本文的核心贡献在于提出了一个更具现实意义的攻击检测评估框架，以及一个能够区分合法更新与恶意操纵的双分支检测模型，对电动汽车充电系统安全研究具有重要参考价值。适合充电基础设施安全研究者、工业控制系统安全工程师以及机器学习与安全交叉领域的研究人员阅读。

本文系统综述了电动汽车充电基础设施（EVCI）的网络安全研究进展、现存挑战与未来方向。随着电动汽车普及，充电桩作为连接电网、通信网络和车辆的交汇点，面临日益严峻的网络攻击面。作者首先梳理了针对EVCI的典型攻击场景，包括对充电通信协议（如ISO 15118、OCPP）的利用、对充电桩固件的篡改、以及对电网侧的负荷操控攻击。现有防御措施主要依赖基于机器学习的入侵检测系统（IDS），但这些系统的性能受限于训练数据的质量和多样性。论文深入分析了当前公开和私有数据集的局限性，例如缺乏真实攻击流量、样本不平衡、场景覆盖不全等，并比较了各类IDS模型（如监督式、半监督式、生成式方法）在EVCI中的适用性。主要贡献在于：1）全面汇总了EVCI网络安全领域的数据集资源；2）识别了从数据采集、特征工程到模型评估的八项关键挑战；3）提出了未来研究方向，包括利用联邦学习保护数据隐私、构建数字孪生模拟环境、以及设计自适应攻击检测框架。适合从事智能电网安全、联网汽车安全以及工业控制系统安全的研究人员和工程师阅读。

本论文提出一种基于市场分析的可扩展方法，用于在国家层面评估电动汽车充电站的网络安全状况。现代充电通信标准（如CCS）虽然支持TLS认证和加密等可选安全控制，但由于一个国家内部署了数万个快速充电点，逐一测试每个站点是否支持安全控制是不可行的。为此，作者提出了一种外推法：首先通过市场分析识别运营商-制造商组合，据此有针对性地选择充电站进行现场测试，然后将测试结果外推到所有具有相同组合的充电站。该方法在德国进行了验证，覆盖了截至2025年12月超过40000个CCS充电点。通过可控数量的现场测试，外推数据覆盖了德国51.9%的CCS充电站。结果显示，尽管理论上广泛支持TLS，但只有27.4%的充电站在实际中提供了TLS保护的通信。论文的主要贡献在于提出了一种成本效益高、可大规模应用的方法，能够快速评估充电基础设施的安全态势，并揭示了实际部署与理论能力之间的巨大差距。适合关注电动汽车基础设施安全的研究人员、政策制定者以及充电网络运营商阅读。