随着智能化交通管理、路网智能信息服务需求不断增加,结合空间信息的空天地一体化车联网在覆盖范围、传输可靠以及资源丰富度等方面有突出优势。然而由于空天地一体化网络具有多域异构、节点众多以及跨网流动频繁等特性,对于数据安全、身份认证等安全需求也提出了更高的要求。目前,网络的安全防护技术大多覆盖链路层及其以上,但是也常常面临计算复杂、密钥泄露等问题。因此,物理层安全认证可成为辅助空天地一体化车联网安全的关键技术。本文基于物理层特征指纹的唯一性及不可否认性,研究了空天地一体化车联网的物理层安全认证技术。针对空天地网络中节点基数大且不断增加的情况,首次提出了基于度量深度学习的无线通信信号物理特征指纹识别模型（Wireless Signal Classification based on Triple Loss Network,SigTLNet）,实现空地多目标开放类样本识别认证。该模型具有高鲁棒性、高识别率,在对合法目标识别率达到97%的情况下,对于恶意仿冒节点识别率能达到94%以上。同时针对车辆节点跨区身份安全管理,提出了基于哈希链跨区节点身份管理架构,结合SigTLNet识别模型,以不可复制的物理身份信息认证机制实现节点身份安全保障,同时简化共识机制实现区块记录与验证,以OMNet++、SUMO、Veins联合仿真平台对车流跨区生成交易,在Hyperledger-Fabric架构基础上,对Kafka和PBFT共识算法进行仿真实验。仿真结果表明,平均单次交易生成区块的时延在0.9ms左右,满足高效低时延认证需求。此外,对于车载控制局域网（Controller Area Network,CAN）总线安全防护,本文提出了一种实用性轻量级的安全认证技术,基于时频统计特征以及基于SigTLNet识别模型的开放集物理指纹识别认证,并利用电子控制元件（Electronic Control Unit,ECU）模块仿真CAN安全身份认证,整体识别率约95.4%,同时能抵御仿冒攻击、捕获攻击、重放攻击以及不受监控ECU攻击,有效防护车载网络安全。