减轻针对自动驾驶车辆的网络攻击：生成式人工智能防御技术综合综述

《ARTIFICIAL INTELLIGENCE REVIEW》：Mitigating cyberattacks on autonomous vehicles: a comprehensive review of Generative Artificial Intelligence defense techniques

　　

摘要

自动驾驶车辆正迅速成为智能交通系统的重要组成部分，但其复杂的网状物理架构使其面临日益多样且不断变化的威胁。现有的网络安全解决方案难以应对自动驾驶生态系统动态性强、数据量大的特点，导致感知、通信和决策等子系统中的关键漏洞得不到解决。生成式人工智能包括生成对抗网络、变分自编码器和扩散模型，已成为用于攻击模拟和防御强化的强大工具，能够生成合成数据、模拟恶意攻击，并提升异常与入侵检测能力。尽管人们越来越关注将生成式人工智能应用于通用网络安全领域，但其在自动驾驶安全领域的系统化应用仍较为零散且研究不足。本文通过PRISMA指导下的系统性综述，针对生成式人工智能在自动驾驶网络安全中的防御机制进行了研究，汇总了2020年1月至2026年2月间来自主要科学数据库的216篇经过同行评审的研究论文。本文主要有三方面贡献：首先，我们提出了一种以自动驾驶车辆为中心的三维分类体系，从生成架构、防御功能和与自动驾驶相关的攻击面三个方面对防御措施进行分类，同时明确指出每项研究对应的自动驾驶子系统及应用场景；其次，我们对研究结果进行了有条理的综合分析，将不同研究中的具体性能数据与更广泛的设计思路区分开来，揭示了传统方法与基于生成式人工智能的方法在可扩展性、适应性及韧性方面的本质差异；最后，我们指出了当前存在的若干关键挑战，如训练稳定性问题、缺乏标准化的自动驾驶安全评估指标、实时部署的限制以及可解释性不足等问题，并为安全要求极高的应用环境提出了具体的研究方向。通过将生成式人工智能防御措施与自动驾驶系统层次及网状物理威胁模型相结合，本文为从业者和研究人员提供了有价值的参考，有助于构建高效、可扩展且值得信赖的下一代自动驾驶车辆网络安全解决方案。