重疊時代
為何汽車網路風險已無法以單一治理模式應對
本報告所揭示的並非未來的假設情境，而是當今汽車網路攻擊如何在真實營運環境中造成商業衝擊，並逐漸超出傳統安全架構的防護能力。本研究的發現建立於多元情報來源，包括真實世界事件、Pwn2Own Automotive 零日漏洞研究、暗網與深網情報，以及開源情報分析。
攻擊正跨系統擴散，但治理仍然碎片化
從孤立系統到風險重疊
相較於 2024 年，汽車網路攻擊如今經常同時影響多個層面，包括企業 IT 系統（如勒索軟體與資料外洩）、車外平台以及車內系統。這不僅是攻擊手法的變化，更反映出汽車系統架構本身正在發生結構性的轉變。
然而，多數治理機制仍然將這些系統視為彼此獨立的領域，責任歸屬、決策權與管理流程仍分散在不同部門。
當系統已整合，治理機制卻仍停留在單一系統思維。
汽車資安事件正從局部問題變成全球衝擊
從局部事件到全球衝擊
相較於 2024 年，波及多個子公司或事業單位的資安事件增加超過三倍。2025 年記錄的 610 起事件中，有 161 起已擴大為全球性影響。
這顯示汽車資安風險已不再只是單一系統或產品問題，而是跨地區、跨供應鏈的治理挑戰。隨著軟體平台與 OTA 基礎設施日益集中，一個安全失效所造成的衝擊，可能迅速擴散至整個企業。
33% 的資安風險已直接影響駕駛體驗
數據顯示，攻擊模式正在發生結構性變化。攻擊者仍常以企業 IT 系統為切入點，但正快速向使用者互動層擴散，在車輛架構中轉向更高價值的系統層級。這顯示攻擊者的技術能力與策略成熟度已全面提升。
車內系統如今已成為主要攻擊目標，佔所有觀察事件近 40%。這些系統直接面向駕駛，任何安全失效都具有高度可見性。
當風險逐漸向駕駛端集中，安全事件將不再只是技術問題，而可能迅速演變為公眾事件。信任、銷售與品牌價值都可能受到直接影響。若風險轉移與治理機制無法跟上技術複雜度，相關財務責任將更大程度由 OEM 承擔。
11% 的汽車資安風險仍落在治理盲區
治理的安全假象
守護既有，防禦未來
汽車資安風險在各車輛功能域的演變
汽車企業如今必須同時管理三個技術世代的風險：傳統車輛平台、軟體定義架構，以及 AI 系統。「過去–現在–未來」分析框架協助領導者辨識當前風險集中在哪些領域，並理解隨著車輛技術持續演進，風險如何在不同車輛功能域之間逐步轉移。
資訊娛樂與智慧座艙系統（IVI）威脅
過去
- 不安全的藍牙/Wi-Fi
- USB 介面漏洞利用
- 瀏覽器漏洞
現在
- 供應鏈攻擊
- OTA 更新漏洞利用
- 雲端 API 攻擊
未來
- AI 驅動攻擊
- V2X 漏洞利用
- 提示注入攻擊
先進駕駛輔助系統（ADAS）威脅
過去
- 硬體與軟體安全弱點
- 人為因素的不確定性
現在
- LiDAR 與攝影機攻擊
- GNSS 欺騙
未來
- 分散式 AI 風險
- V2X 漏洞利用
動力系統（Powertrain）威脅
過去
- 越獄攻擊
- 診斷功能濫用
- 硬體隔離
現在
- 電池管理系統（BMS）操控
- 電池感測器訊號偽造
未來
- 對抗式電網訊號操控
- 動力系統AI模型決策偏差
車身控制與存取系統威脅
過去
- 訊號重放與中繼攻擊
- CAN 訊息注入攻擊
現在
- 滾動碼干擾攻擊
- 車鑰匙重新編程
未來
- 密碼分析
- 定位與時間訊號偽造
電動車充電基礎設施（EVSE）威脅
過去
- Brokenwire 攻擊
- USB 介面漏洞利用
現在
- OTA 更新劫持
- API 與系統入口點漏洞利用
- 充電站管理系統（CSMS）漏洞
未來
- 殭屍網路電網干擾攻擊
- 設計層級的安全缺陷
AI定義汽車（AIDV）：新型汽車 AI 威脅
在風險重疊的時代，建立可行的前進路徑
汽車產業正進入一個前所未有的風險重疊時代。在這個時代能否成功，關鍵在於責任治理是否能跨域對齊。
確保 OEM 在壓力下仍能快速決策
治理架構不能再圍繞單一系統或組織孤島建立。隨著風險逐漸橫跨車輛系統、企業 IT、供應鏈與經銷商環境，責任機制必須與風險在現實中擴散的方式保持一致。這樣一來，在事件快速升溫時，組織才能做出更快速且一致的決策。
確保風險能夠即時重新評估
靜態風險模型與定期評估，已難以應對事件驅動的跨域攻擊。組織需要能持續整合汽車威脅情報、營運遙測與風險暴露資料，即時重新評估風險，建立共享且最新的風險視圖，以隨時依據變化調整優先順序。
確保 OEM 的演進速度超越攻擊者
隨著攻擊者日益善用自動化與 AI，防禦能力也必須以同樣速度演進。AI 賦能的測試與紅隊演練，可以將一次性的安全評估轉變為持續的學習循環。從真實攻擊路徑中獲得的洞察，能持續回饋至風險評估與治理決策，讓組織更快速適應並縮短應對時間。
您今天的網路安全決策，將決定未來十年的車輛信任基礎。
汽車網路安全的未來
資安事件將成為領導力的壓力測試
資安事件不再只是技術失敗的衡量標準，而將成為檢驗領導力的壓力測試。公眾信任將取決於企業高層回應事件的速度與決策的清晰度。
AI 訓練資料將成為新的供應鏈風險
隨著車輛逐步走向 AI 定義架構，被污染的訓練資料可能引入一種新的風險。這類風險可能跨越多個車型世代影響車輛行為，且一旦部署後，往往難以快速修復。
勒索軟體正演變為車隊停運武器
勒索軟體正從資料竊取逐漸演變為癱瘓車隊營運的工具。未來衡量汽車資安風險的方式，將不只看資料損失，而是以系統可用性與營運連續性為核心。
一次 OTA 入侵可能引發董事會危機
集中化的 OTA 信任機制意味著，單一入侵事件就可能在車隊規模上造成影響。在壓力情境下，若決策回應遲緩，事件可能迅速升級為大規模召回與巨大的營運成本。