亚洲国产精品色拍网站丨日本高清www午色夜com丨色哟哟在线视频精品一区丨久久精品亚洲中文字幕无码网站丨凹凸在线无码免费视频丨国产在线视精品在一区二区丨亚洲精品国产一区二区的区别丨欧美性生 活18~19丨亚洲中文字幕久久精品无码a丨梦乃爱华av在线播放丨欧美成免费丨一级女人18片毛片蜜桃av丨亚洲午夜福利在线视频丨在线观看精品视频丨精品日产一卡2卡三卡4卡自拍丨欧美1区2区3区丨日产精品一区二区三区在线观看丨国产伦精品一区三区视频丨波多野结衣一区二区三区高清av丨最近中文字幕免费大全在线丨国产精品亚洲片夜色在线丨精品1卡二卡三卡四卡老狼丨亚洲一卡二卡三卡四卡在线看丨麻豆精品传媒一二三区丨超清无码av最大网站

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