合肥工业大学提出量子密钥 + PUF 认证方案,破解无人机辅助车路通信安全难题
时间:2025-10-06 来源:汽车供应商网 作者:管理员
【汽车供应商网】《汽车工程》2025 年第 8 期重磅刊发合肥工业大学自动驾驶汽车安全技术安徽省重点实验室联合国内多所高校、科研机构的研究成果 ——《基于量子密钥的无人机辅助车辆认证方案》。该研究直面车路云一体化场景下路侧单元(RSU)故障导致的通信中断痛点,针对无人机临时补位通信时的安全漏洞,创新构建 “量子加密 + 硬件防护” 的认证体系,通过多维度验证证明其在安全性、轻量化与实用性上的显著优势,为车路应急通信安全提供了可落地的技术方案。
随着车路云一体化技术进入规模化应用阶段,车载自组网(VANET)已成为提升驾驶安全(如碰撞预警)、优化出行体验(如动态导航)的核心基础设施,其正常运行高度依赖路侧单元(RSU)与云端的协同 ——RSU 负责采集道路实时数据、转发车辆通信信息,一旦因硬件故障、极端天气或人为破坏失效,将直接导致车辆间 “断联”,轻则降低交通效率,重则引发交通事故。
为解决这一问题,行业普遍提出 “无人机应急补位” 方案:利用无人机快速部署(5 分钟内可完成升空与通信配置)、覆盖范围广(单架无人机可覆盖半径 1-2 公里区域)的优势,替代故障 RSU 充当临时移动基站,保障车辆认证与信息传输。但该模式存在三大核心挑战:
通信安全风险:无人机与车辆通过无线开放信道(如 LTE-V2X、5G)通信,信道易被监听、篡改,存在车辆身份伪造、路况数据被篡改的风险;
认证效率瓶颈:现有车辆认证方案多基于椭圆曲线密码(ECC),单次认证需完成 10-15 次复杂数学运算,在车辆高速移动(时速 60-120km)、通信节点密集(如早晚高峰)场景下,易出现认证延迟;
抗量子与追溯短板:传统加密算法(如 RSA、ECC)在量子计算技术面前安全性大幅下降,且多数方案仅能检测恶意攻击,无法追溯恶意车辆或无人机的身份,难以实现事后追责。
虽有研究尝试引入物理不可克隆函数(PUF)提升硬件安全,或用格密码增强抗量子能力,但前者未解决通信层加密问题,后者计算开销较高,仍缺乏 “安全 + 高效 + 可追溯” 三位一体的解决方案。
研究团队以 “解决实际场景问题” 为导向,设计了一套适配无人机 - 车辆协作通信的完整认证架构,核心包含两大技术模块,且均有明确的技术原理与实现路径:
轻量级量子密钥认证协议:兼顾安全与效率
团队摒弃传统复杂加密算法,创新采用 “量子对称密钥 + 哈希函数 + 异或运算” 的组合方案,具体流程如下:
密钥预分配:通过量子密钥分发(QKD)技术,在无人机升空后与后台控制中心建立量子信道,生成独一无二的量子对称密钥(密钥长度 256 位,符合国家商用密码标准),并通过加密信道同步至需认证的车辆;
身份认证流程:车辆发起认证请求时,需将自身身份标识(如 VIN 码)经哈希函数(采用 SHA-3 算法)处理后,与随机生成的临时验证码通过异或运算组合,发送至无人机;无人机接收后,用预存的量子密钥解密,对比哈希值与车辆身份库信息,完成认证(整个过程耗时≤100ms,满足车辆高速移动场景需求);
恶意节点追溯:协议中设置 “身份 - 密钥绑定” 机制,每辆车的认证信息均与专属量子密钥关联,一旦检测到异常数据(如篡改的路况信息),可通过密钥反向追溯发送节点的真实身份,解决传统方案 “只检测不追溯” 的问题。

研究同步附上图 1《轻量级认证方案架构》(清晰展示 “车辆 - 无人机 - 后台” 三方交互流程)与图 2《无人机和车辆通信平台》(标注硬件接口与通信协议,如采用 3GPP 定义的 PC5 直连通信接口),为方案落地提供技术参考。

PUF 硬件级防护:保障无人机设备安全
针对无人机可能被仿冒、劫持的物理风险,研究引入物理不可克隆函数(PUF)技术,具体实现方式为:
在无人机的核心控制芯片(如 MCU)中集成基于 SRAM 的 PUF 模块 —— 利用芯片制造过程中晶体管阈值电压、导通延迟的固有物理差异,在芯片上电时生成独一无二的 “硬件指纹”(该指纹不可复制,即使同一批次芯片也存在差异);无人机启动时,后台需验证其 PUF 指纹与预存信息一致,方可授权其接入通信网络,有效防止设备被非法复制或替换,从硬件层面阻断物理攻击。
为确保研究成果的科学性与可靠性,团队采用 “形式化安全证明 + 性能对比分析 + 仿真环境测试” 三重验证方法,且均提供具体数据与图表支撑:
形式化安全证明:Scyther 工具验证安全性
|
安全属性
|
验证结果
|
说明
|
|
密钥保密性
|
通过
|
量子密钥未被泄露
|
|
身份认证完整性
|
通过
|
无身份伪造风险
|
|
抗重放攻击
|
通过
|
临时验证码防止重复攻击
|
|
抗数据篡改
|
通过
|
哈希值对比检测篡改数据
|
|
恶意节点可追溯
|
通过
|
可反向定位异常节点身份
|

为验证 “轻量化” 特性,团队选取 5 类现有主流认证方案(包括 3 种基于 ECC 的方案、1 种基于格密码的方案、1 种基于 PUF 的方案),在相同硬件环境(无人机端采用 ARM Cortex-A72 处理器,车辆端采用 ARM Cortex-M4 处理器)下,对比单次认证的计算开销(以 “百万条指令数” MIPS 为单位),结果如下(对应表 2《不同方案计算开销对比》与图 3《无人机端计算开销对比》):
本方案无人机端计算开销为 0.8 MIPS,车辆端为 0.5 MIPS;
较基于 ECC 的方案(无人机端平均 3.2 MIPS)降低 75%,较基于格密码的方案(无人机端平均 5.1 MIPS)降低 84%,充分证明其轻量化优势。
表2 不同方案计算开销对比


图3 无人机端计算开销对比图
联合仿真测试:适配实际交通场景
为模拟真实交通环境,团队采用 Veins(版本 5.1)、OMNet++(版本 5.6)、SUMO(版本 1.18.0)三款工具构建联合仿真平台,设置如下仿真参数:
场景:城市主干道(双向 6 车道,长度 5km),车辆数量从 100 辆递增至 500 辆(模拟不同交通流量);
无人机参数:飞行高度 50m,通信半径 1.5km,采用 LTE-V2X 通信协议;
测试指标:平均通信时延、数据丢包率。
仿真结果(对应图 4《联合仿真分析结果》)显示:
当车辆数量为 500 辆(高峰流量)时,本方案平均通信时延为 82ms,较传统 ECC 方案(156ms)缩短 47%;
数据丢包率为 2.3%,远低于行业平均的 8%(传统方案丢包率多在 10% 以上),证明方案在复杂交通场景下仍能保持稳定性能。
该研究的创新点并非停留在理论层面,而是有明确的技术突破与实际应用价值,具体可概括为三点:
技术融合创新:首次将量子密钥技术与轻量级认证协议结合,既解决传统方案的抗量子风险,又兼顾效率,填补了无人机 - 车辆协作通信领域的技术空白;
场景适配性强:方案充分考虑实际场景中的细节(如车辆高速移动、交通流量变化、无人机物理安全),且提供了完整的硬件接口与协议标准,落地可行性高;
量化优势显著:通过三重验证提供具体数据(如计算开销降低 75%、时延缩短 47%),而非定性描述,为行业应用提供可靠参考。
从行业意义来看,该方案的价值体现在两方面:
应急通信保障:为 RSU 故障、突发灾害(如地震导致通信基站损坏)等场景提供高效应急通信方案,保障车路云一体化系统的连续性,助力智慧交通 “韧性发展”;
技术推广价值:为量子技术、PUF 技术在车载通信领域的应用提供了可复制的实践案例,推动车路安全技术从 “传统加密” 向 “抗量子、轻量化” 升级,对我国车路云一体化技术的自主可控发展具有重要支撑作用。
