先进信息通信技术在给汽车带来更高水平的驾驶效率和驾驶体验的同时,也使得车辆暴露在互联网所带来的负面风险之中。随着信息科学与汽车工业的深度融合,汽车朝着人-车-计算机三元世界交叉融合,信息安全风险同样会威胁人和车的实体安全。不同于针对传统信息设备的网络攻击,攻击者可以通过入侵安全关键车内网获得对智能汽车运动的控制权限。基于这一能力,网络犯罪组织或者汽车黑客可利用汽车这一媒介发动恶性攻击甚至恐怖袭击,严重威胁国家安全和社会生产生活秩序。由于确定性、可预测性以及低成本等优点,对于新一代智能网联汽车以及传统汽车,控制器局域网（CAN）协议都将在保障车辆行驶安全的安全关键车内网络上发挥核心作用。因此,确保CAN网络安全对于保障智能汽车信息安全具有基础性和全局性意义,必须采取有效措施确保安全关键车内网络能够抵御网络攻击。缺少消息认证机制以及广播通信的特性,使得CAN面对网络攻击时极其脆弱。有限的带宽和数据负载为部署安全增强方法带来了挑战。本论文旨在为CAN网络提供防御攻击的能力。具体来说,本论文研究基于物理层信号特征的入侵检测方法,保护智能汽车安全关键CAN网络,从而确保车辆的运动行为不被攻击者操纵。本论文首先全面调研了与智能网联汽车内部网络攻击和防御相关的研究工作,深入分析了安全关键车内网面对攻击时的脆弱性和现有防护方案的优缺点,并将研究思路聚焦于基于物理层的入侵检测方法。然后,针对安全关键车内网资源受限和实时性约束的特点,结合领域知识和统计分析方法,提出三种入侵检测方法,研究解决在安全关键车内网上部署防护方案所面临的技术、资源约束以及部署成本的挑战,确保车内网络安全。本文的具体贡献如下:1.提出了基于时钟漂移的入侵检测方法。本文首先设计了新颖的时钟漂移估算方法,以单个消息帧为对象估算发送设备的时钟漂移,从而避免总线上数据流对估算过程的影响。然后,通过提取时域上的统计特征以构建数字指纹,并使用训练好的分类器实现身份认证。最后,采用了基于动态阈值的入侵检测方法检测攻击。实验结果表明,当采样精度足够的时候,所提出的入侵检测方法能够准确识别攻击者并检测入侵,平均识别率超过99.7%。当系统性能由于采样率不足出现下降时,基于动态阈值的检测方法能够有效降低错误率。2.提出了基于位时间的入侵检测方法（BTMonitor）。BTMonitor具体设计了基于位时间的物理层信号特征提取方法,将单个CAN帧划分为显性位串和隐性位串分别进行测量,以提取更加综合的信号特征表征发送节点,降低对高采样率的要求。然后,BTMonitor提取统计特征生成数字指纹,设计了基于监督学习算法的入侵检测和攻击者定位方法。为了评估实验性能,本文基于FPGA平台和计算机实现了BTMonitor原型系统,并在真实汽车和CAN原型系统上开展实验。结果表明,该检测方法可以在真实车辆上以99.76%的平均概率正确识别消息帧的发送节点。3.提出了基于模型的发送节点溯源和入侵检测方法。本文设计了一种利用发送节点时钟漂移率构建模型实现入侵检测的方法。该检测方法以单个CAN帧为对象提取所需的信号特征并对数据预处理以后,通过建立线性模型,显式定义信号特征与发送节点的关系,实现发送节点溯源和入侵检测。特别的,该方法不需要使用有标签数据对入侵检测模型进行训练,可以应用于缺少先验信息的专用CAN网络,也可为未知CAN网络建立消息帧与发送节点的映射关系。本文基于可编程的数字示波器实现数据采集系统,并在一个CAN原型系统和两款量产车上开展实验。实验结果表明,该方法能够在不需要先验知识的情况下,为CAN网络上检测到的消息帧溯源发送节点,同时提供检测伪装攻击的能力。