国产精品久久无码一区-精品国产偷窥一区二区-欧亚欧洲码国产-欧美乱人伦人妻中文字幕-国产av无码国产av毛片

編者按：作為國內最大的社交巨頭，騰訊是如何借用 AI技術來解決所面對的安全挑戰？

在6月30日舉辦的CCF-GAIR智能安全專場中，騰訊安全平臺部總監胡珀帶來了《從危到機，AI 時代下的安全挑戰》的演講。

胡珀現任騰訊安全平臺部總監，騰訊安全平臺部Blade Team負責人，是國內首個漏洞獎勵平臺Tsrc負責人。

以及應急響應、前沿安全、安全培訓、安全研究、漏洞獎勵計劃等工作。

以下是胡珀在現場的演講，宅客頻道做了不改變原意的編輯整理。

也會用到AI。大家不要以為AI只是停留在學術界或者是工業界，其實現在黑產也大量在使用AI，之前我們處理過一個案子，就是黑產用機器學習的算法來識別驗證碼，最高可以達到80%到90%的識別率，這個團伙被摧毀后，我們發現這是我們見過的科技含量最高的黑產之一。

被用到了實際環境，可能直接導致車毀人亡的嚴重情況。

第三個問題就是被污染，也就是在AI的底層框架存在的問題。

比如谷歌的深度學習系統TensorFlow，Tencent Blade Team研究之后，發現它其實存在一些傳統的網絡安全問題，比如惡意構造一個模型文件，格式經過特殊構造就可以控制它整個AI系統，然后可以算出AI系統的設計或者架構問題。除此之外，如果引用了惡意的第三方組件，也會導致系統崩潰，拿到系統權限。

這些漏洞我們都報給了官方，并拿到了致謝。這些系統如果底層出問題，被黑客利用，后果是災難性的，所以現在產業界、學術界都非常關注AI的底層架構安全。

第四，許多智能設備都可能被控制。

比如智能音箱可能被竊聽，我們團隊對市面上的一些智能音箱做了一系列研究，許多智能音箱都有安全問題，包括協議的解析和認證授權等，其實還是傳統的安全問題。如果大家感興趣，可以在今年8月份在拉斯維加斯的DEF CON上關注我們介紹智能音箱的漏洞技術細節的議題。

智能音箱也存在被竊聽的問題，小米和亞馬遜都出現過安全問題，它們對協議的解析和認證授權有問題。

如果大家感興趣，我們會在今年8月份，在拉斯維加斯講亞馬遜智能音箱的漏洞技術細節。

另外就是智慧城市，現在很多地方都引入了智慧城市，里面會用很多新的協議，比如 IoT 的協議，這個也存在許多安全隱患。

我們選用騰訊大廈作為目標進行了測試，發現它所使用的智能樓宇設備協議和加密通訊存在一些技術風險，這就造成我們可以通過遠程控制某一層的會議室燈、空調、窗簾，包括插座等。

我們當時放了一個無人機到頂樓，掛了一個信號發射器，實現了對整層樓的開燈關燈關窗簾的控制，在歐洲的HITB安全峰會上我們也詳細講了這個漏洞的技術細節。

因為供應商是國外的，我們把問題報給官方，也修復了，做這個實驗本身就是希望把這個問題修復掉。

除了智能音箱、智慧樓宇等，我們還研究過無人機。

2015年，Blade Team參加一個黑客比賽，遠程用電腦把無人機劫持了。我們破解了無人機的通訊協議，破解之后發現，只能夠抓到一部分無線電協議，就可以去模擬搖控器發出來的協議，把當時的無人機給劫持掉。

攝像頭也是類似。2014年的時候，我們對國內的攝像頭做了一系列的安全評測，2014年是智能攝像頭元年，所以我們也要去跟進看一下。大家有沒有見過有部電影叫《竊聽風云》，里面有個橋段就是加了一個設備，把攝像頭替換掉，導致保安沒有發現有人進去了。

有些攝像頭我們發現也是有這個問題的，我這里放了一個QQ公仔，攝像的 wifi 網絡被我劫持替換，就能控制它所有想要展示的圖像，我重新可以錄視頻，把公仔隱掉。

另外就是一些智能手機，因為智能手機現在用了越來越多的一些所謂的生物識別、智能識別，比如說人臉解鎖，人臉解鎖之前有很大的問題，但是我直接用照片，而且用二維的照片就可以解鎖。

不過現在應該已經加了3D或者活體識別了，就沒那么簡單，但是我們目前在進行的一些研究中發現還是有機會的。所以后面有機會大家還可以看到我們的分享。

另外就是有些手機可以支持智能設備解鎖，比如手環解鎖，只要手機靠近手環就解鎖了，不用輸密碼，這也是比較方便。

但在設計的時候會出問題，解鎖的時候它只會檢測我的手環match地址，這個也很容易實現，我們可以直接解鎖他的手機。另外一些品牌手機可能采取的是指紋解鎖，但我們發現用一個類似的導電硅膠，直接把紙巾按上去就可以了，根本不需要指紋，這個硅膠按上去算法也通過了，最后解鎖也通過。就像現在的智能電鎖，也是類似的原理。大家會發現，現在的智能手機也是不夠靠譜的。

前面我講的是智能設備本身的一些安全問題和供給場景演示，但除了他們本身存在的問題之外，AI技術還可能被黑產濫用。

這就是我們現在看到的，越來越多的智能設備鏈接到了網絡上，但是這些智能設備的安全防護又沒有傳統的pC防火墻，反而會被黑客黑掉，黑客就拿來挖礦、進行DDoS攻擊等等，這樣就會帶來很大的問題。

這些就是一些惡意軟件，把物聯網設備拿來做DDoS攻擊，現在大量的IoT設備都連接上了網絡，包括路由器、攝像頭，很容易淪為黑客控制的工具。還有一些機器學算法也加入了黑產團隊。

以上就是我講的第一部分，AI的安全問題，下面我來展開講一下第二部分，AI安全應用在具體場景下的應用，包括實戰等。

大概也是這三個方向：一個是會向傳統的生物特征轉變，第二個是研究工具有變化，以前是用特征工程來對抗黑客攻擊，現在可能會轉入機器學習的方法，可能用機器學習給它建一個域值和模型，通過模型來看它是否是黑客攻擊。

框架大概是這樣，可能就是有一個整體的平臺，再加上機器學習作為一個分析引擎，和其他的數據層、信譽庫等一起，協同進行合作。

現在有一種很麻煩的攻擊，就是UDp模擬，包括協議都會模擬到正常的業務，這樣怎么做呢？還是會用機器學習相對好一點，在UDp模擬協議的特定場景之下，這種效果是非常好的。傳統的 DDoS 防護是通過一個量來發現，但機器學習可以通過很多維度解決這個問題。

我們可以看一下，大概引入機器學習的實際效果。我們主要是應用在兩個層面，一個是DDoS，一個是黑客的入侵行為，我們看一下 DDoS 的效果。

這是一個傳統的DDoS的模型，加上一個 AI 環節，用機器學習給所有商戶做畫像。在騰訊云上有很多這樣的小商家，可能它單個商戶面臨的流向不一樣，QQ空間和微信朋友圈流量非常大，小的商戶流量非常小，如果采取傳統的特征工程的方法不能很好解決，比如商戶做活動或者雙十一整體流量上升，就會有這樣那樣的問題。

如果用AI畫基線，比如取前面三個月或者前面一個月的數據，引入機器學習生成一個模型，通過檢測模型來看是否是DDos的攻擊或者活動量突增。這樣的話，平時就不僅是流量的大小，還包括原Ip的屬性，或者原端口、整個Ip的值，我們會把整個協議讓機器自己去學，讓它自己提特征出來，大概會選出很多維度，我們會用這個維度做模型。如果它某一天或者某一個時刻偏離這個模型，就可能是遭到DDos攻擊。

最后平均準確率從80%到了96.4%，效果還可以，但機器也有誤報，我們現在采取雙引擎在跑，避免出問題。

在反入侵上也是類似，比如說我們的系統管理員登陸服務器，登陸之后可能會做一系列的運維，或者是部署操作，但它是個有限的集，同時它可能會在某一個特定的時間，或者會有特定的習慣，反正是有規律的。

這個規律如果通過特征工程很難做，但通過機器學習，可以很好地為服務器的每一個管理員帳號進行精準畫像，這樣就可以解決黑客冒用帳號的攻擊方式。

現在大部分情況是黑客直接拿一個帳號密碼，冒充管理做操作，但它的操作跟管理員是不一樣的，一個是時間，還有一個是翻找文檔，或者是偷數據的行為，但這些是正常運維管理員和普通用戶不會出現的行為。所以完全可以通過這種模型，直接算一個匹配度，同時把它標注出來。

騰訊也有在做這塊東西，效果就是我們的幾次演習，拿到管理員帳號做進一步滲透的時候，他會明顯發現有異常，會告警出來，效果還可以。

今天我總結一下，講了兩部分：一部分就是AI本身的安全問題，其實我們可以看到，隨著現在AI和智能設備越來越應用到我們的生活，有很多各式各樣的安全問題，不管是智能音箱、智能插座還是智慧樓宇等，一定會有很多黑客盯著，學術界、產業界最好提前發現解決，避免出更大的事故，畢竟以前的互聯網都是信息化的東西，現在跟物理世界結合之后，可能會產生很大很嚴重的影響。

第二部分是把機器學習方法應用到傳統的安全場景，在某些特定場景下，AI絕對是優于人類或者傳統的特征工程，但在某些場景我們還需要繼續探索。

問答環節：

雷鋒網：今天幾大巨頭都帶來了AI＋安全的演講，與他們相比，騰訊在這方面的戰略上有哪些不一樣？

胡珀：我覺得騰訊的AI+安全所面臨的場景會更豐富一些，大家都知道，騰訊主要的業務包括游戲、社交、支付等，所以我們AI+安全會圍繞這些場景做一些配套的工作，比如QQ上的登錄，QQ上的垃圾信息打擊，然后微信的登錄、微信這一塊的，都用到機器學習來保護賬戶的安全。

除此之外，我們也會在其他領域，比如騰訊在布局智能醫療，我們會配合騰訊的AI戰略，在AI+醫療方面針對安全方面做一些定制化的工作，其他比如智慧零售和智慧樓宇也會在AI安全方面有研究。

雷鋒網：能以具體場景為例講一下你們的AI＋安全如何落地嗎？

胡珀：比如智慧樓宇，它其實就是一個傳統的樓宇加上一個 AI 的學習框架組成的，其實它有兩個問題：

1.它的 AI 學習方法有沒有問題。

2.它的傳統樓宇層有沒有問題。

甚至是他們兩者結合起來之后，會不會有新的問題出現？這都是我們要研究的東西。

雷鋒網：您在騰訊工作了11年，從最開始的 pC 安全、移動安全、物聯網安全再到 AI 安全這塊，請問是不是安全人員以后都要對AI方面有所積累？以后這會是一個硬性的要求嗎？

胡珀：這不一定，安全整個領域還是很大的，比如說他不做類似數據處理分析這塊的工作，他可能就不需要了解人工智能相關的知識。如果只是一個負責軟件漏洞挖掘的安全工程師，那他就不需要。

不過如果他是負責相關業務安全或者數據安全的，還是懂一些會比較好，因為他引入一種新的方法就可能會提升他的效率。

現在AI這么火，未來肯定會有越來越多的這種開源的框架、工具，去幫助安全人員去工作，提升效率，所以我覺得可能是這樣一種場景，你懂技術，可以直接調用一個庫，去調用這些AI的方法，這就會非常簡單了，而且現在已經有這樣一種趨勢了。

雷鋒網：你剛才在演講中提到的宙斯盾所擁有的 DDoS 防御與其他的防御系統有何不同？?

胡珀：我覺得特點有兩個：

第一，因為騰訊的業務非常大，類型也很多，所以這個抗DDoS的要求會很高，是個通用型的產品。

第二個是幫騰訊云上的商戶做，把它防護的每一個業務當成一個商戶的話，它能適配不同的流量模型和類型，針對每一個商家，都是不同的模型，而不是一種一刀切的形式。

像傳統的廠商或者是說傳統的方法，都是用一刀切的方式，就是我加一些黑特征，只要他命令這個特征，我就認為是攻擊，就把它攔掉。但是這可能會造成誤殺，比如它搞了一個活動，然后流量跟以前不一樣了，現在用機器學習的方法，會有一些調整，減少誤殺。

雷鋒網：在AI+安全領域，你有沒有特別欣賞的公司？

胡珀：其實我們重點是看哪些公司能把AI應用在安全場景，然后對自身企業的安全防護會產生不錯的效果。

本文來源：雷鋒網