美國舉辦世界首屆網(wǎng)絡(luò)攻防大賽,墨云完成數(shù)千萬元A輪融資

2016年8月，美國國防部下屬國防高級研究計劃局（DARPA），舉辦了世界首屆機(jī)器與機(jī)器對抗的網(wǎng)絡(luò)攻防大賽（CGC）。參賽團(tuán)隊需構(gòu)建自動化系統(tǒng)，對有缺陷的程序做自動加固和相互攻擊，這些系統(tǒng)不僅要能夠抵抗外來攻擊，還需同時反擊對手。

CGC大賽的舉辦，所影射的正是當(dāng)下網(wǎng)絡(luò)安全領(lǐng)域的現(xiàn)狀。

研發(fā)虛擬黑客機(jī)器人，通過模擬黑客的攻擊手法及攻擊路徑，對系統(tǒng)進(jìn)行滲透測試，找出系統(tǒng)的安全漏洞。有效提高了漏洞發(fā)現(xiàn)的效率、成功率。在高水平網(wǎng)絡(luò)安全人員稀缺，互聯(lián)網(wǎng)邊際向物理世界（如IoT）擴(kuò)張的今天，極大程度上解決了用戶自身專業(yè)人員短缺、漏洞與風(fēng)險排查難的問題。

近期，墨云完成數(shù)千萬元A輪融資，由藍(lán)馳創(chuàng)投領(lǐng)投。

以下全文2650字，閱讀時間約7分鐘。

你的防御系統(tǒng)已不是百毒不侵

如果把時間軸拉開，我認(rèn)為，中國的信息安全行業(yè)可以以2010年左右為基準(zhǔn)，分成前十年和后十年。

前十年，即2000年左右起，企業(yè)開始建立自己的IT系統(tǒng)，安全市場也就應(yīng)運(yùn)而生。當(dāng)時的市場重點(diǎn)在安全防御，比如防火墻、IDS、IPS等。趕上這波浪潮的安全硬件公司基本都上市了。

后十年，強(qiáng)調(diào)安全檢測、安全分析，以及漏洞挖掘。在新的網(wǎng)絡(luò)環(huán)境下，安全防御系統(tǒng)的防御效果變得愈加有限。

新的市場需求應(yīng)運(yùn)而生——幫助企業(yè)檢查原有的防御系統(tǒng)哪里有問題，為什么疲于應(yīng)付最新的黑客攻擊手段。所以，這一市場周期內(nèi)，出現(xiàn)了很多檢測分析類以及攻擊類的公司。

黑客攻擊下，防御邏輯的失靈

黑客的攻擊邏輯和安全公司的防守邏輯有本質(zhì)上的不同。

安全防御體系是基于之前總結(jié)出規(guī)律的攻擊手段累計的集合，一個攻擊進(jìn)來，系統(tǒng)匹配到防御策略，隨后進(jìn)行防御。但是，黑客的手法卻不同，是不斷變化或迭代的。

如果說防御系統(tǒng)是墻，漏洞是縫隙；那么黑客攻擊就是水，只要從墻中間找出一條縫隙，穿過墻就可以了。

在進(jìn)行攻擊的時候，黑客一般不達(dá)目的不罷休，會不斷地調(diào)整攻擊手段和方法，持續(xù)攻擊，直到防御系統(tǒng)無效為止。

AI支撐下的黑客帝國

近幾年AI技術(shù)越發(fā)成熟，在各行各業(yè)都有應(yīng)用。黑客作為對新技術(shù)最為敏感的一個群體，早已將AI技術(shù)融入到攻擊手段中。很多將AI與網(wǎng)絡(luò)安全攻擊相結(jié)合的方法已經(jīng)被實際使用，而且效果明顯。

有了AI，黑客的自動化攻擊能力得到了很大的加強(qiáng)，可以像人一樣判斷前面的障礙，尋找辦法越過障礙，并發(fā)動新一輪攻擊。

整個過程一氣呵成，可以直接制造出完整的攻擊殺傷鏈。

例如在魚叉式釣魚攻擊中，黑客能夠利用AI技術(shù)更快、更精準(zhǔn)地確定目標(biāo)，并自動發(fā)送郵件。

魚叉式網(wǎng)絡(luò)釣魚攻擊：當(dāng)進(jìn)行攻擊的黑客鎖定目標(biāo)后，會以電子郵件的方式，假借該公司或組織的名義向被鎖定郵箱發(fā)送難辨真?zhèn)蔚泥]件，誘使員工進(jìn)一步登錄其賬號密碼，攻擊者借機(jī)安裝特洛伊木馬或其他間諜軟件，竊取機(jī)密。此外，攻擊者還能夠進(jìn)一步地在員工時常瀏覽的網(wǎng)頁中置入自動下載器，持續(xù)更新受感染系統(tǒng)內(nèi)的病毒。

再比如圖像識別技術(shù)，黑客已經(jīng)能夠很輕易地攻破圖像驗證碼這一防線，深入到系統(tǒng)中實現(xiàn)撞庫。

撞庫：黑客通過收集互聯(lián)網(wǎng)已泄露的用戶和密碼信息，生成對應(yīng)的字典表，嘗試批量登陸其他網(wǎng)站后，得到一系列可以登錄的用戶名和密碼組合。

此外，AI還可以提高指紋識別的效率和精準(zhǔn)度，進(jìn)而提高下一輪攻擊的精準(zhǔn)度。

指紋識別：識別在暗網(wǎng)中的主機(jī)、網(wǎng)絡(luò)、物聯(lián)網(wǎng)設(shè)備、Web系統(tǒng)等資產(chǎn)的技術(shù)。

安全公司的防守

神經(jīng)網(wǎng)絡(luò)的參與程度甚至連1%都不到

黑客與安全產(chǎn)業(yè)之間，是「魔高一尺，道高一丈」的較量。在AI技術(shù)的影響下，網(wǎng)絡(luò)安全已經(jīng)從傳統(tǒng)的「規(guī)則性被動防御」轉(zhuǎn)變?yōu)椤钢鲃影l(fā)現(xiàn)」，且已經(jīng)取得了巨大的效果提升。

現(xiàn)在，AI技術(shù)基本已經(jīng)進(jìn)入了網(wǎng)絡(luò)安全的每一個細(xì)分領(lǐng)域，比如安全攻擊、病毒檢測、安全服務(wù)等。幾乎所有的安全公司都在向AI轉(zhuǎn)型。

傳統(tǒng)的網(wǎng)絡(luò)安全產(chǎn)業(yè)分為三大領(lǐng)域——安全硬件、安全軟件、安全服務(wù)。

安全硬件領(lǐng)域，傳統(tǒng)的防火墻廠商和WAF廠商目前已經(jīng)將AI技術(shù)融合在其防御系統(tǒng)中。曾經(jīng)的防火墻或者WAF的運(yùn)行原理，是基于規(guī)則和正則表達(dá)式的。針對每一種攻擊手法，設(shè)置一種攔截規(guī)則。AI引入之后，系統(tǒng)就可以動態(tài)調(diào)整規(guī)則?？梢葬槍Σ煌墓魳颖?，實時生成新的防御策略并攔截，使攻擊鏈斷裂。

安全軟件領(lǐng)域，現(xiàn)已經(jīng)在廣泛地通過語義分析、自然語言處理的方式，從海量的日志文件中抽取告警信息，并分析某個日志中的告警信息與其他日志之間的關(guān)系。當(dāng)有新日志產(chǎn)生，系統(tǒng)就會迅速關(guān)聯(lián)、匹配，做出告警。

安全服務(wù)領(lǐng)域，常常需要通過攻擊的方式檢測系統(tǒng)的漏洞所在，因此黑客正在使用的手段這類公司都會采用。例如，利用圖像識別技術(shù)跨過驗證碼，以及在模擬釣魚攻擊過程中利用語義分析技術(shù)進(jìn)行大量的用戶信息比對等。

盡管如此，現(xiàn)階段AI和網(wǎng)絡(luò)安全的結(jié)合還處在早期，更多地是一些小的結(jié)合點(diǎn)。在很多方面，神經(jīng)網(wǎng)絡(luò)的參與程度甚至連1%都不到。

我們坐以待斃了嗎？

在我看來，應(yīng)對AI加持的黑客攻擊，在目前的技術(shù)進(jìn)程下，我們可以抓住最核心的一點(diǎn)——提高業(yè)務(wù)自身的安全性。

隨著互聯(lián)網(wǎng)的發(fā)展，很多0-day漏洞出現(xiàn)。這些漏洞能夠輕松跨過防御直達(dá)系統(tǒng)本身，如果系統(tǒng)本身漏洞百出，被攻破后黑客能直接訪問系統(tǒng)底層進(jìn)行數(shù)據(jù)竊取。

因此我主張建立完善的攻擊檢測系統(tǒng)，盡量減少業(yè)務(wù)的源代碼漏洞、邏輯漏洞；或者通過修復(fù)方案修復(fù)業(yè)務(wù)系統(tǒng)本身。依靠系統(tǒng)自身的堅實做防御，而不是依靠外部的防火墻。

AI能為攻擊檢測系統(tǒng)做什么？

攻擊檢測系統(tǒng)的運(yùn)作大體上可以分為三個步驟：

1）對程序的源代碼進(jìn)行審計；

2）對程序用到的中間件、數(shù)據(jù)庫等組件進(jìn)行攻擊測試；

3）審核系統(tǒng)本身的邏輯行為漏洞。

AI可以解決掉這三個環(huán)節(jié)中很重要的一些問題。

在源代碼審計環(huán)節(jié)，傳統(tǒng)的代碼審計工具經(jīng)常誤報、漏報。通過一些樣本對AI系統(tǒng)的訓(xùn)練，可以降低誤報率，提升審計效率。漏洞分為通用漏洞和邏輯漏洞。當(dāng)前AI在對未知位置上的通用漏洞進(jìn)行檢測，已表現(xiàn)出了較強(qiáng)的優(yōu)勢；但邏輯漏洞的檢測目前AI還不能勝任。目前，我的團(tuán)隊正在研究通過流量代理的方式檢測邏輯漏洞。

在攻擊檢測方面，墨云提出了一個全新的與AI結(jié)合的解決方案——利用AI技術(shù)模擬黑客攻擊。

在真實環(huán)境中利用「黑客劇本」動態(tài)生成攻擊路徑鏈，主動并持續(xù)地進(jìn)行入侵模擬，從而在真正黑客入侵之前發(fā)現(xiàn)漏洞及攻擊手法，為用戶展現(xiàn)全鏈條脆弱性所在。

這種從「黑客」視角出發(fā)的方式，對于企業(yè)安全態(tài)勢的分析評估、風(fēng)險的量化，以及當(dāng)前安全控制手段有效性的驗證提供了全面可靠的指導(dǎo)，也有利于企業(yè)進(jìn)一步定位需優(yōu)先處理的重要安全問題。

在大多數(shù)行業(yè)，AI輔助人工的優(yōu)勢體現(xiàn)為效率更高、成本更低、效果更好，在網(wǎng)絡(luò)安全領(lǐng)域也是一樣。

效率更高：一臺機(jī)器可以并發(fā)64個黑客進(jìn)行持續(xù)的滲透測試，且可以24小時不間斷，持續(xù)迭代。但對于一間普通公司來說，請這么多個安全工程師不間斷地工作，基本是不可能的。

成本更低：目前一位高級安全工程師年薪動輒百萬，用AI代替部分工程師的工作能夠幫助企業(yè)節(jié)省相當(dāng)可觀的人力成本。

效果更好：人類工程師個體存在差異，水平有高低。但機(jī)器的水平是可量化的、可預(yù)知的，且機(jī)器的服務(wù)可以產(chǎn)品化地復(fù)制下去。

從百億到萬億

數(shù)據(jù)顯示，預(yù)計2018-2021年國內(nèi)信息安全行業(yè)復(fù)合增速接近25%，2021年行業(yè)整體規(guī)模(安全硬件，安全軟件與安全服務(wù)合計)將超過620億。當(dāng)IoT時代到來，我相信市場會擴(kuò)張到千億級或萬億級。

現(xiàn)在是安全公司進(jìn)行早期積累的階段。誰的內(nèi)功更扎實——訓(xùn)練的模型更好、方法更優(yōu)化、解放的人力更多，那么未來這片市場就是誰的。

未來，在這樣大的市場空間下，無論是防御類還是攻擊類的安全產(chǎn)品，都會變成以AI為主導(dǎo)的，通過交互式機(jī)器學(xué)習(xí)，進(jìn)行主動識別的產(chǎn)品。