数据已经成为汽车企业核心竞争力的重要一环，构建适应性数据安全能力体系是车企的重要战略。日前，中国电动汽车百人会发布研报《车企数据安全能力建设的进展与改进建议》，基于对汽车行业相关企业的调研，梳理了企业数据安全能力建设的情况，就如何构建持续、动态的防护体系，有效提升企业数据安全水平提出针对性建议。

1ONE

数据安全对车企的重要性日益凸显

数据作为汽车行业战略性资源的地位日益凸显。智能网联时代，汽车已经成为信息采集与数据交互的重要终端，预计到2025年L2级以上辅助驾驶乘用车的新车渗透率将超过70%。同时，在路上行驶的智能汽车每年上传到云端的数据超过7万PB，这些数据共享、流通后，可以形成全链数据池，实现价值裂变，驱动智能技术迭代，提升企业管理水平，甚至催生出新的业态和服务。

保障数据安全已经成为汽车企业核心竞争力的重要环节。汽车数据安全问题正日益凸显。2020年以来针对整车企业、车联网信息服务商等相关企业的恶意攻击达到280余万次。仅2023年年初至今已发生超过20起与车企相关的大规模数据泄露事件，涉及企业内部业务、车辆驾驶、用户隐私等众多类型数据，对企业经营和声誉造成了较大影响。

构建适应性防护屏障是筑牢企业数据安全能力所必须。车企要打造覆盖“研、产、供、销、服”汽车全生命周期的安全管理和防护能力，需采用类似于人体免疫力的思路，形成持续、动态的安全防护能力体系。一方面，传统的“亡羊补牢”式安全理念和战略已难以满足汽车行业快速发展要求，车企需变被动为主动，从“治已病”发展为“治未病”。另一方面也需要构建多层次纵深的保护机制，及时、有效应对基础设施、网络、数据、业务以及管理领域的组合攻击行为。

多数车企凭借在信息化技术领域多年的投入和应用，及与腾讯安全、奇安信等第三方安全服务商积极开展合作，在边界安全、端点安全和安全运营方面形成了较为完善的管理和技术体系。在“三法一条例”及相关法规、标准的指导下，车企在数据安全治理方面形成了初步组织架构和管理制度，但不同企业间存在一定差异。在应用开发安全方面，也在促进“安全左移”，将数据安全合规要求嵌入到产品开发流程中。

不同企业安全免疫力评估

数据来源：车百智库研究院

2TWO

现有法规和标准对数据安全治理缺乏指导性。一方面，数据的分类分级要求对业务指导性不够。汽车数据监管更多聚焦在车和人相关的部分，对企业研发、生产等数据的分类分级未提出明确要求。部门或业务团队可能使用不同的数据定义、收集和存储方法，企业数据一致性差、准确度低。

不同部门对业务数据安全管理的认知也不统一，导致重要数据的识别和划定与业务贴合度不高，合规工作落地缺乏指导。

另一方面，现行国际通用法规和标准可参考性较低。一是R155法规给出了比较详细的安全威胁清单，但这些威胁因子是否足够支撑建立起一个好的评估基准仍不明确。二是国际标准ISO/SAE 21434《道路车辆-网络安全工程》提出了车辆威胁分析与风险评估的工作流程（即TARA分析模型），为车辆识别风险、定量评估结果提供了指导，但车企的使用效果、需改进的地方仍不明确。

存量非智能车安全运营风险改进难度大。目前我国有超过3.0亿辆的存量乘用车不支持OTA升级，企业只能采取线下召回方式进行风险处置，导致企业投入巨大、影响用户用车。例如某合资车企畅销多年车型的汽车钥匙芯片存在缺陷，可在特定场景下通过抓取信号并重放来解锁车辆，通过召回解决该问题对于车主和企业双方都不现实，目前该漏洞仍未解决。

应用开发及交付模式与数据安全合规要求落地也存在冲突。开发流程方面，传统整车“V”字型开发模式中“整车-系统-子系统-软硬件”的开发设计顺序局限于有明确需求导向的整车开发，难以适应软件定义汽车功能快速迭代的需求。车辆从研发到设计最终投产至少需要3-5年的时间，新势力车企有可能达到2-3年，但是软件开发可以达到一周发布或迭代一次，二者开发节奏冲突明显，制约数据安全合规要求落地。

3THREE

完善数据分类分级指导要求。建议以上位法为依据，对现有汽车数据相关法规政策文件进行吸收、归纳及融合，更新并细化汽车数据管理规范。一是适时更新《汽车数据安全管理若干规定（试行）》对重要数据的定义。二是借鉴企业实践，系统性提出汽车数据分类分级规范标准。三是加快制定汽车行业重要数据参考目录。

但也要注意，细化的管理指导文件应让技术发展适度超前，建议采用分阶段、分周期的策略制定和实施，给企业提供指导的同时，避免监管对智能网联汽车发展造成制约。

加快防护技术验证及标准制定。基于“急用先行”原则，有序推进汽车安全防护技术标准制定。优先推动诸如数据脱敏、数据共享等与现阶段产业发展高度相关标准的制定，逐步建立起覆盖数据处理全生命周期、多类具体场景的技术标准体系，促进更多汽车智能化功能安全可控的上车应用。

加强上下游协同，强化供应链安全管理。将车企的数据安全管理要求向上下游产业链延展，确保供应链的安全管理机制具有持续性。可参考云平台责任共担模型，建立汽车数据安全责任共担机制，将安全责任落实到全产业链各环节，促使各参与主体形成“自我规制”观念；从全面评估潜在风险、确定预警指标、建立监测系统、制定应对策略，形成供应链风险预警机制，减少数据面临的潜在风险和威胁；配套建立信息共享机制。一方面，加强车企与供应商在整车产品数据安全的沟通与协作。另一方面，双方应积极主动跟踪监管方对供应链各环节的网络安全要求，分析预判、及时获取潜在合规需求；加快智能网联汽车核心零部件的国产化替代，强化底层零部件安全防护。借鉴理想和地平线的合作经验，积极鼓励零部件企业和车企“结对子”，促进国产智能化核心零部件的技术发展和推广应用，降低国外零部件可能存在的安全后门。

加强数据安全配套服务供给。依托行业智库、协会等机构的力量，培育和发展检测认证、监测预警等配套机制与技术，支撑国家建立汽车核心数据库、安全事件案例集等公共服务平台。

培育壮大独立的第三方汽车数据安全检测机构，强化车内外感知设备、车载车机系统、车联网关键设备等数据安全检测、评估和准入认证服务。既能为企业进行数据安全检测认证提供便利，又能作为政府监管的有效补充，帮助政府摆脱“信任危机”。

借鉴美国汽车制造商联盟和全球汽车制造商协会牵头成立的信息分享和共享中心经验，行业机构可联合本土车企建立汽车安全风险/漏洞信息交流与发布平台，如主流芯片或操作系统的漏洞平台等。同时，鼓励企业进行漏洞共享与上报，将多方实践安全漏洞信息汇聚一起，让企业第一时间了解最新的汽车漏洞信息，及时进行系统更新。保持行业统一的安全防护水平。

针对影响大且价值极高的数据，如敏感区域地理信息、车辆行驶过程中采集的道路数据等，由行业机构拉通企业支撑相关监管部门建立专门的领域数据库，既能对这类数据进行统一的收集和防护，动态监测数据的实时使用情况，及时发现违规行为，也能为企业获取数据进行技术迭代和产品升级提供权威、合规、便利的途径。

通过试点开展数据安全实践。在政府监管部门指导下，以行业机构为牵引，开展智能汽车试点示范时，将数据安全也纳入其中，大规模进行汽车数据安全防护技术和管理机制的实践应用并总结经验，帮助企业提升安全能力水平。

一方面，拉通整车制造、软硬零部件、安全技术等细分领域企业共同参与汽车数据安全防护技术上车的应用试点，制定技术标准并进行反复测试。

另一方面，在数字贸易实验区和数字经济特区，充分发挥沙盒监管制度提供的试点机制，营造开放、包容环境，为智能网联汽车数据安全合规提供技术创新的训练场。鼓励企业在监管沙盒内探索脱敏计算、隐私计算、区块链等安全技术在车端的创新应用，逐步攻克算力不足、数据接口不统一、软硬件配套不完善等诸多技术难点。

引导企业变被动为主动，加强数据安全合规。引导企业主动加强数据安全合规，能够帮助企业适应不断变化的安全威胁和挑战，营造合规、有序、安全的产业发展环境。

建立通报制度和信息共享机制，及时向企业通报最新的数据安全事件和风险信息，提高企业防范意识；通过政策激励、资金支持等方式，鼓励企业进行数据安全技术创新和合作。例如，设立针对汽车数据安全技术的研发专项，提升企业在数据安全方面投入的积极性；通过媒体、社交平台、公共讲座等方式开展宣传和教育，提高消费者对数据安全的认知和理解，倒逼企业主动加强数据安全能力。

推进消费电子与通讯行业积累的安全技术、合规经验与汽车使用场景深度融合。智能手机、智能设备等行业积累了丰富的数据安全技术与合规经验，在依据汽车行业本身的发展规律基础上，结合汽车行业的具体场景，将安全技术与合规经验引入汽车行业。例如，在保障用户对企业使用个人信息的知情权与同意权时，一方面可参考手机行业的隐私政策，制定汽车产品的隐私政策文件。同时“告知同意”需要考虑汽车的使用环境，在坚持法律法规的基础上创新交互方式，在不影响行车安全的基础上履行告知义务。