自动驾驶安全需求剧增 车用处理器门槛拉高

　　安全成自动驾驶设计首要基础。因应此一趋势，半导体业者纷纷推出各种感测元件，以确保行驶安全性。与此同时，半导体厂商及车厂也持续强化处理器及联网系统的安全防护性能，以便打造内外都安全可靠的自驾车。

　　自动驾驶安全性越来越受重视，为提升自驾车整体安全性，半导体厂商致力发展各式感测元件，车厂与系统厂则致力于感测器融合之技术发展，以确保行车安全。另一 方面，强化自驾车内元件效能，以打造更安全的自驾车，也是目前极力发展的方向之一。随着车上配备的感测器元件越来越多，如何使汽车处理器针对车用感测器传 来的资讯，即时做出正确的分析，并防止骇客入侵、窃取资料将是未来自动驾驶发展重点。

　　车联网时代到来　保密防骇少不了

　　图1　高通产品市场高级总监叶志平表示，因应车联网需求，高通推出Snapdragon 820A车联网参考平台，具备高可扩充性。

　　因应车联网时代，不少半导体业者已经纷纷推出相关联网解决方案以抢攻市场商机，例如高通（Qualcomm）便利用旗下Snapdragon 820A设计一个车联网参考平台。

　　高通产品市场高级总监叶志平（图1）表示，此一平台的设计概念包括以下几点：第一，该公司想使用一个具有可扩充性的方式，让不同的特性可以被应用在同一个平台上，让它有所延伸，如果须要换射频、蓝牙、Wi-Fi、GPS或4G到5G的时候变得非常简单。

　　第二，在有多种无线技术共存的情况下，OEM（原始设备制造商）设计最难的部分就是解决非常复杂的相互干扰。该公司做的参考设计能解决干扰的问题，从而让多 个无线技术同时存在。基本上一些传统的连接功能可能都放在电子控制单元（ECU）上面，或者资讯娱乐上。高通现在做的车联网参考平台可以把所有天线、 Wi-Fi及射频都集中在车里放置天线的部位，让这些汽车OEM在设计中控的时候，可以将所有的射频无线电放在一起。如果须更新这些连接技术，只须更换这 个车联网参考平台就可以，而中控系统、萤幕及车里面的其他东西不用再更新。

　　然而，车联网就跟智能手机，或是IoT市场一样，都须要 确保资料传输过程中不受骇客入侵影响。针对此一需求，高通也备有相关技术，如SmartProtect技术，提供在装置上的即时恶意软体侦测、分类与来源 分析，以弥补传统恶意软体解决方案的不足，更能分析与辨识更新特征前的新威胁。其余还有Sense ID指纹技术、SafeSwitch防盗技术，以及StudioAccess内容保护技术等。

　　图2　英飞凌汽车安全市场经理王龙飞指出，为防止骇客攻击，MCU搭配硬体安全模组（HSM），可增强资讯防护效用。

　　除高通之外，针对车类联网防护，英飞凌（Infineon）也备有相关安全防护措施。英飞凌汽车安全市场经理王龙飞（图2）指出，为防止骇客攻击，目前车内的微控制器（MCU），都须具备安防效能。

　　例如，英飞凌旗下AURIX系列微控制器，皆整合了一个硬体安全模组（HSM），以满足未来车联网的各种安全和保护需求。此一HSM采用英飞凌自行开发的加密技术，可确实防止骇客入侵行为，避免资料遭窃取。

　　与此同时，随着车联网的兴起，加上这几年发生不少起汽车遭骇客入侵事件；由欧洲主要车厂组成的EVITA联盟，也因骇客事件加速了安全硬体扩展 （Security Hardware Extension， SHE）与硬体安全模组（Hardware Security Module， HSM）等相关规定的制定进程。目前已有许多车厂投入车身网路的安全机制设计，SHE将率先于2018∼2019年后的车种全面普及。

　　图3　瑞萨行销事业部汽车应用行销部主任黄源旗透露，针对EVITA联盟的规定，该公司已推出ICUS硬体，以呼应HSM的需求。

　　台湾瑞萨电子（Renesas Electronics）行销事业部汽车应用行销部主任黄源旗（图3）分析，车厂所设计的汽车，如果层层防护没有做好，就很容易被骇客入侵。理论上，车身网路会有一个实体的系统架构，由SoC通往MCU，再通往车身网路。

　　由于SoC所需的安全等级比较低，会用一个简单的机制和MCU进行沟通，如传输影像、资料等，但若系统设计得过于简单，便能让骇客得以恣意去更新韧体，更新完毕后，将可以直通车身网路，而车身网路若又没有经过加密，就可以送一个假的命令（Command）去控制汽车。

　　所以骇客破解三个地方，第一个是SoC安全性，第二个是系统架构没有设计好，第三个是没有加密的车身网路。MCU像是一个防火墙，如果设计良好，将有能力把许多恶意攻击挡在外面。

　　因此，黄源旗表示，车厂现已开始要求芯片厂，要在芯片加上这样的加密机制，针对EVITA联盟的规定，瑞萨所推出ICUS硬体便是呼应SHE的需求，之后2018∼2019年后的车种，将全面采用此种安全机制，而开发中的ICUM硬体，则是呼应HSM的需求。

　　ICUS 是一个比较简单的机制，里面会有车厂所放的密钥，采对称式加密。当收到封包时，会先丢到里面来，跟加密/解密的单元告知，要用哪一支钥匙去解密；解完之 后，MCU再处理；处理完之后，再放进来，加密完之后再丢出去，确保车身安全通讯的安全性。因为现在车身通讯都是透过明码传输，只要去量测，就可以知道每 个位元代表什么意思。

　　汽车来讲的话，一般使用ICUS便十分足够，例如档位讯号、测速讯号，使用此一组较低安全性的密码，即可做到安全防护。而ICUM则是应用在车身闸道器、车身控制器、引擎控制器、EPS这类需求较高的元件，进一步将MCU跟车身网路之间的资料作连结。

　　ICUM 里面有一个独立芯片，电源启动时，会先去确认MCU里的韧体、资料是不是都是正确的，并会有一个签章的动作，检查程式是否有被窜改过，确认无误后才会去执 行程式，安全等级就会再高一层。另外，因为它是另一颗MCU，因此还可以做其他比较复杂的运算，像是密码如果一直都是同一组，且一直使用的话，可能被逆向 工程破解，其可在中间产生不同的密钥，像是一次性的密码，来有效防止这样状况发生。

　　安全需求高涨　数据判读更关键

　　许多汽车购买行为分析显示，消费者在购买汽车时，安全性的考量因素，明显占了非常重的分量。值得关注的是，现今除了雷达可协助汽车侦测危险物体，市面上更出现了 功能性安全模组，使其能进阶到检查与判读讯息的层面，也意味着，过去传统消费性电子，所采用的单纯接收讯息，已无法满足车联网时代的大数据需求。

　　王龙飞表示，车用感测器融合将搜集所有发射讯号，包括雷达、光达、摄影机、GPS及通过网路所传过来的讯号，收到后便会综合判断，是否有车祸、距离多远、什 么地方该减速，这些运算都会在感测器融合的盒子里进行。感测器融合要求的已不仅是数据处理能力要强大，还须要求数据处理必须是正确的。

　　由英飞凌所提供的Aurix安全解决方案，便可作为感测器融合芯片后端的功能安全保障。简单来说，当系统显示前面有一个人，车辆必须煞车，Aurix会帮系统再确认一次，前面到底有没有人，以确保数据处理的正确性。目前已有不少知名车厂采用。

　　黄源旗则指出，为使CPU做出正确的判断，便须针对不同的应用来调整CPU的错误检测速度（Turn-around Time， TAT），也就是错误发生，到发现后的时间点。例如有些较低阶的CPU，可能是每100毫秒（100 millisecond）才检测一次，但在这100毫秒之间，若下出了错误的指令，可能就已无法补救了。因此，针对越高的安全需求，其检测错误时间也要越 短，同时也须有不同的设计。

　　以瑞萨旗下RH850系列产品为例，若是车身闸道器、安全气囊等应用，安全需求相对较低，便可容许较长的 错误检测时间，因此，便会采用单一核心的设计，再加上一些备援（Redundant）机制确保输入、输出资料正确。若是安全需求较高，像电子辅助转向系统 （EPS）跟煞车系统，无法允许长时间的错误检测，必须要在很短的时间内做出判断，瑞萨便采用双核心的架构。此一设计的优势在于，采用双核心跑一样的程 式，可具备相互监控、比较的效用，当两颗核心各自跑出不同的数据时，便可立即进行验证运算，以检测是哪颗核心出错，避免下出错误的指令。

　　另一方面，因应车联网大数据分析需求，以及确保资讯正确性，深度学习也扮演相当重要的角色。为此，高通Snapdragon处理器结合Zeroth深度学习 平台，不论是合作厂商还是经过高通训练过的神经网路平台均可搭载Snapdragon 820A处理器，帮助其完成自动驾驶的功能。

　　通过搭载Snapdragon 820A，神经网路资讯平台可以较为完美地利用芯片上的DSP、GPU、CPU来实现不同运算与网路沟通情况。简单举例，内建神经网路后，通过运算平台上 千次的重复记忆，Snapdragon 820A将可自行分辨出车、人与其他物体的区别。当然，这些都是在出厂前就会完成的神经网路训练，而不是在车辆出厂后才执行。

　　除高通之外，NVIDIA也致力于提升车用深度学习平台之能力。NVIDIA资深工程师苏家兴提到，过往要辨识影像时，须透过专家将该物体的特征写进演算法，若 持续有新素材，就必须花费人力不停修改演算法。但透过深度学习，输入大量资料进行训练后，搭配强大的运算能力，便可让汽车能感测周遭环境并自动导航行 进。

　　为加速自动驾驶发展，提供消费者更安全的驾驶体验，NVIDIA推出首款车载人工智慧引擎--NVIDIA DRIVE PX2。该产品让汽车产业得以运用人工智慧处理自动驾驶面临的各种复杂情境，其采用NVIDIA先进的GPU来处理深度学习功能，藉此掌握车子周遭360 度的情境，精准判断车子所在位置，并推算出安全舒适的行进路线。

　　DRIVE PX2结合了两颗新一代Tegra处理器，以及两颗独立的Pascal架构新一代GPU，能够提供每秒24兆次的深度学习运算速度。同时，DRIVE PX2深度学习的能力使其得以快速学习如何辨识日常驾驶中经常出现的各种挑战，例如：道路碎石、行径离谱的违规驾驶，以及施工区域。深度学习亦能辨识多种 传统电脑视觉技术所无法应付的状况，特别是在像大雨、下雪，以及浓雾等恶劣天候，还有包括日出、日落，以及漆黑等光线不足的光照条件。

　　安全意识抬头　汽车产业商机再起

　　世界各地自动驾驶车辆上路测试新闻日增，让人们对未来运输充满新愿景，然而，此一趋势也牵引出如何确保车辆安全之议题。因应日渐高涨的安全意识，提升安全防 护已成自动驾驶设计首要基础，面对各种不同形式的安全考量，如车身安全、资讯安全、车载电子元件安全等，车厂及半导体厂遭遇的技术挑战也属空前，然而，所 开创的商机也持续调高。为此，相关业者更致力于研发相关解决方案，如车道偏移警示、自动紧急煞车、碰撞警示，以及360度环景影像系统等，除进一步提升自动驾驶安全性外，也藉此抢占市场商机。