车载信息安全全景:架构、机制、法规

46 阅读51分钟

写给已经在做嵌入式或座舱软件、但还没系统做过安全的工程师。假设你知道什么是 bootloader、什么是内核、什么是分区,不假设你知道什么是哈希树、什么是熔丝、什么是 TEE。

不碰具体项目、客户、芯片厂内部资料。只讲骨架和取舍;某个机制怎么落地,另开篇。文中标了 ⚠️ 或「坑」的,基本都是量产前后真踩过、而且事后补代价很大的点。

0 先说清楚这篇要解决的认知问题

大部分人对车载信息安全的印象是一串名词:安全启动、TEE、加密、SELinux、OTA 签名。能背出来,但说不清三件事:

  1. 为什么要这么多层? 哪一层挡哪一种攻击,少一层会怎样。
  2. 它们之间是什么关系? 为什么安全启动没做好,存储加密就是摆设。
  3. 做了之后要付什么代价? 加固不是白给的,每一项都在拿调试能力、性能、灵活性换安全性。

把这三件事说清楚,就是这篇的目标。名词本身在任何一份芯片厂文档里都查得到,没必要再抄一遍。

有一个判断能省掉很多讨论:信息安全不是功能,是约束。 功能做完能演示,约束做完看不出来 —— 只有做错了才会被看见。这导致它在项目里天然被排到后面,也导致大部分项目在量产前两周才第一次发现签名链其实没立起来。安全侧往往明知道风险,但排期、资源和产品优先级不在自己手里,跟项目经理拉扯几轮仍可能被往后挤 —— 不是不知道,是挤不动。


1 架构形态:安全边界是怎么从物理的变成软件的

00-03-四种架构形态

1.1 四种形态各自的流

A 形态(一功能一芯片)的流只有一条: 娱乐主机 → CAN → 仪表 MCU。能传过去的就是协议里定义的那几条信号,攻击面小到可以人工穷举。娱乐主机被完全控制,仪表照样正常显示,因为它们之间除了那根线没有任何共享资源 —— 不共享内存、不共享存储、不共享供电域。这种架构的安全性是硬件白送的,不需要专门的隔离设计。

B 形态(双芯片分工)多了一条高带宽流: 座舱 SoC → SPI / 以太网 / 共享显示通道 → 安全 MCU。这条流是为了体验而存在的(座舱要把内容渲染到仪表屏上),但它也是整个架构唯一的软肋。判断一个 B 形态方案做得好不好,只看一件事:座舱侧能不能往 MCU 发任意内容。 如果协议设计成「座舱发命令、MCU 执行」,那么物理隔离的意义就被协议抹平了;如果设计成「MCU 主动拉取、自己校验、只接受受限的几类数据」,隔离才真的在。

C 形态(单 SoC 多域虚拟化)的流最多,也最难说清:

流从哪到哪经过什么什么不进这条流
启动流片内 ROM → 各域 OS逐级验签,由虚拟化层划定每个域的资源域启动之后不再回头改资源归属
跨域数据流rich os ↔ 实时域共享内存 + 前后端驱动,或域间 RPC不在白名单里的内存区域、不在登记表里的外设
安全服务流任一域 → 安全世界走特定指令陷入,经虚拟化层打标识再切到安全侧域之间不能通过安全世界互相访问
中断流外设 → 虚拟化层 → 目标域中断的归属在启动时配置一个外设的中断不应同时投给两个域
显示合成流各域 → 显示控制器多个图层由硬件合成,各域只能写自己那层图层权限配错会导致一个域能覆盖另一个域的画面

这张表就是 C 形态的全部复杂度所在。A/B 形态下这些流根本不存在,所以也不需要讨论。

D 形态(中央计算 + 区域控制)把 C 的问题照搬进来,再加一层网络: 中央计算单元内部还是 C 那套虚拟化隔离,单元之间走车载以太网。于是「车内网络是否可信」从一个无关紧要的假设变成了核心问题。

1.2 步骤表:往右走每一步失去了什么

步骤这一步做什么失去了什么失败时怎样
A → B把娱乐和仪表从两颗独立芯片合成「大 SoC + 安全 MCU」失去完全的物理隔离,多了一条私有链路链路协议设计不当 → 座舱失陷可影响仪表显示
B → C把 MCU 的职能也搬进同一颗 SoC,用虚拟化分域失去封装级隔离,共享 DDR、中断控制器、显示控制器、缓存虚拟化配置错误 → 跨域内存可读写,隔离名存实亡
C → D多个域合并成中央计算单元,功能通过网络分发失去「故障天然局部化」的性质单点失陷 → 横向移动范围覆盖整车

每一步都是为了成本、重量、算力复用而做的正确工程决策。问题不在于该不该走,而在于走了之后要补上原来由硬件白送的那部分保障,而这件事经常没人显式负责。

1.3 和消费电子的真实差别

常有人问「车上的安全和手机有什么不一样」。机制上几乎一样 —— 验证启动、TEE、文件加密、强制访问控制,这几样手机上先成熟,车上照搬。差别在约束:

维度消费电子车载后果
生命周期3–5 年10 年以上,加备件期更长发布时选的算法要撑到报废,这是后量子迁移压力的来源
升级能力随时推,用户自己点窗口有限,不能在行车时刷,部分车型要到店漏洞修复周期按月甚至按年算,所以更依赖「一开始就别留」
共处的负载都是 rich os和实时、功能安全相关的负载共享一颗 SoC安全措施不能把实时性吃掉,这是很多方案在车上不可行的原因
验收方式自己定标准要过型式认证,第三方拿车测做了还得证明给别人看,证据本身是交付物
失陷后果数据泄露、财产损失可能影响行车跨域那一跳是整个威胁模型里权重最高的一条

第三列才是真正决定工程方案的东西。很多在手机上成熟的做法(比如频繁小版本修复、运行期动态调整资源)在车上根本不成立 —— 不是技术做不到,是车载的硬性约束卡死了这条路。


2 信任链:所有机制挂在同一根骨架上

00-01-信任链全景

2.1 一句话说清整条链

每一级只做两件事:验证下一级、把自己得出的状态交给下一级。 没有任何一级能「自证清白」—— 它的可信度完全来自上一级的验证。链的尽头是一块流片时固化、永远无法升级的 ROM 代码,和一组一次性熔丝。这两样东西是唯一无条件可信的,因为它们物理上改不了。

顺着这套链,能推出两个很实用的结论:

  1. 任何一级被绕过,它下面的所有校验都失去意义。 如果 bootloader 可以被替换,那它对 OS 镜像做的校验当然也可以被去掉。所以讨论「我们做了 dm-verity,安全吗」是没有意义的,要先问「验证启动是不是真的在拦」。
  2. 链上的状态必须往下传,否则下游无法判断。 只验不传等于白验 —— 下游不知道上游验没验过,就只能假设验过了,假设就是漏洞。

2.2 每条流的解释

图上有三条流,方向不同,容易看混。

启动验证流(蓝 → 橙 → 绿,自上而下)。 片内 ROM 读一级 bootloader 的镜像头,取出里面的证书链,算证书链根的公钥摘要,和熔丝里烧好的值比对。相符则验签名、跳进去执行;不符则挂死或进下载模式。往下每一级重复同样的事,只是验的对象换成 TEE 固件、虚拟化层、各域 OS 镜像。这条流在启动结束时就完成了,之后不再运行。

运行期校验流(绿色,各域内部)。 启动期不可能把几 GB 的只读分区全算一遍哈希 —— 那会让开机时间长到不可接受。所以只读分区的做法是:启动期只验一个很小的元数据(里面含哈希树的根),运行期每读到一个块,内核在返回数据前算一次这个块的哈希,沿树往上比到根。代价是读放大(每读一个数据块要额外读若干个哈希块),收益是启动时间不受分区大小影响。

密钥反向依赖流(红色虚线,自下而上)。 这条最容易被忽略,但它是整套设计的咬合点。运行时的数据密钥不是凭空派生的,它的派生输入里包含了启动期得出的状态 —— 校验结果、锁定状态、系统补丁级别。于是:系统被改过 → 启动状态变了 → 密钥派生不出来 → 数据读不出来。 完整性保护在这里变成了机密性保护的前置条件。

反过来说,如果某个平台上数据密钥没有绑定启动状态,那么一旦验证启动被绕过,攻击者可以在一个改过的系统里读出全部用户数据。这是架构评审时必须单独确认的一条,而它在文档里经常写得很含糊。

把这两件事画成两棵树,很多原本绕的问题会立刻清楚:

00-04-密钥体系

左边那棵管「这是不是我的软件」,根在企业内部的硬件安全模块里,是非对称的;右边那棵管「这些数据给谁看」,根在这颗芯片里、永远出不来,以对称为主。两棵树唯一的交汇点就是上面说的启动状态。

2.3 步骤表

步骤这一步做什么失败时怎样代码流
ROM → 一级 bootloader算证书链根公钥摘要,比对熔丝值,验签名熔丝已使能时挂死或进下载模式;未使能时直接放行(这就是「忘了熔」的后果)商用平台通常无源码,这一级在硅里
一级 → 二级 bootloader初始化 DDR / 时钟 / 供电,继续逐级验签验签失败不往下走;防回滚计数不过也不走厂商 bootloader 源码(具体实现各平台不同)
bootloader → TEE 固件验签后加载安全世界,之后安全世界独立运行TEE 起不来通常表现为后续依赖密钥的服务全部失败厂商 TEE 固件为二进制交付,多数平台不给源码
bootloader → 虚拟化层验签后加载,由它划定各域的资源归属资源归属配置错误不一定会导致启动失败,而是悄悄留下跨域路径虚拟化层多为二进制交付;资源配置在设备树类描述文件里
虚拟化层 → 各域 OS按配置分配 CPU / 内存 / 中断 / 设备,拉起各域某个域起不来;或起来了但资源越界域启动流程在各域自己的 bootloader 里
域内 bootloader → 内核读元数据分区、验签、把校验策略传给内核命令行按策略分三种:拒绝启动 / 重启 / 只记日志不拦域内 bootloader 的验证启动模块
内核 → 用户态挂载只读分区并开启块校验;解锁加密的数据分区校验不过按策略处理;密钥解不开则数据分区不可用内核的块设备映射层 + 用户态的存储管理服务

关于「只记日志不拦」,这里划一下。 它在开发阶段非常有用(能看到哪里不匹配而不至于开不了机),但如果它被带进量产,整条验证启动就只是在产生日志,完全不阻止任何攻击。而且从外部看不出区别 —— 系统正常启动,日志里也没人看。量产镜像的这个参数必须单独核查,并且最好做成 CI 里的自动检查项。

2.4 代码流指向

上表最后一列。这里要诚实说明:信任链最底下几级(片内 ROM、TEE 固件、虚拟化层)在绝大多数商用平台上都是二进制交付,没有源码。这意味着:

  • 这几级的行为只能从文档和实测推断,不能通过读代码确认;
  • 出了问题只能靠日志和芯片厂支持,自己定位不了;
  • 评审时凡是涉及这几级的结论,诚实的写法是「按文档应为……,本地未能通过源码确认」。

这不是能力问题,是交付边界问题。把它写明白比假装验证过了要好。


3 机制全景:每道墙拦什么,代价是什么

00-02-机制与攻击面对应

这张图的读法:从左往右一行一行看,每一行是一个独立的「攻击 → 防御 → 代价」三元组。不要指望某一行能解决整个问题 —— 能挡住一次完整入侵的,是这些机制同时在位,而不是其中最强的那一个。

下面按图的顺序展开。每节大致是:拦什么、代价是什么、配错了现场长什么样 —— 不强制同一套小标题。

3.1 安全启动:唯一一道没有退路的门

作用很简单。 片内 ROM 在执行第一行外部代码之前,算出这段代码所带证书链根的公钥摘要,和熔丝里的值比对。相符才往下走。

生成 / 刷 / 熔是三件事,最常被混成一件:

做什么前置条件可逆吗做完的状态
生成用私钥给镜像签名,产出签名镜像和熔丝配置文件有密钥和签名工具完全可逆,重做即可有了一堆签名文件,板子没有任何变化
刷把签名镜像写进设备有刷机通道可逆,刷回去就行板子上跑的是签名镜像,但校验还没开
熔把公钥摘要和使能位写进一次性熔丝需要书面放行永久不可逆校验真正生效,从此只认这把钥匙

「我能签出镜像了」经常被当成「安全启动做好了」。 这两件事之间隔着刷和熔两步,而熔是不可逆的。一个只做了生成的项目,拿改过的镜像去刷照样能起来 —— 因为校验根本没开。

判断信任链有没有真的立起来,只有一个测试: 拿一个签名被改掉一个字节的镜像去刷,板子应该起不来。能起来就说明目前所有签名工作只是流程,不是防线。这块别只靠文档推演,建议真机实际测一遍。

⚠️ 熔丝侧的坑(每一条都是真金白银):

这些坑很少是「一个人算错参数」—— 多半是软件、测试、产线各拿一份过期说明,交接时谁也没对上。

  1. 调试密钥熔进了量产。 开发阶段会生成一套调试用的密钥链,摘要值和量产的不同。如果产线用错了,整批板子只认调试钥 —— 而调试钥往往已经散落在多个人的机器上、甚至进过代码仓库。私钥一旦进了版本控制的历史,这条链就只能当调试链,不能再用于量产,哪怕后来删掉了文件。

  2. 熔丝配置文件和刷机包不同步。 改了熔丝参数却直接跑打包流程,包里装的还是上一版的熔丝配置文件 —— 因为它是单独生成的产物,不在常规构建依赖里。改完必须手工重新生成,再打包。

  3. 首板不能带熔丝文件。 第一块板的正确顺序是:先刷签名镜像、确认能起来、再单独刷熔丝文件。两步并作一步,万一签名镜像本身有问题,熔丝已经写进去了,板子直接变砖。所以刷机表里涉及熔丝文件的条目,首板时要全部清空。

  4. 整包刷机会把熔丝文件带进去。 构建产物目录里通常就躺着熔丝文件,直接拿整个目录去刷,熔丝就被写了。正确做法是出两套刷写包(不带 / 带),而不是靠人工记得清空某几项 —— 靠人记的事情一定会出错。

  5. 防回滚计数和「可回退」天然冲突。 计数推进之后旧版本刷不回来。这不仅影响售后回滚方案,也影响手上那批调试板 —— 它们可能突然刷不回旧软件。推进计数前要先盘清楚哪些设备还需要降版。

  6. 多个安全域各有自己的熔丝。 一颗 SoC 上如果有多个独立的安全处理域(主域、安全岛等),它们的熔丝配置是分开的、参数集不同、甚至签名链深度要求都不同。两个域的配置文件不能混刷,也不能互相覆盖;哪个先熔、是否同一工站,要提前有书面结论,因为文档里经常不写。

  7. 熔了之后调试手段一起消失。 量产熔丝通常会关掉调试接口。之后每块需要调试的板子都要单独签发一份绑定芯片序列号的调试凭证 —— 这是个独立流程,要提前建立。很多项目熔完才发现没法接调试器了。

  8. 签名工具的「测试模式」是个陷阱。 大部分签名工具带一个用内置密钥签名的便捷模式。它产出的镜像在熔丝前能过,熔丝后立刻失效。量产流程里应该直接拒绝这个模式,最好在构建脚本里加一道闸,命令行出现测试模式或私钥路径就报错退出。

配错了现场长什么样。 熔丝已生效但镜像签名对不上时,典型现象不是报错,而是启动在很早的阶段静默停住(没有串口输出,或只有 ROM 的几个字节),或者直接进入下载模式。因为失败发生在任何日志系统起来之前。这时唯一的线索是芯片进下载模式这个事实本身 —— 这也是为什么首板必须先验证能起来再熔。

另一类更难查的:某个子系统固件的签名链没跟上。主系统正常起来,但某个 DSP、某个协处理器不工作,表现为音频没声音、某个传感器无数据。原因是那个固件还是用旧钥或测试模式签的,而它的验证方不在主链上,所以主系统察觉不到。

3.2 验证启动与运行期校验:粒度决定了一切

和安全启动分工不同。 安全启动管的是「引导链上那几个镜像」,验证启动管的是「操作系统分区那几 GB」。后者不可能在启动期全算一遍,所以引入了分层:启动期只验一小块元数据,这块元数据里含着整个分区的哈希树根;运行期每读一个块,验一个块。

00-07-校验与加密取舍

元数据里装的是什么(名字各家不同,结构大同小异):

字段类作用漏了会怎样
分区描述(每个受保护分区一条)分区名、大小、哈希算法、哈希树根、盐对不上就挂不上,或校验全失败
签名与公钥整个元数据块的签名,以及验签用的公钥元数据自身不被保护 → 改了树根就能让任意内容过校验,这是最经典的绕过点
防回滚索引单调递增的版本号,和设备上记录的比不校验就能降回有漏洞的旧版,而旧版签名是真的
链式分区引用这个分区的公钥由另一个元数据背书用来让不同分区走不同密钥、不同发布节奏

顺带说下链式分区。 它的用途是:主元数据只记一个公钥摘要,某个分区(比如一个独立迭代的子系统)用自己的密钥签,主链只背书它的公钥。好处是这个分区可以独立发布、独立换钥,不用动主链。代价是多了一层,而且链上任何一环忘了换钥,这一环就是整条链的实际强度。

校验失败的三种策略,这是最常被配错的参数:

策略行为能进量产吗
严格(拒绝 / 返回 I/O 错误)校验不过就不给数据,上层看到读失败这是唯一正确的量产配置
重启校验不过就重启,通常配合切到另一个槽位可以,但要防无限重启
只记日志校验不过照样返回数据,只打一条日志绝对不能。整条验证启动退化成日志生成器

「只记日志」从外部完全看不出区别 —— 系统正常启动、功能正常、日志里那条记录没人看。这是「纸面合规」最大的来源。两个对策:① 量产变体的这个参数做成 CI 检查项;② 发版前实际拿一个改坏的镜像刷一次。

测试密钥是另一个高频问题。 芯片厂和开源项目都会附带一套公开的测试密钥,方便开箱即用。它的公钥就内嵌在 bootloader 源码里,谁都能用对应私钥签出能过校验的镜像。量产镜像一旦还留着它,验证启动基本形同虚设。 把量产镜像里内嵌的公钥摘要和公开的测试密钥摘要比一下就能检出,几行脚本的事,建议塞进 CI。

配错了现场长什么样:

  • 校验策略配成严格、但分区内容和元数据不匹配:挂载阶段失败,日志里是块设备映射创建失败或校验初始化失败,接着根文件系统挂不上,系统进不去用户态。
  • 哈希树元数据的偏移配错(分区尺寸改了但元数据没重算):现象和上一条一样,但原因完全不同,容易误判成「文件系统损坏」。
  • 只读分区被某个构建步骤事后修改了(比如打包时往里塞了个文件):校验会在运行期读到那个块时才失败,表现为系统能起来、但某个功能偶发报 I/O 错误 —— 这类问题最难定位,因为失败点离根因很远。

3.3 存储加密:它防的是离线读取,不是运行期

先纠正一个普遍误解:存储加密在设备运行、攻击者已拿到权限的情况下完全不起作用。 分区挂上之后,数据对系统本身就是明文。它防的是离线场景:拆下存储芯片直读、换走主板、捡到被丢弃的件。把它当运行期防护是错的,运行期靠的是访问控制。

两种做法:

块层(整盘/整分区)文件层(按用户按目录)
粒度整个分区一把密钥每用户、每目录不同密钥
能做到离线读不出任何东西还能做到「某用户解锁前读不到他的数据」
复杂度低高:密钥管理、首次初始化、升级延续都要处理
典型漏洞粒度太粗,做不到分用户文件名和目录结构默认不加密,要单独开元数据加密才补上
适合实时域、系统分区rich os 的用户数据分区

文件层加密的密钥分两类,这点很容易搞混:

  • 开机即可用的那类:不依赖用户凭据,系统自己的数据用它。开机后系统服务马上要读写,所以必须在用户解锁前就能解开。
  • 绑用户凭据的那类:用户解锁后才派生出来,解锁前对应目录里只能看到密文(文件名都看不到,如果开了元数据加密)。

两类密钥最终都由安全世界保管和派生,根是芯片唯一密钥。而派生输入里包含了启动状态 —— 这就回到了第 2 章说的咬合点。

最典型的故障:升级之后开不了机,用户数据被清空。

这个故障几乎每个存储加密项目都会撞一次,而且现象和根因离得很远。偶发、难复现,通宵抓 log 还经常两手空空,对外还得解释「用户数据怎么没了」—— 技术链路上的坑,最后都落成人和客户的压力:

步骤发生了什么这一步的日志特征
1升级完成,切换到新版本,重启升级服务报「已更新但未激活」,然后触发重启
2新系统启动,要挂载加密的数据分区文件系统管理模块发现这个分区需要加密挂载,转交给存储管理服务
3存储管理服务读出升级前就存在的密钥句柄,交给安全世界解包这一步是关键:它只读不生成 —— 因为按设计这个句柄应该是有效的
4安全世界里的密钥服务拒绝了这个句柄,返回「句柄无效」日志里一条「命令失败,状态:句柄无效」类的错误
5存储管理服务只对「需要升级密钥」这一种错误做重试,其他错误直接失败没有重试记录,直接返回失败
6数据分区没挂上。但这一步不会直接触发清数据只是记一个错误,继续往下走
7下一步要初始化用户目录,这步必须有数据分区「用户初始化失败」
8这一步的失败处理是强制进恢复模式并带清数据参数「以 清数据 / 原因=用户初始化失败 进入恢复模式」
9恢复模式格式化数据分区和元数据分区格式化记录、「数据擦除完成」
10再次开机,元数据分区里没有密钥了,于是走「生成新密钥」路径,一切正常「在……创建新密钥」。用户数据和升级状态全部丢失

用户看到的是:升级后出现两次开机动画,然后所有数据没了,升级结果还上报失败(因为记录升级状态的数据被一起清了)。

为什么密钥句柄会突然无效。 句柄在生成时绑定了一组条件:信任根、启动状态、系统补丁级别。这些值里任何一个在「切换版本后首次开机」这个时刻和生成时不一致,安全世界就会判定句柄不该被使用。两类常见原因:

  1. 时序问题:切换版本后首次开机,负责把启动状态交给安全世界的那一环还没设好值,或者交的是旧版本的值。这类问题的特征是低概率、非必现 —— 因为它依赖时序。
  2. 版本绑定问题:句柄是在一个补丁级别更高的版本上生成的,现在降回了低版本。防回滚设计上这就该拒绝。这类的特征是只在特定设备上出现 —— 那些有过降级经历的。

一个诊断技巧:对比三类启动的调用序列。 把「升级后首次开机(失败)」、「清数据后首次开机」、「普通开机」三种情况下安全世界收到的命令序列排出来对比。通常能看到:清数据后走的是「生成」路径,普通开机走「使用已有密钥」路径且正常,而失败那次走的也是「使用已有密钥」但被拒。这个对比能直接把问题定位到「不是通道坏了,是判定逻辑拒绝了」,省掉大量在通信链路上的无效排查。

这个故障留下的三条经验:

  1. 升级验证必须做跨版本真机回归。 全新刷机能过完全不代表升级能过 —— 全新刷机走的是「生成新密钥」路径,根本不会碰到这个问题。必须从上一个发布版本、带着真实用户数据升上来。
  2. 失败日志大概率抓不到。 数据分区没挂上,常规日志写不进去。所以要在进恢复模式之前,把失败原因写到一个不依赖数据分区的持久位置,恢复模式里再一起上报。不做这件事,下次复现照样两手空空。
  3. 「挂载失败就清数据」这个兜底逻辑本身是对的(不然机器卡死在没有数据分区的状态),但它掩盖了根因。保留兜底,同时补诊断,这是正确的处理方式,不要为了保数据去改成「不清」。

3.4 TEE:密钥运算的最后一道防线

核心就一件事。 处理器提供两个并立的执行环境。安全侧跑一个独立的小内核和若干安全应用,密钥明文只在这一侧存在。非安全侧(所有常规操作系统所在的地方)只能发请求、拿结果,拿不到密钥本身。

调用链比想象的长。 一次「用密钥签个名」的请求,在多域虚拟化平台上大致要走这么几跳:

跳在哪做什么
1业务进程(非安全用户态)调一个业务库的 API,完全不知道底下有 TEE
2中间库把请求打包成一个对象调用,这里是「业务语义」变成「通道语义」的地方
3桥接库把对象调用翻译成内核接口调用,共享内存在这里分配
4非安全内核收到设备节点上的请求,填好描述符(输入输出的物理地址和长度)
5非安全内核的底层接口执行那条陷入指令 —— 真正的「跳出常规世界」发生在这里
6虚拟化层拦下这次陷入,打上「这是哪个域发来的」标识,再往上转
7最高特权的监控层切换世界,把控制权交给安全侧
8安全内核 → 安全应用调度到目标安全应用,执行到命令完成,原路返回

为什么必经虚拟化层。 因为多个域都要用同一个安全世界,安全侧必须知道这个请求是哪个域发来的 —— 否则 A 域可以请求使用 B 域的密钥。这个身份标识不能由请求方自己填(那就能伪造),只能由比它特权更高的虚拟化层打上。这是「多域共享一个 TEE」这件事能成立的全部基础。

反向调用(安全侧回头请求非安全侧干活)是个容易被忽略的机制。 安全世界没有自己的存储驱动、没有自己的网卡、也没有自己的时钟源。它要存一个文件、要读一个防回放计数、要知道当前时间,都得请非安全侧代办。实现方式是非安全侧预先注册若干「监听者」,安全侧需要时反向调用它们。

这带来一个有意思的性质:安全世界的安全存储,物理上是放在非安全侧的文件系统里的。 它靠加密和防回放计数保证非安全侧既读不懂也改不了(改了会被发现),而不是靠物理隔离。所以:

  • 如果那个常驻的监听者进程没起来,安全世界的存储操作会全部失败,表现为所有依赖密钥的功能挂掉,但通道本身是通的。
  • 防回放计数通常在存储器件里有专门的一块区域,首次开机自动写入,而且只能写一次。这个初始化动作和安全启动使能之间有先后要求 —— 顺序错了会导致设备变砖,这是必须提前确认的一条。

安全应用的部署比想象的麻烦,这是迭代慢的主要原因:

  1. 要签名(用专门的密钥,和镜像签名不是同一把)。
  2. 量产通常会开启白名单 —— 只有登记在册的安全应用才允许加载,签名对了也不行。
  3. 白名单的更新往往和镜像绑定,改一次要重新出包。

配错了现场长什么样。 白名单没加上的安全应用,现象是加载阶段就失败,非安全侧拿到的是「找不到」或「加载被拒绝」,而不是运行期错误。容易误判成「安全应用本身有问题」,实际是压根没被允许加载。排查时要先确认白名单,再去看安全应用的实现。

安全世界的调试手段很有限。 没有常规调试器,没有打印到标准输出。通常只有芯片厂留的若干个调试节点,能读出异常记录、日志缓冲、当前加载的安全应用列表这类信息。能看到的东西比非安全侧少一个数量级。所以安全侧的问题,定位成本是非安全侧的几倍 —— 这个要在排期上体现出来。

3.5 强制访问控制:漏洞打穿进程之后的第二道墙

在常规权限之上再加一层。 常规权限模型(用户、组、读写执行位)回答的是「这个用户能不能动这个文件」。强制访问控制在它之上再加一层:进程和资源都被打上标签,一条进程标签能对一条资源标签做哪些操作,由一份独立的策略规定,而且进程自己改不了自己的标签。

它的价值全在于「失陷之后」。 一个联网进程被打穿了,攻击者拿到的是这个进程的执行上下文。如果没有这层,他接下来能做的事等于这个进程所属用户能做的事(往往是一大片)。有了这层,他只能做策略里明确允许这条标签做的那几件事。

所以判断一个系统这层做得好不好,不看「有没有开」,看「标签够不够细」。 两个常见的退化形式:

退化形式后果
大量资源共用一个很泛的标签给这个标签放一条权限,等于给它覆盖的一大片资源都放开了
多个程序跑在同一个共享的进程标签里给这个标签加一项高危能力,所有跑在里面的程序都获得了这项能力

处理这类拒绝记录,我平时是这么排查的(不限于某个具体实现):

  • 先确认这层真的在拦。 拒绝记录里通常有个字段标明「这次是真拦了还是只记录」。如果是只记录模式,功能失败就是别的原因,这条记录只是预告将来切到强制模式会坏。
  • 从记录里读出四要素:谁在访问(源标签)、访问谁(目标标签)、目标是什么种类、做什么操作。拼成一句「源 → 目标 : 种类 操作」。
  • 判断是标签错了还是缺权限 —— 这一步是整个排查的分水岭。 跳过它直接放行,就是给泛标签开大权限。判断方法:把目标资源的实际标签打出来,和策略里期望的比。
  • 改最小的那一处。 按风险从低到高:标签不对就只改标签规则;标签对但缺一个普通权限就加最小的那一条;目标标签太泛就先给它单独定一个精确标签再放权限;源进程标签太泛、或者需要的是高危能力,就必须单独建一个专用的进程标签。
  • 重刷复测,确认原记录消失且没有冒出新的。

自动生成放行规则的工具,输出是草稿不是答案。 这类工具把拒绝记录直接翻译成放行语句,它不判断标签对不对、权限给得往往偏多、还可能撞上策略里的禁止性断言。比较稳的做法是用它快速看出「缺哪几类操作」,再自己判断标签、自己挑最小集合。

只记录模式的正确用法:一次性收集完整缺口,不是让功能跑通。 强制模式下第一个拒绝就让流程中断了,后面的缺口看不到。切到只记录模式把整个业务流程完整跑一遍(包括异常分支),一次拿全所有缺口,再切回去逐条修。更安全的做法是只对单个进程标签放开。

⚠️ 两个千万别踩的坑:不要发只记录模式的量产版本(等于没有这层);不要用「忽略禁止性断言」的开关去过编译 —— 它只是跳过检查,兼容性测试照样失败。

一个完整的真实案例,说明「四件事缺一不可」。 场景:把另一个系统导出的目录挂到本系统下,再让本地服务去读。涉及四件独立的事:

要做的解决什么少了它的现象
给挂载点目录定精确标签挂载点本身的标签拒绝记录里的目标标签是父目录那个泛标签
给执行挂载的进程授予挂载权限能不能挂上去拒绝记录直指挂载操作
挂载时指定挂载后内容的标签挂进来的文件本身的标签挂上了,但业务进程访问时目标标签不是预期的
给业务进程授予读写权限能不能用拒绝记录指向读或写,而目标标签是对的

少任何一条,现象都是「还是不行」,但原因完全不同。 这是这类问题最耗时的地方 —— 四件事里只做了三件,看到的还是失败,很容易以为方向错了而推翻重做。

还有一个细节:不支持扩展属性的文件系统(网络文件系统、某些嵌入式文件系统)里的文件没有自己的标签,必须在挂载时统一指定。这类情况下「改标签规则」是无效的,因为标签不是从文件上读的。

其他高频坑:

  • 改了策略没重刷。 策略通常在只读分区里,运行期的切换命令和手改标签命令都改不了规则本身。必须重新编译刷机。
  • 写了策略但没加进构建。 策略目录没被构建配置包含,写了也不生效。改完要在设备上确认进程的实际标签,而不是只看源码里写了。
  • 手改的标签被重打标签操作覆盖。 手改是临时的,按规则重打标签会覆盖掉。要持久就改规则。
  • 把资源标签当成进程标签。 两者是不同的东西,说错会导致改错文件。

3.6 系统加固与调试面关断:拿排查能力换攻击成本

这一节和前面几节性质不同。 前面的机制都是「挡住某一类攻击」,这一节的机制一个漏洞都挡不住 —— 它们的作用是让已有漏洞更难被稳定利用。价值是真实的,但要理解它买的是什么:攻击者的工程成本,不是你的安全性下限。

主要几项,以及各自的代价:

项防什么代价
内核与用户态地址随机化攻击者无法预知目标地址,固定偏移的利用方法失效崩溃地址每次都不同,线上问题的复现和归并都变难
栈哨兵栈溢出覆盖返回地址时会被发现轻微性能开销;触发时进程直接终止,日志里只有一条终止记录
禁止内核访问或执行用户态内存一大类「把内核控制流引到用户态可控数据上」的手法失效需要硬件支持;少数本来就在越界访问的旧驱动会暴露出来,表现为新增崩溃
内核指针与日志限制不再向非特权进程泄露内核地址和内部状态普通用户看不到内核日志了,很多原有的排查脚本失效
崩溃转储限制不产生包含内存内容的转储文件丢失最有价值的现场 —— 这是量产排查最大的损失
调试接口关断串口、调试器接口、工程命令通道全部关闭板子上没有任何常规进入手段
构建变体区分量产变体默认关掉调试友好的一切两个变体行为不同,量产变体必须单独测,不能只测调试变体

最后一行是最常被低估的风险。 调试变体和量产变体在加固项、日志级别、访问控制模式、校验策略上都可能不同。只测了调试变体就发版,等于没测过真正要卖的那个东西。 实践中必须把量产变体纳入常规测试,而且上面这些配置项应该做成构建期的自动检查 —— 它们都是静态可查的,成本极低。

量产关掉调试之后,具体失去了什么:

失去的能力替代方案
接调试器看寄存器和内存需要为每块调试板单独签发绑定芯片序列号的调试凭证,这是个独立流程,要提前建立
抓完整崩溃转储只能靠精简的崩溃摘要,或者自己在关键路径埋结构化日志
串口看早期启动早期启动失败变成「黑屏」,只能靠分段点亮指示或写持久标记来二分定位
读内核日志需要提前设计一条受控的日志通路,由特权服务读取并落到持久位置

所以加固这件事要和「可维护性」一起设计,不能事后补。 关键的一条:在把调试面关掉之前,先把你需要的诊断信息通路建好。 这条通路本身要是受控的(有权限、有限额、不泄露敏感内容),但必须存在。先关后建的项目,线上偶现问题只能靠猜,定位周期成倍拉长 —— 工程师比调试器先崩溃。

还有一处矛盾常被忽略:法规要求「能发现并记录异常」,而量产要求「关掉日志」。 这两件事不冲突,但需要分开设计 —— 调试日志和安全事件日志是两种东西,保留策略、访问权限、字段定义都不一样。把安全日志混在调试日志里,一起关掉,就会在合规审查时出问题。


4 多域隔离:唯一一层「配置决定安全性」的机制

前面几节讲的机制,开了就有效、参数对了就对了。虚拟化隔离不一样:同一个 hypervisor,配置不同,隔离强度能差出一个量级。 这也是单独开一章的原因。很多项目直接拿芯片厂默认配置上量产,评审时间不够就把「默认 = 安全」当成结论 —— 这是人的误区,不是 hypervisor 的锅。

4.1 先纠正四个普遍误解

误解实际
「两个系统各占一半核」是虚拟 CPU 分时复用物理核,不是物理切核。核上轮流跑不同域的虚拟 CPU,切换点在虚拟化层
「内存是运行时动态借的」主要内存是开机前就静态划好、并标记为「宿主自己不碰」的预留段。运行期基本不动
「设备两边都能用」要么整段直通给一个域,要么由一个域做后端、另一个做前端。没有「共用同一个设备驱动」这种事
「上了 hypervisor 就隔离了,它还会帮我验镜像」它只管隔离,不验任何域的镜像签名。校验是各域自己的 bootloader 干的。这两件事完全独立

最后一条特别重要:不少人会以为虚拟化层会对 guest 做完整性校验,其实并不会。隔离和完整性是两套机制,各自可以独立缺失。

4.2 四个维度,各自怎么隔离,配错了什么后果

这四个维度就是「多域隔离」的全部内容。 评审一个多域方案,逐个维度过一遍就不会漏。

维度怎么隔离配置在哪配错的后果
CPU每个域分到若干虚拟 CPU,按静态优先级 + 时间片轮转调度。虚拟 CPU 到物理核的绑定关系通常是静态配好的域的描述文件里的亲和性配置优先级配错 → 实时域被 rich os 抢占,表现为偶发卡顿或超时,很难定位到是调度问题
内存每个域一张独立的二级页表,域看到的地址经它翻译到真实物理地址。没有映射就根本访问不到预留内存段的声明 + 域的内存配置两个域的内存段重叠 → 互相踩数据,表现为随机崩溃;忘标「宿主不碰」→ 宿主也会用这块内存
中断域不能直接访问物理中断控制器,看到的是虚拟的。物理中断先到虚拟化层,再按配置注入给目标域的目标虚拟 CPU中断归属配置同一个中断投给两个域 → 两边都响应,行为不确定;归属配错 → 设备在它该服务的域里完全没反应
设备三种方式(见下表)域的设备配置 + 后端启动参数把本该隔离的设备直通给了 rich os → 跨域隔离在这个设备上直接失效

设备的三种方式,安全性差别很大:

方式怎么工作安全含义什么时候用
直通把设备的寄存器区间映射进这个域,物理中断也路由过去这个域对这个设备有完全控制权。它要是失陷了,这个设备就全丢了。另外,能发起内存访问的设备必须同时配好地址转换保护,否则它能绕过页表读写任意内存性能关键、且只服务一个域的设备
模拟虚拟化层截获寄存器访问,用软件模拟最安全(域碰不到真硬件),但开销大、实现复杂必须让多个域都「以为自己独占」的东西,比如中断控制器、看门狗
半虚拟化(前后端)前端在一个域、后端在另一个域,走一块协商好的共享内存加虚拟中断这是实际项目里最主要的跨域攻击面。后端是一个普通进程,它处理的是另一个域(可能已失陷)提供的数据大部分设备,尤其是存储和网络

4.3 共享内存通道:最该做校验、最常被信任的地方

半虚拟化的后端进程,接收的是前端域写进共享内存的描述符和数据。如果前端域已经失陷,这些内容就是攻击者可控的输入。 后端必须把它们当成完全不可信的外部输入来处理:

  • 描述符里的长度和偏移要校验,不能直接拿去算地址 —— 这是经典的越界读写入口;
  • 共享内存的大小和边界要在后端自己这边记着,不能信前端填的;
  • 环形缓冲区的索引要做范围检查,不能假设它单调递增;
  • 处理逻辑里的任何「按前端给的数量循环」都要有上限。

这件事现在就能做,不依赖任何新标准、新硬件。 它也是多域架构下投入产出比最高的一项安全工作 —— 因为跨域那一跳在威胁模型里权重最高,而后端代码量通常不大,可以认真审一遍。

4.4 一个域挂了会怎样

这个问题的答案决定了整机的失效行为,要在设计阶段就定清楚。

挂的是谁典型行为
非特权域(比如娱乐域)可以单独恢复:管理进程清理通道、重启这个域。其他域不受影响
宿主域(承担后端和管理职责的那个)通常整机复位。因为所有域的虚拟设备后端都在它里面
虚拟化层自己由更高特权层复位整机

关键认知:虚拟化层保证的是机密性和完整性,不保证可用性。 宿主域通常有能力让某个域起不来、或者把它停掉。所以不能把「必须随时在线」的功能单独押在一个被宿主管理的域里 —— 要可用性保障,得靠域外的独立看护(独立 MCU、硬件看门狗),不能指望虚拟化层。

4.5 别把这四个角色混为一谈

多域平台上有四个容易混淆的角色,混了之后讨论会完全跑偏:

角色在哪一层是 hypervisor 吗负责什么
虚拟化层本体最高非安全特权级是机制:调度、地址翻译、中断注入、域间通信原语
资源管理器普通特权级,自己独占一个分区不是策略:谁拿多少内存、哪个中断归谁、哪个设备给谁
域管理进程宿主域的用户态不是把某个 guest 真正装载起来、提供虚拟设备后端
宿主域普通特权级不是只是第一个起来的域,默认拿到大部分资源,并额外承担上面两项职责

三句话记住边界:虚拟化层不做策略(给谁多少资源是资源管理器决定的,它只负责执行);资源管理器不是域管理进程(前者建壳子和分资源,后者让 guest 跑起来);宿主域不是「主系统」(它只是第一个域,权限大是配置给的,不是架构定的)。

这个区分的实际意义:出了隔离问题要知道去查哪一层。内存重叠是资源管理器的配置问题,虚拟设备数据校验是域管理进程里后端代码的问题,中断注入异常才是虚拟化层本体的问题 —— 而最后这一层通常没有源码,只能提给芯片厂。

4.6 非 rich os 侧的做法不一样

实时域(RTOS 类)的验证启动和存储加密,和 rich os 侧是两套思路:

rich os 侧实时域
谁验镜像域自己的 bootloader,读元数据分区宿主侧的一个服务,在拉起这个域之前验完
校验粒度启动验元数据,运行期按块验启动期整体算一次,运行期不再校验
为什么这样分区太大,启动期算不完实时域要确定性 —— 校验开销不能落在运行期的任何一帧上
存储加密层次文件层,按用户按目录块层,粒度是分区
密钥放哪安全世界派生,绑启动状态同样来自安全世界,但通常不绑用户

「启动期一次算完」是实时域的硬要求,不是实现偷懒。 运行期按块校验会带来不可预测的读延迟,这对要保证帧率或控制周期的负载是不可接受的。所以实时域宁愿在启动时多花时间,也不要运行期的抖动 —— 这也是为什么实时域的镜像通常做得很小。


5 法规:从「应具备……能力」到可执行的工程项

00-05-法规到机制映射

5.1 国内强制标准的结构

国内这块的核心是两份 2024 年发布、2026 年 1 月 1 日实施的强制性国家标准:整车信息安全技术要求(GB 44495—2024)和汽车软件升级通用技术要求(GB 44496—2024)。前者还在 2026 年 1 月发布了第 1 号修改单。

GB 44495 的结构值得记住,因为它决定了工作量怎么分:

章管什么怎么检验
第 5 章 保障要求企业要有覆盖全生命周期的信息安全保障能力(风险评估、措施落实、监测响应、供应链管理)看文档
第 6 章 基本要求(11 条)对车辆的总体性要求看文档
第 7 章 技术要求(38 条)分四块:外部连接 12 条、通信安全 12 条、软件升级 7 条、数据安全 7 条做测试
第 8 章规定上面每一条用什么方法检验—
第 9、10 章同一型式怎么判定、什么时候必须满足—

第 7 章那 38 条是座舱软件直接承担的部分,也是检测机构真正拿车去测的部分。第 5、6 章是企业层面的文档工作。

修改单改了几处值得注意的: 适用范围收窄(不再包含只装少量电控单元的挂车类别,也不适用于基于已获型式批准底盘改装的专用车);「信息安全管理体系」这个说法改成了「信息安全保障要求」;新车型的执行时间从「实施之日起」推到了「实施之日起第 7 个月」。具体日期要按发布的修改单原文算,不要凭记忆。

5.2 国际侧的对应关系

文件性质管什么
联合国法规 R155法规(型式批准前置)要求有经认证的网络安全管理体系,覆盖整车生命周期。没有体系认证就拿不到型式批准
联合国法规 R156法规软件升级管理体系和升级本身的要求
ISO/SAE 21434标准(不是法规)把上面那个体系落成具体的工程过程:威胁分析与风险评估怎么做、各阶段交付什么

关系是:法规要求你有体系,标准告诉你体系怎么运转。 两者法律地位不同 —— 法规是准入条件,标准是实现指南。国内的 GB 44495 在技术内容上参考了 R155。

5.3 技术要求翻译成工程语言

法规文本写的是能力要求,不写实现。下面这张表是翻译,第三列是最容易被漏掉的:

法规要什么工程上做什么要交的证据
防止未授权软件运行安全启动 + 验证启动 + 运行期块校验 + 防回滚篡改镜像后拒绝启动的实测记录,带可复现步骤
外部接口要鉴权和校验接口最小化、调试接口量产关断、解析器放进受限进程量产镜像的开放端口与服务清单 + 模糊测试报告
车内通信防伪造篡改重放报文认证 + 新鲜值 + 链路层加密 + 网络分段注入与重放测试记录,要包含「从座舱侧发起」的用例
保护存储与传输中的数据存储加密 + 密钥在安全世界 + 传输加密 + 最小化采集数据清单 + 密钥管理说明 + 删除能力的实际演示
升级包可信且可回退升级包签名 + 版本策略 + 双分区切换升级失败与断电中断的实测记录(必须真拔电)
能发现并记录异常安全事件日志 + 留存策略 + 上报通道日志字段定义 + 留存时长 + 取出方式

几个带数字的要求建议直接记下来(均出自 GB 44495—2024 第 7 章,具体以标准原文为准):

  • 漏洞处置窗口:6 个月。 外部连接系统、车载软件升级系统,不应存在汽车行业权威漏洞平台 6 个月前公布且未经处置的高危及以上漏洞(7.1.1.1、7.3.1.2)。处置含消除漏洞或制定减缓措施。
  • 安全日志最短留存:不少于 6 个月。 远程控制指令日志(7.1.2.3)、关键通信信息安全事件日志(7.2.12)、在线升级信息安全事件日志(7.3.2.3)均要求留存不少于 6 个月;检验时可用「已有跨度」或「具备留存能力」证明。
  • 数据出境:车辆不应直接向境外传输数据(7.4.7)。用户自主行为(浏览器访境外站、通信软件、自装第三方应用等)不受本条限制;测法是对蜂窝/WLAN 通道抓包看目的 IP。

5.4 三种「纸面合规」,以及怎么避免

这一节是全文最实用的部分之一。合规审查过了但实际不防的三种典型情况:

  1. 机制开了,关键参数是宽松的。 最典型就是校验失败策略配成「只记日志」。从外部完全看不出区别。
  2. 用的还是公开的测试密钥。 签名流程完整、文档齐备,但任何人都能用同一把公开密钥签出能过校验的镜像。
  3. 证据和在卖的版本不是一个版本。 认证时测的那一版和最终量产镜像之间差了几十个提交,没人回头重测。

对策是把合规做成工程,而不是文档。 判断标准很简单:这条检查能不能在每日构建上自动跑出红绿? 能自动化的应该全部进 CI:

能自动化的检查怎么查
开放端口和服务清单对量产镜像扫描,和基线清单比对
镜像里有没有公开测试密钥比对内嵌公钥摘要和已知测试密钥摘要
加固编译选项是否齐全检查构建产物的段属性和符号
访问控制是否被放宽比对策略文件,检查有没有新增的宽泛放行
校验失败策略检查量产变体的内核命令行参数
调试接口在量产变体里是否关闭检查构建配置和产物里的相关属性

这几项成本极低、收益极高 —— 它们正好覆盖了上面那三种纸面合规的大部分情况。

剩下必须上板的列成发版清单:熔丝状态核对、篡改镜像拒启测试、断电中断升级测试、跨版本带数据升级测试。这几项自动化不了,但必须每次发版做。

5.5 排期上要留的余量

安全相关的事项有两类特别容易卡在最后:

  • 不可逆操作:熔丝、密钥下发、量产配置固化。这些需要书面放行,流程按周算,而且做错了没有第二次机会。
  • 第三方检测:排期、复测、补件都不在自己手上。

把这两类从设计评审阶段就拉进计划。 项目压力一大,总有人想把书面放行、第三方检测当成「可裁剪项」往下压 —— 这时候最需要有人把不可逆和不可控这两类风险钉死在计划里。最糟糕的情况是量产前两周才第一次做签名验证:要么延期,要么带着缺口出货。


同系列后续文章也会写。若想按系列看,可在微信搜公众号 UartManMan(文字即可)。问题欢迎留在评论区。