数据安全监测

车联网服务平台是车联网数据汇聚与远程管控的核心，提供车辆及相关设备信息的汇聚、计算、监控和管理，是汽车由单纯的交通运输工具逐步转变为智能移动空间和应用终端的产业核心所在。

车联网数据体系包括人、车、路、云的数据及其衍生的应用数据，按上述维度，人员数据包括个人的基本信息及位置、习惯等附加信息，车辆数据包括汽车参数、实时车速等信息，道路数据包括路侧联网设备、地理地图及道路实时路况等，第三方数据包括天气、定位、娱乐等第三方信息。

在数据安全风险监测方面，数据流转和使用过程中涉及到的用户、终端众多，传统的管理手段仍以单点式、孤立式审计为主，不能对用户行为进行实时、全面的监控能力，并及时识别出其中的危险行为。

芯盾时代数据安全监测系统可以对 IP 及人员账号访问的过程、操作等进行记录以及审计，支持 IP 及账户权限管理，分权限账户的动作监测，支持对 IP 动作监测、热点 IP 统计，IP 日均活跃情况统计等功能，通过识别各类 IP 及账户的访问操作行为，依据安全策略对违规操作、高危操作进行识别和告警处置。

在风险管控方面，通过提前预设告警规则、防御规则，非法操作、异常行为，匹配规则，实现结构化数据库、半结构化数据和非结构化数据中如 pdf、word、excel、txt 等类型数据的危险行为规则审计，支持接口访问危险行为规则审计、危险行为的规则策略制定和管理，通过内嵌固定格式模板的报表功能模块，能够按需求自动化生成用户所需报告报表，报告类型包括：数据资产统计报告、数据安全事件统计报告、违规人员及行为统计报告和数据安全风险评估报告等。

数据安全共享、流通-整车企业/车联网服务平台运营企业

自动驾驶涉及车端、路侧、地图服务信息，包含大量交通数据，如车辆基础数据、位置数据、车辆运行数据、实时视频数据等。同时车联网相关方通过分析收集到的数据，挖掘数据资产价值，提升车辆智能化、网联化程度，但单一方均在数据样本有限问题，且由于监管合规原因，无法与产业链进行数据共享，制约了智能网联汽车和车联网产业进一步发展。

芯盾时代隐私计算系统秉承“数据可用不可见”、“可用不可取”的理念，融合可信执行环境、多方安全计算、联邦学习、同态加密等技术，结合可信计算、非对称加密等技术，实现共享数据的所有权和使用权分离，保障多方数据联合计算过程的可靠可控，确保多方数据计算及共享过程安全可信和不可抵赖，打破数据孤岛，实现自有数据+外部数据的统一分析， 实现数据的互联互通，挖掘数据价值，实现数据要素充分利用，提升车企及车联网运营方的数据利用程度，促进产业链的快速发展，提升车辆的智能化、网联化水平。

车联网（自动驾驶）数据集-整车企业/车联网服务平台运营企业

随着自动驾驶技术的发展，行业内对于数据集和场景库在自动驾驶技术测试验证和优化过程中的作用愈发重视。国内外自动驾驶科技企业、整车企业和模拟仿真测试企业都在积极协调行业资源，建设自动驾驶场景数据集和场景库。其中国内外的第三方测试服务企业先后公开发布了多部自动驾驶数据集，涵盖普通障碍物检测、信号灯识别、行人检测等多种通用场景，可以支撑开展自动驾驶测试验证活动。

目前行业内主流的自动驾驶场景数据大多数是基于场景泛化生成的，场景数据与实际交通状况存在较大差异，难以满足自动驾驶测试、训练过程中的可信度问题。同时，现有的场景数据大多数只包含基于普通车辆运行产生的交通数据，不能有针对性地体现自动驾驶车辆在实际道路中运行面临的个性化状况，且普通企业或者研究机构能够调动的数据采集资源有限，因此对于行业内需求最高的自动驾驶数据集，依然缺少可靠的实采数据资源。

芯盾时代数据标签生成系统采用先进的计算机视觉和深度学习技术，能够高效、精准地为自动驾驶视频数据自动打标，具备强大的多目标检测和跟踪能力，能够在复杂多变的驾驶环境中准确识别和标注各类交通参与者，如车辆、行人、自行车等，并生成详细的时间序列标签。此外，系统还支持多种标注类型，包括边界框、关键点、语义分割等，确保生成的数据标签全面且精确。通过集成高性能计算资源和分布式处理架构，该系统能够处理大规模视频数据集，大幅提升数据标注的效率和质量，显著减少了人工标注的时间和成本，为自动驾驶算法的研发提供了可靠的数据支持。

数据标签生成系统不仅大幅降低了数据标注的成本和时间，还显著提高了数据标签的准确性和一致性，为自动驾驶算法的研发和优化提供了坚实的基础。通过自动化的标签生成，该系统能够快速生成高质量的数据集，帮助研发团队更高效地训练和测试算法，加速自动驾驶技术的迭代和发展。此外，系统生成的高质量标签数据，可以用于模型的精细调优和性能评估，确保算法在各种复杂驾驶环境中都能表现出色。这不仅提升了自动驾驶系统的安全性和可靠性，还推动了整个行业的技术进步，为实现智能交通的美好未来奠定了坚实的技术基础。