目前網(wǎng)絡(luò)安全已經(jīng)進(jìn)入了一個(gè)嶄新的時(shí)代瑟由，面向各種新戰(zhàn)場戏喊，需要新的架構(gòu)、新的方法吮蒜、新的編程語言來支撐我們應(yīng)對(duì)越來越艱巨的戰(zhàn)斗跷碰。新戰(zhàn)場以黑產(chǎn)對(duì)抗、反勒索軟件催岔、反Insider-based APT谎后、物聯(lián)網(wǎng)/車聯(lián)網(wǎng)這些新方向?yàn)榇怼１热绾芏鄶z像頭惑叶、智能門鎖古种、兒童手表，都是成批次的被攻破旭绝，車聯(lián)網(wǎng)與智能車的安全問題也引起業(yè)界的嚴(yán)重關(guān)注和顧慮绷荔。

網(wǎng)絡(luò)安全面臨嚴(yán)峻考驗(yàn)

“2016年全球互聯(lián)網(wǎng)用戶達(dá)到35億人，約占世界總?cè)丝诘囊话虢霸怼５?020年浅慎，接入互聯(lián)網(wǎng)的終端設(shè)備預(yù)計(jì)將達(dá)到120億臺(tái)『厍保”這是來自國際電信聯(lián)盟于2017年7月發(fā)布的《全球網(wǎng)絡(luò)安全指數(shù)》中的數(shù)據(jù)抵蚊。

而隨著智能設(shè)備的廣泛應(yīng)用，大規(guī)模普及的物聯(lián)網(wǎng)必將為攻擊者提供大量新機(jī)會(huì)溯革，工作與生活的界限愈加模糊贞绳，一臺(tái)聯(lián)網(wǎng)設(shè)備，只要被攻陷致稀，從銀行等財(cái)務(wù)信息到健康等個(gè)人信息冈闭，則可能全部泄露。而在互聯(lián)時(shí)代抖单，只要攻克一臺(tái)設(shè)備萎攒，其他設(shè)備就可能瞬間被瓦解。

這樣的事情已有先例矛绘。2016年10月耍休，一款名為Mirai的惡意軟件侵襲了大量存在漏洞的智能攝像頭、智能網(wǎng)關(guān)货矮、智能家電等物聯(lián)網(wǎng)設(shè)備羊精，被感染后的它們瞬間變成了網(wǎng)絡(luò)中的“肉雞”設(shè)備。在工控領(lǐng)域囚玫，2010年的Stuxnet蠕蟲病毒能夠針對(duì)西門子的監(jiān)控與數(shù)據(jù)采集（SCADA）系統(tǒng)進(jìn)行攻擊太汹，并通過U盤和局域網(wǎng)進(jìn)行傳播。

萬物互聯(lián)方较，內(nèi)網(wǎng)和外網(wǎng)的邊界逐漸模糊窗项，網(wǎng)絡(luò)泛化則成為大趨勢粮忍，比如特斯拉的汽車在各種場合都可以接入wifi，還可以接入3G/4G網(wǎng)絡(luò)帮声，而在未來的交通中肄蓄，無人駕駛車還將與交通燈、交通臺(tái)吹迎，甚至是和其他車互通互聯(lián)——這意味著更多的潛在攻擊點(diǎn)床候。

“一旦入網(wǎng)溃耸，有很多傳統(tǒng)的攻擊手段就能像攻擊電腦一樣攻擊無人駕駛車湃足，WannaCry病毒同樣可以入侵車，這造成的問題將會(huì)更大发惭〖粱В”德國弗勞恩霍夫應(yīng)用集成信息安全研究所認(rèn)知信息安全研究組組長肖煌在接受機(jī)器之能的采訪時(shí)說。

這表明罩锐，無論是現(xiàn)在奉狈，還是將來，網(wǎng)絡(luò)安全將面臨著嚴(yán)峻的考驗(yàn)涩惑。隨著人工智能被應(yīng)用于各個(gè)垂直領(lǐng)域仁期，網(wǎng)絡(luò)安全面臨的新的挑戰(zhàn)，也為人工智能的大展身手帶來了重要的契機(jī)竭恬。

在這個(gè)新興領(lǐng)域跛蛋，巨頭已經(jīng)出現(xiàn)。用人工智能預(yù)測網(wǎng)絡(luò)攻擊的Cylance公司是估值10億美元以上的獨(dú)角獸痊硕，其人工智能反病毒軟件“Cylance PROTECT”可以預(yù)測威脅的發(fā)生赊级。該公司曾在去年演示了一項(xiàng)技術(shù)，在沒有網(wǎng)絡(luò)連接的情況下岔绸，僅需60 MB內(nèi)存和1%的CPU就能保護(hù)計(jì)算機(jī)免受攻擊理逊。

人工智能于網(wǎng)絡(luò)安全：異常檢測和提升效率

在網(wǎng)絡(luò)安全領(lǐng)域，對(duì)威脅的識(shí)別盒揉，并非一蹴而就晋被，而是漸進(jìn)發(fā)展的過程。亞信網(wǎng)絡(luò)安全產(chǎn)業(yè)技術(shù)研究院副院長童寧在7月初舉辦的C3安全峰會(huì)上介紹刚盈，安全廠商起初通過黑白名單技術(shù)胀爸，將目標(biāo)進(jìn)行好/壞定性，用這樣的一維特征來識(shí)別威脅千荡。隨后是匹配字符串這樣的二維特征锌德，如果請(qǐng)求里包含某一類型的數(shù)據(jù)，就會(huì)被認(rèn)定為非法绅踪。在這之后是多維特征沼惹，要辨別一個(gè)程序是好是壞诗实，先讓它運(yùn)行，再監(jiān)督它的運(yùn)行過程遥浑，將運(yùn)行過程中的信息形成多維特征昆饲，用于判斷。但多維特征技術(shù)的致命缺點(diǎn)就是開銷太大捞勿，效率低下蝗袄，因此無法達(dá)到客戶要求。

在2000年以后私周，隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展贮爹，有大量設(shè)備產(chǎn)生各式各樣的日志，因此在日志管理和分析方面育勺，有了長足的發(fā)展但荤。而包括關(guān)聯(lián)分析等機(jī)器學(xué)習(xí)算法也被大量使用。

在機(jī)器學(xué)習(xí)中涧至，童寧表示腹躁，監(jiān)督學(xué)習(xí)則是一個(gè)高效的多維度特征發(fā)現(xiàn)方法，適用于惡意程序南蓬、勒索病毒以及垃圾郵件的防治纺非。但監(jiān)督學(xué)習(xí)也面臨著挑戰(zhàn)：一，模型的新鮮度赘方，因?yàn)橥{每天都在變化烧颖，而監(jiān)督學(xué)習(xí)并不是每天都在學(xué)習(xí)，如果不每天學(xué)習(xí)蒜焊，最新的威脅就識(shí)別不出來倒信。二，模型的準(zhǔn)確率泳梆，學(xué)習(xí)是一回事鳖悠，但真正使用時(shí)的精度又是另一回事。三捣睬，模型的召回率血洞，也就是說漏掉了多少威脅，有多少威脅沒有抓住克蝶。

因此僻携，監(jiān)督學(xué)習(xí)并不是萬能的，比如反欺詐搔肉、態(tài)勢感知疹返、用戶行為分析則更適合無監(jiān)督學(xué)習(xí)。然而蓉止，無監(jiān)督學(xué)習(xí)也面臨著另外的挑戰(zhàn)律跺，因?yàn)闊o監(jiān)督學(xué)習(xí)一般是在客戶的網(wǎng)絡(luò)環(huán)境中進(jìn)行放暇，因而很有可能面臨投毒攻擊。

“機(jī)器學(xué)習(xí)技術(shù)的優(yōu)勢是它的多維識(shí)別能力侦镜，然而機(jī)器學(xué)習(xí)技術(shù)再強(qiáng)大也需要與其他手段綜合起來利用打吱，效果才更好〈浠簦”童寧說锭吨。

肖煌同樣指出，將機(jī)器學(xué)習(xí)用于網(wǎng)絡(luò)安全寒匙，在很多場景零如，預(yù)測精度并不能達(dá)到他們要求的0.000001的誤報(bào)標(biāo)準(zhǔn)。從這個(gè)角度來說蒋情，人工智能也只是輔助手段埠况，還需要與傳統(tǒng)手段結(jié)合耸携。

然而棵癣，肖煌認(rèn)為，將人工智能用于網(wǎng)絡(luò)安全則有另外的優(yōu)勢夺衍，那就是提高分析效率狈谊。人工智能的典型作用是代替人類做大量重復(fù)的勞動(dòng)，比如用人工智能分析影像圖片沟沙，將影像醫(yī)生從低效率的重復(fù)勞動(dòng)中解放了出來河劝。

網(wǎng)絡(luò)安全行業(yè)，也同樣如此矛紫。

數(shù)據(jù)顯示赎瞎，中國目前對(duì)網(wǎng)絡(luò)安全人才的總需求量超過70萬，每年增加的人才卻不過兩三萬塌或，缺口高達(dá)95%癣吝。而且，一個(gè)分析師每天能分析的漏洞卻是非常有限的缚形。

“如果不通過自動(dòng)化的手段体涡，將來物聯(lián)網(wǎng)連接設(shè)備數(shù)爆發(fā)的時(shí)候，大量的信息安全隱患只依賴人來分析是不太可能的甜脖『淇”肖煌表示，一個(gè)信息安全分析師每天最多能看一兩千條log數(shù)據(jù)廊畔，或者一兩百個(gè)代碼片影其，而對(duì)人工智能來說，幾百萬條數(shù)據(jù)贬奢，只需花費(fèi)幾分鐘時(shí)間乍厉。

根據(jù)肖煌的觀察亏乞，信息安全和人工智能，領(lǐng)域不同裆操，思維方式也有一定區(qū)別怒详，前者更偏向于系統(tǒng)工程，后者則更偏向于數(shù)學(xué)思維踪区。因此昆烁，肖煌的很多同事認(rèn)為人工智能解決的問題有限，更愿意使用傳統(tǒng)的方法缎岗，但也會(huì)朝著分析自動(dòng)化的方向思考静尼。

“我相信任何一個(gè)做信息安全的人必然要向這個(gè)方向靠攏〈矗”肖煌希望能用趨于成熟的自動(dòng)化手段完成垂直領(lǐng)域的性能提升鼠渺，包括分析的效率、時(shí)效性眷细、規(guī)模和可解釋性拦盹。

人工智能時(shí)代的攻與防

網(wǎng)絡(luò)安全是道高一尺魔高一丈的世界。安全人員使用人工智能技術(shù)阻擋黑客攻擊溪椎，反過來這也會(huì)使黑客使用人工智能技術(shù)發(fā)起更復(fù)雜的攻擊普舆。而隨著大量人工智能模型開源，黑客入侵的工具也愈發(fā)多樣化校读。

肖煌表示速痹，只要稍加學(xué)習(xí)，黑客就可以利用開源工具欺騙識(shí)別系統(tǒng)绳练，而技術(shù)難度的降低會(huì)促使很多人成為黑客锦镶，或者是進(jìn)行一些此前做不到的攻擊。

這并非杞人憂天枫昏。

在網(wǎng)絡(luò)釣魚電子郵件中已有這樣的案例偶屯，黑客通過模仿人類的說話習(xí)慣和內(nèi)容，使得企業(yè)或個(gè)人被入侵時(shí)更加難以識(shí)別滤萝。

肖煌認(rèn)為稿纺，以后的病毒變種會(huì)越來越多，檢測越來越難碗履，規(guī)模越來越大谭驮，生成的時(shí)間越來越短。

疊加在典型圖片輸入上的對(duì)抗輸入會(huì)讓分類器產(chǎn)生錯(cuò)覺勾萌，誤將熊貓識(shí)別為長臂猿

2017年2月齐秕，OpenAI在發(fā)表的最新研究中，指出人工智能安全領(lǐng)域的另一大隱憂：對(duì)抗樣本。在圖像識(shí)別問題中笋敞，攻擊者將對(duì)抗樣本輸入機(jī)器學(xué)習(xí)模型碱蒙，讓機(jī)器在視覺上產(chǎn)生幻覺，從而讓系統(tǒng)產(chǎn)生誤判夯巷。而在論文《解釋并馴服對(duì)抗樣本》（Explaining and Harnessing Adversarial Examples）中有一個(gè)例子：一張熊貓圖片赛惩，被加入人為設(shè)計(jì)的微小噪聲后，就導(dǎo)致系統(tǒng)將熊貓識(shí)別為長臂猿趁餐。

多年來喷兼，肖煌一直在研究對(duì)抗性機(jī)器學(xué)習(xí)，致力于攻克機(jī)器學(xué)習(xí)算法本身的缺陷后雷。他分析道季惯，依賴于數(shù)據(jù)的機(jī)器學(xué)習(xí)算法、深度學(xué)習(xí)算法本身存在很大的缺陷臀突。對(duì)抗性生成網(wǎng)絡(luò)勉抓，則利用這種缺陷，設(shè)計(jì)新的架構(gòu)去生成模型候学。

“因?yàn)槟壳暗臋C(jī)器學(xué)習(xí)嚴(yán)重依賴于數(shù)據(jù)的分布藕筋，如果數(shù)據(jù)分布本身很復(fù)雜，或者是人為地把它變得復(fù)雜承蠕，黑客如果有手段去生成惡意的樣本菜册，就會(huì)導(dǎo)致識(shí)別不出來蕴续，或者識(shí)別錯(cuò)誤扳啃。”肖煌進(jìn)一步解釋贰宰。

肖煌表示危婚，如果干擾被用在無人駕駛領(lǐng)域，后果則不堪設(shè)想芍迫。比如峦仲，在無人駕駛測試路段德國A9高速公路上，有專門的標(biāo)識(shí)引導(dǎo)無人駕駛車哪趟。如果路邊的標(biāo)識(shí)被惡意修改质瘸，誤導(dǎo)依賴標(biāo)識(shí)的無人駕駛車，則會(huì)造成極度危險(xiǎn)的情況纹怨。

肖煌認(rèn)為磨爪，因?yàn)樗惴ū旧淼娜毕荩诖笠?guī)模使用人工智能之后善绎，網(wǎng)絡(luò)安全則需要更換思路黔漂，設(shè)計(jì)新的方法。

對(duì)此，他提供了以下路徑炬守。

一牧嫉，增加分析端的可解釋性。肖煌分析减途，如果是病毒威脅入侵酣藻，用機(jī)器學(xué)習(xí)檢測的方法，很難解決鳍置，因此希望能在信息安全泄露事故時(shí)臊恋，用統(tǒng)計(jì)學(xué)的方法理解其中的關(guān)聯(lián)，黑客如何入侵系統(tǒng)墓捻，攻擊的路徑是什么抖仅，又是哪個(gè)環(huán)節(jié)出現(xiàn)了問題，找出這些關(guān)聯(lián)砖第，或者從因果關(guān)系圖譜角度進(jìn)行分析撤卢，從而增加分析端的可解釋性。

二瘤希，目前的機(jī)器學(xué)習(xí)算法模型太復(fù)雜昂贷，需要使用大量的數(shù)據(jù)，就存在Tradeoff（權(quán)衡取舍）的情況答艘。肖煌認(rèn)為拆翘，降低算法復(fù)雜度的方法有很多，比如息体，引入先驗(yàn)的知識(shí)囊脉，引導(dǎo)模型往一個(gè)方向?qū)W習(xí)。這樣學(xué)習(xí)的模型復(fù)雜度會(huì)降低狗悔，需要的數(shù)據(jù)也比較少屉争。

三，信息安全情報(bào)的共享也非常重要巡软。比如檩讯，模型存在某個(gè)缺陷，把這個(gè)缺陷提取出來菌劲，用一種高效的手段干跛，編譯到另一種模型中去，另外的模型則無此缺陷祟绊。肖煌認(rèn)為楼入，這類似遷移學(xué)習(xí)（Transfer learning），只是遷移學(xué)習(xí)是遷移中間的學(xué)習(xí)結(jié)果久免，實(shí)際上中間學(xué)習(xí)出來的異常也可以遷移浅辙，從而增加算法的安全性扭弧。

聲明：本網(wǎng)站所收集的部分公開資料來源于互聯(lián)網(wǎng)，轉(zhuǎn)載的目的在于傳遞更多信息及用于網(wǎng)絡(luò)分享记舆，并不代表本站贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé)鸽捻，也不構(gòu)成任何其他建議。本站部分作品是由網(wǎng)友自主投稿和發(fā)布泽腮、編輯整理上傳御蒲，對(duì)此類作品本站僅提供交流平臺(tái)，不為其版權(quán)負(fù)責(zé)诊赊。如果您發(fā)現(xiàn)網(wǎng)站上所用視頻厚满、圖片、文字如涉及作品版權(quán)問題楚餐，請(qǐng)第一時(shí)間告知斤卒，我們將根據(jù)您提供的證明材料確認(rèn)版權(quán)并按國家標(biāo)準(zhǔn)支付稿酬或立即刪除內(nèi)容，以保證您的權(quán)益撇扯！聯(lián)系電話：010-58612588 或 Email:editor@mmsonline.com.cn囚誓。