HSM的防护方法、装置和车辆与流程

本技术涉及车辆，尤其涉及一种hsm的防护方法、装置和车辆。

背景技术：

1、硬件安全模块（hardware security module，hsm）作为汽车电子控制单元（electronic control unit，ecu）中的核心安全芯片，负责存储整车数字证书、执行安全通信协议、完成空中下载技术（over-the-air，ota）固件签名验证等关键任务，是车载系统的信任根（英文：root of trust）。

2、随着车辆软件定义化（software-defined vehicle，sdv）和网联化程度的提升，攻击者通过获取车载系统芯片（system on chip，soc）的执行权限后，可能利用合法软件接口对hsm发起异常调用。

3、然而，当前车载系统缺乏对hsm密码接口调用行为的在线异常感知能力，攻击者可长期以低频方式滥用hsm服务而不触发告警，导致密钥泄露、身份伪造等严重安全事件。

技术实现思路

1、本技术实施例提供hsm的防护方法、装置和车辆，用以提高车辆hsm使用安全的技术效果。

2、第一方面，本技术实施例提供一种hsm的防护方法，包括：

3、获取车辆中关于hsm的实时服务请求序列和所述车辆的实时运行信息；

4、通过所述车辆中的ai检测引擎，对所述实时服务请求序列和所述实时运行信息进行推理处理，得到所述hsm的目标安全评价数据，所述ai检测引擎中部署有基于多个服务请求序列、多个运行信息、以及多个标注安全评价数据进行训练得到的检测模型；

5、根据所述目标安全评价数据，对所述hsm进行防护处理。

6、在一个或多个实施例中，对应的运行信息包括：车速数据和车辆运行状态；所述车辆运行状态包括：行驶状态、停车状态、以及ota升级状态；

7、相应的，所述检测模型包括：所述行驶状态对应的第一模型、所述停车状态对应的第二模型、所述ota升级状态对应的第三模型；

8、其中，所述第一模型是基于所述行驶状态下的多个车速数据、多个服务请求序列、以及多个标注安全评价数据，对lstm进行训练得到的；所述第二模型是基于所述停车状态下的多个服务请求序列和多个标注安全评价数据，对lstm进行训练得到的；所述第三模型是基于所述ota升级状态下的多个车速数据、多个服务请求序列和多个标注安全评价数据，对lstm进行训练得到的。

9、在一个或多个实施例中，所述对所述实时服务请求序列和所述实时运行信息进行推理处理，得到所述hsm的目标安全评价数据，包括：

10、根据所述实时运行信息中的车辆运行状态，在所述检测模型中确定出目标模型，所述目标模型为所述第一模型、所述第二模型、以及所述第三模型中的任一个；

11、将所述实时服务请求序列、以及所述目标模型下所需的实时运行信息中的车速数据输入至所述目标模型，得到所述目标安全评价数据。

12、在一个或多个实施例中，所述将所述实时服务请求序列、以及所述目标模型下所需的实时运行信息中的车速数据输入至所述目标模型，得到所述目标安全评价数据，包括：

13、通过所述目标模型根据所述实时服务请求序列、以及所述目标模型下所需的实时运行信息中的车速数据，确定第一评分、第二评分、以及第三评分；所述第一评分为请求频率的标准化偏差评分，所述第二评分为lstm的序列重构损失评分，所述第三评分为所述实时服务请求序列在多个时间窗口内的累积偏离度评分；

14、通过所述目标模型对所述第一评分、所述第二评分、以及所述第三评分进行加权融合处理，得到所述目标安全评价数据。

15、在一个或多个实施例中，所述根据所述目标安全评价数据，对所述hsm进行防护处理，包括：

16、若所述目标安全评价数据小于或等于第一预设阈值，对所述hsm进行第一防护处理，所述第一防护处理为通过所述ai检测引擎持续监测所述hsm；

17、若所述目标安全评价数据大于所述第一预设阈值、且小于或等于第二预设阈值，对所述hsm进行第二防护处理，所述第二防护处理为提高所述ai检测引擎的采样频率、并记录告警日志；

18、若所述目标安全评价数据大于所述第二预设阈值、且小于或等于第三预设阈值，对所述hsm进行第三防护处理，所述第三防护处理为控制所述hsm执行密钥轮换、并在轮换后控制所述ai检测引擎向所述hsm发送恢复确认令牌；

19、若所述目标安全评价数据大于所述第三预设阈值，对所述hsm进行第四防护处理，所述第四防护处理为控制所述hsm销毁临时会话密钥并进入完全隔离模式、以及发送紧急告警。

20、在一个或多个实施例中，在所述通过所述车辆中的ai检测引擎，对所述实时服务请求序列和所述实时运行信息进行推理处理，得到所述hsm的目标安全评价数据之前，所述方法还包括：

21、通过所述hsm对所述ai检测引擎中部署的所述检测模型的模型参数进行完整性校验，所述完整性校验包括：所述hsm利用自身私钥解密预先存储的密钥密文得到对称密钥，利用所述对称密钥解密预先存储的参数密文得到明文参数，并计算所述明文参数的第一哈希值，以所述第一哈希值与预存的参考哈希值进行比对；

22、在所述完整性校验通过后，通过所述hsm与所述ai检测引擎协商生成临时会话密钥，并利用所述临时会话密钥将所述模型参数加密传输至所述ai检测引擎。

23、在一个或多个实施例中，在所述通过所述hsm对所述ai检测引擎中部署的所述检测模型的模型参数进行完整性校验之前，所述方法还包括：

24、通过所述车辆用于通信的ota安全通道获取所述参数密文、所述密钥密文、所述参考哈希值以及整车厂ca签名，所述参数密文是基于随机对称密钥对所述模型参数进行加密得到的，所述密钥密文是基于所述hsm的公钥加密所述随机对称密钥得到的，所述整车厂ca签名用于所述车辆在ota更新时验证所述检测模型的来源；

25、将所述参数密文、所述密钥密文、所述参考哈希值以及所述整车厂ca签名写入所述hsm的安全存储区。

26、在一个或多个实施例中，所述方法还包括：

27、通过所述ai检测引擎基于所述目标安全评价数据和所述实时运行信息，生成取证数据包，所述取证数据包包括：异常事件类型、时间戳、安全评价数据、车辆识别码、以及hsm标识；

28、通过所述hsm对所述取证数据包进行签名、并将签名后的取证数据包存储至非易失性存储器中；

29、在所述非易失性存储器的存储使用率达到使用率预设阈值时，通过所述车辆用于通信的加密通道将签名后的取证数据包上传。

30、第二方面，本技术实施例提供一种hsm的防护装置，包括：

31、获取模块，用于获取车辆中关于hsm的实时服务请求序列和所述车辆的实时运行信息；

32、第一处理模块，用于通过所述车辆中的ai检测引擎，对所述实时服务请求序列和所述实时运行信息进行推理处理，得到所述hsm的目标安全评价数据，所述ai检测引擎中部署有基于多个服务请求序列、多个运行信息、以及多个标注安全评价数据进行训练得到的检测模型；

33、第二处理模块，用于根据所述目标安全评价数据，对所述hsm进行防护处理。

34、在一个或多个实施例中，对应的运行信息包括：车速数据和车辆运行状态；所述车辆运行状态包括：行驶状态、停车状态、以及ota升级状态；

35、相应的，所述检测模型包括：所述行驶状态对应的第一模型、所述停车状态对应的第二模型、所述ota升级状态对应的第三模型；

36、其中，所述第一模型是基于所述行驶状态下的多个车速数据、多个服务请求序列、以及多个标注安全评价数据，对lstm进行训练得到的；所述第二模型是基于所述停车状态下的多个服务请求序列和多个标注安全评价数据，对lstm进行训练得到的；所述第三模型是基于所述ota升级状态下的多个车速数据、多个服务请求序列和多个标注安全评价数据，对lstm进行训练得到的。

37、在一个或多个实施例中，所述第一处理模块，具体用于：

38、根据所述实时运行信息中的车辆运行状态，在所述检测模型中确定出目标模型，所述目标模型为所述第一模型、所述第二模型、以及所述第三模型中的任一个；

39、将所述实时服务请求序列、以及所述目标模型下所需的实时运行信息中的车速数据输入至所述目标模型，得到所述目标安全评价数据。

40、在一个或多个实施例中，所述第一处理模块，将所述实时服务请求序列、以及所述目标模型下所需的实时运行信息中的车速数据输入至所述目标模型，得到所述目标安全评价数据，具体用于：

41、通过所述目标模型根据所述实时服务请求序列、以及所述目标模型下所需的实时运行信息中的车速数据，确定第一评分、第二评分、以及第三评分；所述第一评分为请求频率的标准化偏差评分，所述第二评分为lstm的序列重构损失评分，所述第三评分为所述实时服务请求序列在多个时间窗口内的累积偏离度评分；

42、通过所述目标模型对所述第一评分、所述第二评分、以及所述第三评分进行加权融合处理，得到所述目标安全评价数据。

43、在一个或多个实施例中，所述第二处理模块，根据所述目标安全评价数据，对所述hsm进行防护处理，具体用于：

44、若所述目标安全评价数据小于或等于第一预设阈值，对所述hsm进行第一防护处理，所述第一防护处理为通过所述ai检测引擎持续监测所述hsm；

45、若所述目标安全评价数据大于所述第一预设阈值、且小于或等于第二预设阈值，对所述hsm进行第二防护处理，所述第二防护处理为提高所述ai检测引擎的采样频率、并记录告警日志；

46、若所述目标安全评价数据大于所述第二预设阈值、且小于或等于第三预设阈值，对所述hsm进行第三防护处理，所述第三防护处理为控制所述hsm执行密钥轮换、并在轮换后控制所述ai检测引擎向所述hsm发送恢复确认令牌；

47、若所述目标安全评价数据大于所述第三预设阈值，对所述hsm进行第四防护处理，所述第四防护处理为控制所述hsm销毁临时会话密钥并进入完全隔离模式、以及发送紧急告警。

48、在一个或多个实施例中，在所述通过所述车辆中的ai检测引擎，对所述实时服务请求序列和所述实时运行信息进行推理处理，得到所述hsm的目标安全评价数据之前，所述第一处理模块，还用于：

49、通过所述hsm对所述ai检测引擎中部署的所述检测模型的模型参数进行完整性校验，所述完整性校验包括：所述hsm利用自身私钥解密预先存储的密钥密文得到对称密钥，利用所述对称密钥解密预先存储的参数密文得到明文参数，并计算所述明文参数的第一哈希值，以所述第一哈希值与预存的参考哈希值进行比对；

50、在所述完整性校验通过后，通过所述hsm与所述ai检测引擎协商生成临时会话密钥，并利用所述临时会话密钥将所述模型参数加密传输至所述ai检测引擎。

51、在一个或多个实施例中，在所述通过所述hsm对所述ai检测引擎中部署的所述检测模型的模型参数进行完整性校验之前，所述第一处理模块，还用于：

52、通过所述车辆用于通信的ota安全通道获取所述参数密文、所述密钥密文、所述参考哈希值以及整车厂ca签名，所述参数密文是基于随机对称密钥对所述模型参数进行加密得到的，所述密钥密文是基于所述hsm的公钥加密所述随机对称密钥得到的，所述整车厂ca签名用于所述车辆在ota更新时验证所述检测模型的来源；

53、将所述参数密文、所述密钥密文、所述参考哈希值以及所述整车厂ca签名写入所述hsm的安全存储区。

54、在一个或多个实施例中，所述第一处理模块，还用于：

55、通过所述ai检测引擎基于所述目标安全评价数据和所述实时运行信息，生成取证数据包，所述取证数据包包括：异常事件类型、时间戳、安全评价数据、车辆识别码、以及hsm标识；

56、通过所述hsm对所述取证数据包进行签名、并将签名后的取证数据包存储至非易失性存储器中；

57、在所述非易失性存储器的存储使用率达到使用率预设阈值时，通过所述车辆用于通信的加密通道将签名后的取证数据包上传。

58、第三方面，本技术实施例提供一种车辆，包括：存储器，处理器；

59、所述存储器存储计算机执行指令；

60、所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如上第一方面和/或第一方面各种可能的实施方式。

61、第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上第一方面和/或第一方面各种可能的实施方式。

62、第五方面，本技术实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上第一方面和/或第一方面各种可能的实施方式。

63、本技术实施例提供的hsm的防护方法、装置和车辆，该方法通过获取车辆中关于hsm的实时服务请求序列和车辆的实时运行信息；通过车辆中的ai检测引擎，对实时服务请求序列和实时运行信息进行推理处理，得到hsm的目标安全评价数据，ai检测引擎中部署有基于多个服务请求序列、多个运行信息、以及多个标注安全评价数据进行训练得到的检测模型；根据目标安全评价数据，对hsm进行防护处理。该技术方案中通过获取hsm的实时服务请求序列与车辆运行信息，并利用ai检测引擎中预先训练的检测模型进行综合推理，能够实现对hsm运行状态的高效、动态安全评估；基于所得目标安全评价数据，可自动触发相应防护处理机制，从而在不中断正常业务的前提下，及时识别潜在异常行为并执行针对性响应，有效增强hsm运行时抗干扰与抗攻击能力，同时降低人工干预依赖。