现有的电动汽车API平台（如SmartCar）使用访问控制机制来保护用户的隐私. 为了在启用不可信位置服务功能的同时保护位置隐私,位置隐私保护机制（LPPM）根据用户的真实位置生成一个随机的伪位置作为报告位置. 现有技术通过在离散网格上解决一个最优化问题构建一个最佳的LPPM,该最佳LPPM实现了在最低可容忍效用限制下的最高隐私,反之亦然. 然而,它们很难直接应用于电动汽车等实时场景,因为生成最佳LPPM所需的运行时间太长（可能需要数天）. 另一个问题涉及构建出的LPPMs的最佳性. 揭示了一些意外情况（异常）,即在粒度更高的细网格上构建的最佳LPPM效用比在粒度较低的粗网格上差. 引入了粒度独立性作为有效解决方法,提出了一个名为Divide-and-Coin的最佳LPPM,其可以实时执行.Divide-and-Coin将生成最佳报告位置的运行时间从至少O($ {n}^{2.055} $)缩短到O($ mathrm{l}mathrm{o}mathrm{g};n $),其中n是报告位置的数量. 实验结果显示,Divide-and-Coin可以在1 s内从城市级区域生成建筑级别的最佳报告位置.

“新四化”使得车内电子系统的复杂性骤增,因电子系统的功能安全问题和网络安全问题导致的汽车召回事件频发,这给整车厂商造成巨大的经济损失和用户体验下降. 在线升级技术借助于无线网络实现自动驾驶功能更新、车载软件更新和车载安全系统升级等场景下的系统固件和软件的远程升级,可避免汽车召回造成的影响,但是如何保障在线升级的安全和高效实现是汽车行业亟待解决的关键问题. Uptane开源框架是汽车软件在线升级的行业参考规范,但该框架仍存在安全性和系统资源开销过大等不足. 分别从加密算法选择和引入基于联盟链的验证机制2个方面对Uptane框架进行优化,以降低实现开销和提升安全性. 通过原型实现和测试验证了所提出Uptane优化框架的安全性,并通过与原Uptane框架的对比分析可知,所提出优化框架的内存开销和时延开销分别降低了6.9%和28.6%.