8月30日,以"智行·践远·就绪数字未来"为主题的2017戴尔科技峰会在上海世博中心举行。峰会汇聚市场领先的创新技术企业和各个领域的专家领袖,共议全球数字化变革的机遇与挑战。云与大数据安全的技术领导者亚信安全作为戴尔的战略合作伙伴受邀出席,并以“物联网时代安全展望”为主题,全面分享亚信安全在人工智能、IoT多层安全风险、IoT设备劫持、勒索病毒防御、物联网“云管端”等领域取得的成功实践,为各行业用户确保IoT数字化安全提供了宝贵经验。
万物互联将是人类迄今为止最美好的时代。万物互联将明显提高生活品质和生产效率,人工智能(AI)将带来期待已久的智慧生活。到2020年,全世界将有260亿的物联网设备相互连接,且平均每天还有550万设备连接到整个网络中来,新增的商业设备和系统中将会有超过一半会包含IoT组件。然而,数以万计的漏洞风险和持续演进的攻击手段,造成了物联网运行环境的进一步恶化,用户的数字化掌控能力渐失渐远。
在2017戴尔科技峰会上,亚信安全通用安全产品中心副总经理刘政平指出:IoT设备因其7×24小时在线、漏洞众多、容易渗透、缺乏管理以及相对较低的攻击成本,已经成为了黑客攻击入侵的首选目标。如今,IoT设备已经成为勒索软件和DDoS攻击重要载体,并且更据破坏性、隐蔽性,其影响范围也将从个人、企业、行业扩展到城市。因此,为应对IoT设备数量极大化的管理难题,以及IoT多层安全风险的复杂性,不仅要发挥云端集中管控、大数据威胁情报分析和人工智能等技术手段,更需要IoT设备制造者、使用者和监管层面的协同努力。
如今,我们的生活方方面面都已被智能硬件与物联网包围着,物联网的安全已成为一个不容忽视的话题。2016年,一支名为Mirai的僵尸病毒,以DDoS劫持攻击方式瘫痪了美国主要域名服务器(DNS)供应商Dyn公司的服务器,半个美国陷入断网状态。2017年,C3安全峰会上,亚信安全的研究团队通过劫持手机GPS的方式,让参会嘉宾的手机位置显示发生偏移,使所有人惊呼“物联网竟然如此弱不禁风”。不论是安全事件,还是白帽子的技术演示,都在反复提醒公众,如果上述威胁风险得不到治理,“万物互联”就有可能成为“万物恶联”。
与戴尔科技峰会上展示IoT应用依靠云计算、雾计算、边缘计算的未来前景相同,IoT多层安全风险的有效治理则依赖“云、管、端”的整体安全。所谓“云”,就是指云计算的安全,避免云运算和应用环境成为黑客对IoT设备发动“水坑式攻击”的载体;“管”是指电信运营商的网络“管道”的安全,比如C3安全峰会上演示的GPS劫持;“端”则包含了每个联网终端的安全,简陋的身份认证、不完善的密钥管理、未能修补的漏洞,以及随之潜伏的恶意代码。
目前,亚信安全已经形成了涵盖IoT云管端一体化安全解决方案,在云上提供“Deep Security SaaS深度安全防护平台”等集入侵检测、云WAF、审计等技术于一体的综合性SaaS安全解决方案;在管道方面,亚信安全和三大运营商携手为用户提供加密信道等高安全等级服务;在终端设备上通过与设备厂商向用户提供定时的补丁或者其他系统升级工具。
针对物联网(IoT) 与工业物联网 (IIoT)的网络威胁治理,刘政平表示:“物联网要大幅普及,必须移除使用者对安全性的疑虑。对于信息安全和数通领域的科技企业来说,在让人们生活变得更加智能的同时,也有责任让智能生活可以信赖。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。