IPv6因地址空间巨大,在应对部分安全攻击方面具有天然优势,在可溯源性、反黑客嗅探能力、邻居发现协议、安全邻居发现协议以及端到端的IPSec安全传输能力等方面提升了网络安全性。
针对《推进互联网协议第六版(IPv6)规模部署行动计划》,华为安全给出了IPv6规模部署下网络安全防护的详尽解读,承接上期IPv6行业影响,本期聚焦IPv6安全技术。
可溯源性
IPv6巨大的地址空间为每个网络设备分配了一个独一无二的网络地址,不需要像在IPv4网络中通过NAT解决地址不足问题,从而有利于事后追查回溯,提高安全的保障性。
反黑客嗅探能力
由于庞大的IPv6地址,使得在IPv4网络中常常被黑客使用的嗅探扫描在IPv6网络中变得更加困难。
NDP & SEND
在IPv6中,ARP的功能被邻居发现协议(NDP)所代替。邻居发现协议通过发现链路上的其他节点,判断其他节点的地址,寻找可用路由。对比ARP, NDP仅在链路层实现,更加独立于传输介质。下一代互联网的安全邻居发现(SEND)协议通过独立于IPSec的另一种加密方式,保证了传输的安全性。
端到端IPSec安全传输能力
IPSec为IPv6网络中的每个节点提供了数据源认证、完整性和保密性的能力,实现端到端的安全加密。
Q1IPv6新增的安全特性与IPv4有什么区别?
IPv6网络的安全,由于仅是IP包头、寻址方式发生了变化,内置了端到端的安全机制,所以相对IPv4,在安全方面IPv6对当前的各种安全风险的防范并没有太大的提高。
Q2基于安全性考虑,IPv4网络使用NAT技术来隐藏内网IP地址,IPv6网络是否也需要类似技术来提升安全性?
IPv6的NPT(Network Prefix Translation)(RFC6296)协议可以实现与IPv4 NAT类似的功能,允许IPv6地址的1:1映射,达到隐藏内部IPv6地址的效果。
Q3对于应用层攻击,IPv6网络的防御手段和方式都有哪些影响?
应用层防御功能一般包括协议识别、IPS、反病毒、URL过滤等,主要检测报文的应用层负载,几乎不受网络层协议IPv4/IPv6影响,因此,大部分传统IPv4协议下的应用层安全能力在IPv6网络中不受影响。
但有少部分IPv4网络协议在IPv6网络下自身需要发生了变化,比如DNS协议升级到DNSv6,那么对应的应用层安全检测需要根据协议变化进行调整。
Q4IPv6在扩展头中增加了IPSec的端到端加密能力,如果应用开启了此项功能,那么网络安全设备该如何检测和防御加密流量?
一般情况下,网络安全设备无法解密IPSec加密流量,仅能基于IP地址来控制。但从目前的情况来看,这种“内嵌”的IPSec需要使用密钥分发技术,总体上并不成熟,管理成本高,另外,由于网络安全设备正常是无法解密IPSec流量,防火墙等网络安全设备就无法在网络&应用层来检测IPSec流量,从某种意义上,系统的安全性得不到完整的保证。对于一般企业应用,基于管理成本和安全性考虑,建议仍使用防火墙实现IPSec VPN加解密,并在网关位置进行IPS、状态防火墙等安全检查,待技术成熟后再部署端到端加密。
Q5SSL代理功能在IPv6协议下是否受到影响?
SSL代理不依赖于网络层的具体协议,仍可以对IPv6 SSL加密流量实现解密。
Q6对于IPv6网络,如何通过防火墙来实现安全策略管理,与IPv4的安全策略有何不同?
IPv6与IPv4的安全策略管控是一样的,仍需要基于ACL的五元组来逐条配置,仅是IPv6地址变长,使得策略配置更加复杂。
Q7在现有安全设备上开启IPv4/IPv6双栈功能后,在功能和性能上会对IPv4业务有何影响?
开启IPv4/IPv6双栈一般不会对安全设备的功能产生影响,主要影响设备的性能,因为IPv6协议栈会挤占IPv4业务的CPU和内存等资源,导致现有的IPv4业务在会话表容量、新建速率、吞吐率上会出现不同程度的下降。建议在升级/开启IPv4/IPv6双栈前评估现有安全设备的处理能力,必要时可以替换现有安全设备,避免影响现有IPv4业务。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。