首页
关于我们
公司简介
专业团队
合作案例
产品详情
最新资讯
公司动态
知识分享
产品中心
ASPICE
ISO26262
ISO21434
敏捷SPICE
资质培训
工具链
DPAI
低空飞行器
机器人
工程服务
培训课程
联系我们
人才招聘
用心服务·专业技术·合作发展 13524704775
NEWS

最新资讯

当前位置:首页 - 最新资讯 - 知识分享

亚远景-ISO/PAS 8800:数据工程与验证闭环——汽车AI安全的关键技术支柱

发表时间:2025-12-30 作者:亚远景科技 返回列表

ISO/PAS 8800标准中,数据工程与验证闭环作为汽车AI安全的核心技术支柱,通过全生命周期数据管理、系统性验证方法及闭环迭代机制,构建了覆盖数据采集、处理、验证到持续优化的安全技术体系,为汽车AI系统提供了可量化、可追溯的安全保障。以下从标准框架、技术要求、实施路径三个维度展开分析:

一、标准框架:数据工程与验证闭环的定位

ISO/PAS 8800作为全球首个汽车AI安全国际标准,首次将数据工程与验证闭环纳入全生命周期安全管理体系,明确其作为AI系统安全开发的六大核心模块之一。该模块与需求定义、系统架构设计、安全分析、持续监控等环节形成协同,共同构建了从概念设计到运行维护的完整安全框架。其核心目标是通过系统性数据管理,确保AI模型在复杂道路场景下的鲁棒性、可解释性和可追溯性,从而降低因数据偏差或模型失效引发的安全风险。

二、技术要求:数据工程与验证闭环的关键要素

1. 数据全流程管理:从采集到验证的闭环控制

  • 数据采集:要求覆盖极端场景(如暴雨、夜间低光环境)和多样化人群(如不同肤色、体型行人),避免数据偏差。例如,吉利汽车通过10亿级场景数据闭环管理系统,对每一组训练数据执行“场景标注-风险分级-算法验证”三重校验,确保数据代表性。

  • 数据清洗与标注:强调数据质量对模型鲁棒性的影响,要求建立数据可追溯性机制(记录数据来源、采集条件及标注过程)。特斯拉通过自动标注系统,将标注精度提升至99.2%,效率提高90%以上,同时支持复杂场景和多样数据类型的处理。

  • 数据验证:需通过仿真测试覆盖“corner cases”(边界场景),或采用对抗样本测试验证模型鲁棒性。例如,Wayve利用多模态大模型生成逼真驾驶场景,提升模型在复杂环境下的泛化能力。

2. 验证与确认:量化安全分析方法

  • 系统性失效评估:针对过拟合、概念漂移等问题,要求通过仿真测试和实车验证结合的方式,量化模型性能。例如,特斯拉通过影子模式(Shadow Mode)在后台运行自动驾驶系统,比对AI决策与人类驾驶行为,触发数据回传以优化模型。

  • 随机硬件故障评估:结合ISO 26262的硬件安全机制,管理AI系统的随机硬件故障。例如,吉利汽车在电子软件中心为每一行AI代码标注安全风险等级,确保硬件可靠性。

  • 功能不足评估:通过场景库开发和风险评估方法(如ISO 21448的SOTIF标准),管理AI系统在无失效情况下的功能不足风险。例如,上汽集团构建覆盖芯片、软件、通信的全方位AI安全体系,提升系统整体安全性。

3. 持续监控与闭环迭代:部署后的安全保障

  • 实时性能跟踪:要求部署后持续监控AI系统运行状态,及时发现异常。例如,吉利汽车通过车云协同监控系统,实时回传数据并触发云端优化,将系统干预响应时间缩短至0.3秒。

  • OTA更新与再验证:通过OTA推送更新模型,并投入资源维护实时监控系统。例如,特斯拉FSD从V12.3到V12.3.6的8个版本仅用1.5个月,实现快速迭代。

  • 安全论证结构:采用结构化论证(Safety Case)方法,将证据与主张关联,形成可审查、可维系的安全论证树。例如,经纬恒润打造符合AI开发新范式的无缝集成工具链,集成数据管理、模型训练监控、仿真测试等功能,助力工程师高效构建符合监管要求的Safety Case。

三、实施路径:车企如何落地数据工程与验证闭环

1. 构建全生命周期数据管理体系

  • 数据治理包:包括数据来源、采集策略、代表性与覆盖度评估、标注质量控制、版本与变更记录、隐私与合规审查等。例如,吉利汽车建立全域安全体系,将AI安全贯穿于研发、测试和落地的每个环节,形成覆盖软硬件的完整安全链条。

  • 数据集V模型:引入与传统V-Model类比的数据集V模型,将数据工程视为安全工件的管理主线。例如,经纬恒润在国内Tier1中率先实施ISO/PAS 8800国际标准,将数据视为“安全件”,在采集、标注、训练、验证全生命周期嵌入安全分析。

2. 集成自动化工具链

  • 数据管理工具:如AWS SageMaker数据质量模块,支持数据清洗、标注和验证的自动化。例如,腾讯为车企提供开箱即用的机器学习TI平台,全面支持一键调用多种领域的预训练大模型,实现2倍以上的推理加速。

  • 安全监控中间件:如实时检测模型输出异常的AI防火墙,实现流程自动化与风险可控化。例如,吉利汽车通过构建模型决策日志,实现关键场景下的决策路径回溯,满足标准对安全决策可追溯性的要求。

3. 推动行业协同与标准融合

  • 共建场景库联盟:推动车企、科技公司及数据提供商合作开发多模态感知数据集,覆盖未被现有标准覆盖的边缘场景。例如,吉利与腾讯、华为合作开发多模态感知数据集,提升全行业安全水平。

  • 融合功能安全与AI安全标准:将ISO/PAS 8800与ISO 26262(功能安全)、ISO 21448(预期功能安全)深度融合,形成覆盖“功能安全+SOTIF+AI安全”的整体框架。例如,经纬恒润将ISO/PAS 8800标准与ISO 26262、ISO 21448深度融合,构建涵盖AI安全管理、AI系统安全开发与验证确认、AI安全分析、AI数据安全生命周期和运行安全保障的全生命周期安全过程。



推荐阅读:


亚远景-ASPICE与ISO 21434:智能网联汽车的双重合规挑战

亚远景-ASPICE评估:汽车软件开发过程评估的有效方法

亚远景-ISO 26262与ISO 21434:汽车安全标准的双基石

亚远景-从标准到文化:ISO/PAS 8800能否定义“可信AI”的全球伦理?

亚远景-软件定义汽车背景下,ASPICE评估如何量化“可升级性”与“可维护性”

亚远景-避免踩坑!ISO/PAS 8800认证中的常见问题与解决方案




推荐服务:

点击查看亚远景ASPICE咨询、评估、“认证”、培训服务

点击查看亚远景ISO26262咨询、认证、培训服务

点击查看亚远景ASPICE、ISO26262培训课程

点击查看亚远景ASPICE、ISO26262实施工具-APMS研发过程管理平台



咨询