95萬次攻擊無一得手 人機對抗「擬態防禦」大獲全勝

2020-12-25 浙江在線

2020-12-23 11:21 |浙江​新聞客戶端 |通訊員 盛汪淼芷 徐畫 見習記者 何冬健

12月22日,在中國工程院和浙江省人民政府支持下,之江實驗室、中國信通院、浙江省經信廳、省科技廳、省網信辦、省通管局和中國網絡空間內生安全技術與產業聯盟共同舉辦的首屆「之江杯」工業網際網路內生安全防禦國際精英挑戰賽圓滿結束。本次比賽專門挑選了三款市場佔有率位居前列的傳統工控系統,以便各賽隊通過與擬態工控系統的對比性眾測,體驗中國獨創理論、獨有技術可一體化實現功能安全與網絡安全的超凡優越性。歷經54小時線上酣戰,來自美國、德國、俄羅斯、日本、韓國和我國的40支「白帽黑客」戰隊,對之江實驗室開發的系列化擬態構造工業網際網路核心設備發起95萬次高強度攻擊,無一人一隊成功得手,又一次驗證了內生安全理論與方法在工控網絡領域的普適性和有效性。

工業網際網路是工業系統與網絡信息技術全方位深度融合所形成的新應用生態,是我國新基建領域中信息基礎設施的重要建設方向。工業網際網路通過開放的、全球化的工業級網絡平臺,把設備、生產線、工廠、供應商、產品和使用者緊密地連接和融合起來,高效共享各種要素資源,提升產業鏈協同能力,推動製造業轉型發展。但是,因其信息系統和控制設備種類數量繁雜、全球化產業鏈使得相關軟硬體器件或部件不可避免地存在漏洞後門等問題,傳統工控網絡和設備對別有用心的攻擊者來說,基本處於不設防狀態。這在工業網際網路的發展進程中是一個不得不面對的安全挑戰。

本次大賽的一大亮點是聚焦「擬態防禦+工業網際網路」場景。之江實驗室參照1000MW超臨界燃煤火力發電廠搭建了一套微縮裝置,採用基於網絡空間內生安全理論的擬態防禦技術重構了關鍵控制系統,有效增強了系統的功能安全和網絡安全防護能力,這個微縮裝置中相關設備和系統就是各路戰隊的攻擊靶標。

值得關注的是,本次大賽在工業網際網路安全領域首次引入白盒方式的「人機對抗」模式,邀請國內外頂尖「白帽黑客」作為攻擊方,按照「黑盒與白盒並行、外部突破與內部注入同步」的規則,進行人機對抗博弈。所謂「白盒」測試,就是在比賽期間,主辦方讓出目標系統的部分控制權,給參賽戰隊提供設置後門或注入病毒木馬等攻擊代碼的便利,以檢驗擬態構造工控設備能否經得起「裡應外合」式的協同攻擊,這在全球工業網際網路安全防禦賽事中屬於開創性舉措。

此次挑戰賽過程中,三款主流商用工控系統被多支國內外賽隊多次成功突破,表明當前工業網際網路領域安全形勢極為嚴峻。而擬態工控系統即使在「白盒」讓步階段,仍可發現所有攻擊並能實現有效防禦,充分展示了擬態構造設備具有傳統工控設備所無法比擬的安全性。

中國工程院院士、之江實驗室網絡安全領域首席科學家鄔江興認為,加快構建「雙循環」發展格局,推動經濟高質量發展,必須以科技創新為主要支撐。此次作為眾測目標的工業網際網路系列化擬態構造設備,是我國獨創的內生安全理論和方法在工業網際網路領域的成功應用,設備具有的「測不準效應」能夠形成獨特的「擬態防禦迷霧」,可從根本上顛覆「挖漏洞、設後門、植病毒、藏木馬」等經典攻擊理論和技術方法,能有效抑制和管控確定或不確定風險、已知或未知的安全威脅,讓安全有效、可靠可信直達工業生產第一線,可為工業領域實現生產上網、企業上雲提供安全性可量化設計、可測試度量的創新技術手段。


1608693701000

相關焦點

  • 杭州上演工業網際網路「人機對抗」 95萬次攻擊無人得手
    之江實驗室供圖中新網杭州12月22日電(錢晨菲)22日,首屆「之江杯」工業網際網路內生安全防禦國際精英挑戰賽落幕。歷經54小時線上酣戰,來自美國、德國、俄羅斯、中國等國家的40支「白帽黑客」戰隊,對之江實驗室開發的系列化擬態構造工業網際網路核心設備發起95萬次高強度攻擊,無一人一隊成功得手,驗證了內生安全理論與方法在工控網絡領域的普適性和有效性。
  • 40支戰隊酣戰54小時無人得手 擬態防禦技術獲驗證
    40支戰隊酣戰54小時無人得手 擬態防禦技術獲驗證發布日期:2020-12-23 17:32瀏覽次數:1次12月22日,在歷經54小時線上酣戰後,首屆「之江杯」工業網際網路內生安全防禦國際精英挑戰賽圓滿結束。
  • 我國擬態構造工業網際網路成功抵禦95萬次攻擊
    歷經54個小時的線上酣戰,來自美國、德國、俄羅斯、日本、韓國和我國的40支「白帽黑客」戰隊,對之江實驗室開發的系列化擬態構造工業網際網路核心設備發起95萬次高強度攻擊,無一成功得手。「白帽黑客」指用黑客技術來促進網絡防禦技術進步的安全衛士。
  • 「強網杯」擬態防禦國際精英挑戰賽200萬獎金爭奪戰
    章魚受到攻擊時,可以偽裝成另一種生物或環境躲避。在虛擬的網絡空間,是否也可以採取「擬態」的隱身手法,構建起一個外界無法掌握規律、無法破解結構的安全防禦體系,進而有效避免惡意攻擊呢?2016年初,「Web伺服器擬態防禦原理驗證系統」和「路由器擬態防禦原理驗證系統」研製成功,並通過了科技部委託上海市科委組織的、由國內網絡通信和安全領域的21名院士和110多名專家參與的測評。今年1月,世界首套擬態域名伺服器在中國聯通河南分公司上線,4月,全球首套擬態防禦網絡設備在鄭州投入網際網路線上服務,實現了在真實網絡環境中對擬態防禦理論進行試點示範應用和量化評估。
  • 對抗樣本攻擊與防禦,MindSpore是怎麼做的?
    Q2:增加防禦算法後精度會降低?不一定。防禦算法用了對抗訓練的方式,生成對抗樣本加入原始數據集中,一起訓練模型,得到的模型參數和單純用原始數據集的模型參數是有一點差異,這個差異,可能使得在測試集上的精度發生變化,可能減少,也可能增加。Q3:增加防禦算法對訓練時間的影響?
  • 網絡動態防禦技術發展概況研究
    在網絡攻防的過程中,攻擊方不斷地推陳出新,始終佔據著對抗過程中的主動,而防禦方則陷入了疲於應對的被動局面。長期以來,網絡安全基本上都處於「易攻難守」的不對稱局面。移動目標防禦的思路是通過增加系統的隨機性、減少系統的可預見性來對抗同類型攻擊,通過有效降低其確定性、相似性和靜態性來顯著增加攻擊成本。通常的實現方式是通過變換系統配置,縮短系統配置屬性信息的有效期,使得攻擊者不能在有限時間內完成目標探測和攻擊代碼開發,同時降低收集的歷史信息的有效性,使探測到的信息在攻擊期間已失效。
  • 工業網際網路內生安全防禦國際精英挑戰賽杭州開啟
    來自美國、俄羅斯、德國、英國、日本、新加坡、韓國等國的國際知名戰隊,以及來自清華大學、北京大學等中國高校和企業的共40支頂尖「白帽黑客」戰隊齊聚雲端,對基於內生安全理論及技術研製的工業網際網路擬態防禦系列設備進行為期三天的高強度攻擊。
  • 學界 | 綜述論文:對抗攻擊的12種攻擊方法和15種防禦方法
    圖 4:人臉識別的對抗樣本構造。第 5 節關注對抗攻擊的工作焦點和研究方向。第 6 節討論了防禦對抗攻擊的文獻。對抗攻擊造成了深度學習在實踐中成功的一系列威脅,進而引導了大量的研究進入這個方向。這篇文章展示了第一個對抗攻擊在機器視覺領域的深度學習中的綜合考察。我們回顧了對抗攻擊設計的研究,分析了這些攻擊的存在性以及提出的防禦機制。為了強調對抗攻擊在實際場所中存在,我們獨立地回顧了實際場景中的對抗攻擊。最終,我們引用文獻來展望更廣闊的研究方向。
  • AI算法對抗攻擊和防禦技術綜述「AI核心算法」
    因此 有關對抗攻擊和對抗防禦技術的研究,引起了機器學習和安全領域研究者越來越多的關注。本文將圍繞深度學習對抗攻擊和對抗防禦領域中最前沿的研究成果,探討對抗攻擊和防禦技術的理論基礎、經典算法,以及在工業領域的實際部署等研究與應用前沿。 根據攻擊者可獲得的信息不同,可將威脅模型劃分成白盒、灰盒和黑盒攻擊三類(見圖1)。
  • 40支「白帽黑客」戰隊聚雲端 挑戰工業網際網路內生安全防禦
    之江實驗室供圖中新網杭州12月20日電(錢晨菲)20日,「之江杯」工業網際網路內生安全防禦國際精英挑戰賽在杭州開啟。來自美國、俄羅斯、德國、英國、日本、新加坡、韓國等國的國際知名戰隊,以及來自清華大學、北京大學等中國高校和企業的共40支頂尖「白帽黑客」戰隊齊聚雲端,對基於內生安全理論及技術研製的工業網際網路擬態防禦系列設備進行為期三天的高強度攻擊。
  • 百分點認知智能實驗室出品:智能問答中的對抗攻擊及防禦策略
    本文作者:陳旭一、對抗攻擊概述隨著近些年深度學習的快速發展,深度神經網絡逐漸成為機器學習領域的主流模型,被廣泛應用於計算機視覺、自然語言處理等領域,但在研究與應用的同時,人們漸漸發現,深度神經網絡具有一定的「脆弱性」。
  • 網絡動態防禦技術發展概況研究|網絡安全|地址空間|ip地址|編譯器|...
    在網絡攻防的過程中,攻擊方不斷地推陳出新,始終佔據著對抗過程中的主動,而防禦方則陷入了疲於應對的被動局面。長期以來,網絡安全基本上都處於「易攻難守」的不對稱局面。三、移動目標防禦移動目標防禦的基本觀點認為絕對的安全是不可能實現的,因而更加關注如何使系統能夠在可能遭受損害的環境下連續地安全運行,並不追求建立一種完美無瑕的防禦體系來對抗各種形式的攻擊。移動目標防禦的思路是通過增加系統的隨機性、減少系統的可預見性來對抗同類型攻擊,通過有效降低其確定性、相似性和靜態性來顯著增加攻擊成本。
  • 極具破壞力的DDoS:淺析其攻擊及防禦!
    但是網絡發展帶來機遇的同時,也帶來了威脅,其中以DDoS最具破壞力,它已經成為不同組織和個人的攻擊手段,用於網絡中的勒索、報復,甚至網絡戰爭。本期,ISEC實驗室的老師就為大家解析DDoS的攻擊及防禦。一、DDoS的概念1.什麼是「DDos」?
  • IJCAI 2019 提前看|神經網絡後門攻擊、對抗攻擊
    與首個且此前最先進的針對圖像目標檢測的對抗攻擊方法 DAG(Dense Adversary Generation)相比,UEA 所需的運算時間約是它的千分之一。圖 1.1 DAG 和 UEA 目標檢測對抗攻擊效果示例第一行為原始圖像及其目標檢測結果;第二行和第三行分別為 DAG 方法和 UEA 方法添加擾動後的對抗圖片在兩種目標檢測方法上的效果;其中 DAG 擾動後使得 Faster R-CNN 未檢測出圖中目標,但是對 SSD 無影響;而 UEA 擾動後在 Faster R-CNN
  • 神經網絡中的對抗攻擊與對抗樣本
    無論是在網絡還是作業系統領域,現實應用中我們或多或少對網絡攻擊和病毒軟體都有所耳聞,那麼在神經網絡這一領域是否存在類似的威脅?果不其然,偶然看到一篇介紹『一像素攻擊』的文章,引發了我對老本行『安全』領域的興趣,於是研究了一下在計算機視覺方面深度學習中的對抗攻擊。我們先用最直觀的方式認識一下什麼是對抗攻擊?
  • 對抗攻擊 - CSDN
    在閱讀對抗攻擊相關文獻的時候,經常遇到一些專業術語,經過查找資料在這裡整理下相關筆記。10.有目標攻擊(Targeted attacks)有目標攻擊會讓模型將對抗樣本錯誤地分成某種特定的類別。與之相對的是無目標攻擊。無目標攻擊的目的相對簡單,它只追求讓模型分錯,並不追求到分成何種類型。
  • DDOS攻擊怎麼防禦?
    高防伺服器主要是指IDC領域的IDC機房或者線路有防禦DDOS能力的伺服器。主要是比普通服 務器多了防禦服務,一般都是在機房出口架設了專門的硬體防火牆設備以及流量清洗牽引設備等, 用來防禦常見的CC攻擊,DDOS,SYN攻擊。就目前的標準衡量,網盾高防伺服器是指能獨立防禦100G以上的伺服器。
  • 清華大學廖方舟:產生和防禦對抗樣本的新方法 | 分享總結
    參加多次 Kaggle 競賽,是 Data Science Bowl 2017 冠軍,NIPS 2017 對抗樣本比賽冠軍。Kaggle 最高排名世界第10。分享主題:動量迭代攻擊和高層引導去噪:產生和防禦對抗樣本的新方法