随着中国新能源汽车市场的迅猛发展，2021年销量达到352.1万辆，同比增长157.01%，市场渗透率提升至13.40%。预计到2024年，国内新能源汽车销量将攀升至921万辆，到2030年渗透率有望提高至43%。电动汽车的快速增长为电网带来了新的挑战，车到电网（Vehicle-to-Grid，V2G）技术应运而生，通过电动汽车的储能设施调节电网负荷，以平抑波动。V2G技术实现了电动汽车与电网之间的双向通信和能量流动，有效管理充放电过程，最大程度地减小对电网的冲击。电动汽车在V2G模式下具备负荷和储能的双重功能，有助于调节电网负荷、消纳可再生能源，并提供辅助服务。到2030年，中国电动汽车保有量预计将达到8000万辆，形成巨大储能容量，为电网提供强大的调峰调频能力，从而降低电动车充电成本，并为车主创造额外收益。

尽管V2G技术展现了广阔的应用前景，但在实施过程中面临安全与隐私保护的双重挑战。首先，需要确保只有合法电动汽车能够接入电网，以防止恶意攻击者冒充合法车辆发起充电请求，从而保护车主的合法权益。同时，电动汽车中包含的敏感信息，如车主身份、用电数据、位置及行驶路线等，必须得到有效保护，以防止数据泄露导致隐私侵犯和恶意攻击。考虑到电动汽车和充电桩长期处于公共环境中，容易受到物理攻击，必须采取必要的物理安全措施，以防止潜在的侧信道攻击。现有的充电认证技术，如认证及密钥协商和数字签名，虽然在一定程度上保障了安全，但通常依赖高信任实体——控制中心，这增加了敏感信息被滥用的风险。因此，我们提出了一种具有数据聚合功能的物理安全和隐私保护充电认证框架，旨在实现电动汽车充电认证过程中的完全匿名性，同时加强物理安全，并在保护单个电动车用电数据的前提下，有效聚合区域用电总量，从而优化电力消耗的协调。本文的主要贡献如下：

完全匿名性：通过生成随机签名启动充电服务，确保电动汽车在充电过程中完全匿名，即使控制中心也无法从签名中推断出车辆的真实身份。

物理安全：在电动车和充电桩中集成物理不可克隆函数和模糊提取器，以防止从这些设备中物理提取敏感信息。物理不可克隆函数可以通过软件集成到存储器中，消除了对额外硬件组件的需求。我们设计中充分考虑了与物理不可克隆函数相关的固有噪声，采用模糊提取器以减轻噪声的影响，确保系统在噪声存在的情况下仍然可靠。

隐私保护的数据聚合：采用隐私保护的数据聚合方法，将特定区域内电动汽车的总电力消耗数据进行整合，同时防止单个车辆数据的潜在泄露，为电力协调提供支持。

1.        系统模型

图1展示了系统架构，包括四个主要实体：控制中心（CC）、聚合网关（AG）、充电站（CS）和电动汽车（EV）。

控制中心（CC）：作为框架内的核心管理机构，主要负责系统的初始化和其他实体的注册工作。

聚合网关（AG）：作为本地化网关，负责信息传输，从多个充电站收集电力消耗数据，并将汇总数据传输给控制中心。新加入的AG需在控制中心注册以获取证书，并且所有AG都配备了物理不可克隆函数。

充电站（CS）： CS配备符合各种标准的连接器，并在为电动汽车服务前进行验证以确保系统安全。CS将电力消耗数据传输给AG，AG再将数据汇总传递给控制中心。新引入的CS必须在控制中心注册以获得认证，所有CS均配备物理不可克隆函数。

电动汽车（EV）：电动汽车依赖电力运行，遍布不同地理区域，并通过认证获得充电服务。新加入的EV需在控制中心注册以获得认证，所有EV都配备物理不可克隆函数。

在此模型中，完全匿名认证方案适用于EV与EV、EV与CS、CS与CS、CS与AG、AG与CC等各种通信场景，旨在维护无线通信的完整性、真实性和隐私性。同时，利用轻量级隐私保护的数据聚合方案，AG从指定数量的CS收集电力消耗数据，并将区域内的总电力使用情况汇总数据传递给控制中心，供其进行深入分析和高效的电力协调。

图1 系统模型

2.        性能评估

我们将提出的充电认证框架与现有相关工作在隐私保护、安全性、计算开销和通信代价等方面进行了对比分析。结果表明，我们的框架不仅支持更全面的隐私保护和安全特性，而且在计算开销和通信代价方面也表现出明显的优势

图2 功能比较

图3 计算开销比较

图4 通信开销比较

该研究工作已被中国科学院1区期刊、智能交通领域顶级期刊、 CCF推荐B类国际期刊IEEE Transactions on Intelligent Transportation Systems（IEEE TITS）录用，作者：梁杨帆博士、刘忆宁教授（通信作者），张先超教授，刘高副研究员。

Yangfan Liang, Yining Liu*, Xianchao Zhang, and Gao Liu, “Physically Secure and Privacy-Preserving Charging Authentication Framework with Data Aggregation in Vehicle-to-Grid Networks,” in IEEE Transactions on Intelligent Transportation Systems, 2024, doi: 10.1109/TITS.2024.3443171.