本文研究了车联网（V2X）协同感知中的安全漏洞。协同感知通过连接车辆交换中间特征来提高自动驾驶感知能力，其中置信度驱动的稀疏通信仅传输感知关键的空间区域以降低带宽。然而，一旦协作方被攻陷，攻击者可以在高置信度或自车不确定区域注入恶意特征，这些特征在融合过程中会被优先选中并放大。以Where2comm框架为例，作者提出了一种伪善良（Pretend Benign）攻击，利用其空间置信度机制，在不确定但感知关键的区域注入隐蔽扰动，严重降低3D目标检测性能，同时保持类似良性特征。此外，作者指出现有信任防御的弱点：它们主要依赖单一一致性信号，当多个攻击者形成伪共识以偏置信任估计时，容易受到攻击。为此，本文提出了一种轻量级防御——全局-局部结构信任（GLST），通过三种互补视角评估协作方可靠性：全局特征一致性、多尺度局部残差一致性和与自车语义拓扑的结构一致性。由此产生的信任分数指导特征融合，抑制不可靠的协作方。在OPV2V数据集上的实验表明，GLST在面对单攻击者伪善良攻击时具有竞争力的性能，在多攻击者场景下鲁棒性显著增强。在四攻击者伪善良攻击下，GLST保持了0.69 AP@0.3，而现有单信号防御严重退化。GLST对基于梯度的攻击（如PGD）也有效，表明多级信任建模对于保护置信度驱动的协同感知至关重要。本文适合对自动驾驶安全性、V2X通信和对抗性防御感兴趣的研究人员阅读。

该论文针对智能交通系统中车辆与基础设施间安全通信的关键需求，聚焦于恶意或异常车辆密码凭证的及时撤销问题。当前标准对撤销处理规定模糊，现有方案在可扩展性和有效性方面存在严重局限。为此，作者提出了一种形式化验证的车辆自撤销机制，该机制利用车辆中的可信处理元素（TPE），但不依赖可信时间源，从而避免了时间同步的脆弱性。方案兼容现有标准化工作，并首次利用Tamarin证明器保证撤销的确定性和可预测的上界，即使在存在现实攻击者（如网络延迟、消息丢失）的情况下也能确保撤销的实效性。作者在虚拟5G-Edge部署场景中模拟了大量车辆通信的真实环境，包括网络故障和延迟，实验结果表明该机制在保持形式化保证的同时，具有低网络开销和良好的可扩展性。该工作对V2X安全基础设施的改进具有重要参考价值。