智慧城市在很多维度都开始有应用了，但是对于我们来说，未来大规模应用必须得以安全作为基石。AIoT的安全，很多人还不太明白什么叫AIoT，其实就是AI+IoT,而这半年这个词已经非常火。
现在在整个智慧里用得最多的点，包括智慧交通、摄像头的应用、人脸识别的应用，都是基于摄像头的应用。最早我们使用摄像头，是用存储卡记录和监控，这属于非常传统的电子产品；而有一天基于带宽的发展，摄像头可以实时传到网上去了，这就变化成了物联网产品。
什么叫AI+IoT？可能是监控过程中我们加入了对监控内容的AI分析，并且能给出实时反馈，还能做一些事情，比如监测到一个坏人可能会报警，比如流量控制改变红绿灯设计，这在未来都是AIoT所带来的应用。
但是我们想想安全问题，如果是电子存储的SD卡，只是记录整个过程，我们所做的安全就是要防止把卡偷走。在物联网时代我们考虑网络安全，是要防止实时的数据，可能被别人监控到，或者一些隐私的数据被拿到。但是AI完全不一样，因为AIoT它会去分析，去判断，去做动作，去干扰整个事情的过程，这时候安全非常重要，它承担了采集离线分析，云端分析。我们需要做一些事情，去关注未来恶意执行这方面带来的风险。
从整个AIoT来看，我们认为生态安全是非常不乐观的。
像摄像头有很多安全问题，我们也监测到有很多安全案例发生在目前的这些设备当中。包括基于指纹，基于摄像头的都能被破解。可以看到在这个生态演变的过程中，有一个时代的变迁，从PC到移动再到AIoT，它的根基是生态的碎片化愈加严重。
PC时代只有微软一家独大，芯片也只有英特尔一家。移动设备上有iOS和安卓，基于芯片和系统的不同，所带来的安全风险会有几何数量的增加。到AIoT，这更是非常杂乱的过程，从芯片到系统等等，更是非常大的生态，碎片化带来的问题就是基于此的安全非常具有挑战性。
各个厂商和上游都在推自己的产品，可能外观看上去差不多，但是你问他的硬件版本，参数选型，完全不一样，即使一套同样的方案都可能在产品上产生不同的价值。
各种芯片厂商目前没有一家是完全打通的，每一个都是可以排列组合的，所以导致在这方面面临的风险会更高。
从我们的角度来看，AIoT整个系统安全挑战有两块，一块是传统的基于IoT设备本身需要联网，需要系统，本身就存在潜在的系统和网络风险。更重要的是加入了AI之后，AI带来新的风险，传感器欺骗，这是AI与视觉相关的；软件缺陷有开源、第三方的、基于机器学习的，本身有很多漏洞，这些漏洞带来的缺陷也会影响AI在IoT应该发生的正确反应；还有基于大数据的污染；而系统风险和网络风险这就是非常传统的，移动和PC时代都会面临的问题。
所以AIoT安全是有新仇旧恨的。新仇就是IoT本身计算力比较弱，之前对这一块安全关注度不够，本身就有很多问题，重点可能是在网络，在系统上的问题。附加AI之后，基于数据采集、数据传输、数据分析、数据反馈，这个过程中又会带来很多新的问题，现在所谓的AI安全，大部分人是在强化AI攻击或者数据攻击和模型攻击的事情。
但是从结果来看，这一块是存在很多问题的，去年，就已经可以突破人脸识别，当时是国外的一款手机用了人脸识别解锁技术，我们构造了一个条件就可以突破掉。可以看到这个Stop非常经典的图，在很多讲人工智能AI的大会上都能看到，基于小的数据污染就能让AI形成非常错误的结论。
所以在这个挑战中我们相信，除了系统的碎片化和整个生态的复杂度之外，在传统安全，系统、网络、云端都很有可能快速把之前的经验复制过去。但是AI上的挑战是非常持续的，这方面也是整个行业，包括学术界不断的投入。
AI的不确定性，目前训练出来的模型都是黑盒子，未来数据能不能给出正确答案，可能只有70%，80%，90%，都是相对性的结论，这个结论是没有办法人为干预的，只有我们不断调整这个参数。这过程中我们做一些干扰的数据，做一些数据流攻击，甚至是模型层面做模型反逆向做模型渗透等等，这就导致我们的识别结果可能在模糊地带，有可能是一个小的像素的粘贴，就导致结果从A跳到了B。
有几大基于机器学习的攻击，一个是物理世界的攻击，现在很多做语音识别的，我可能是模拟一段语音或者发起一段语音，这可能是被识别成恶意指令，可以做一些动作。所以接受AI之后可以做响应，图片也是一样，我们可以用物理的图片加干扰，做这个模型可能会得到完全不一样的结果，白盒是做模型内部的细节，目前来看是属于比较高级的攻击方式。
百度在这方面做了一些实验，针对语音识别的机器学习对抗已经有一些成果，可以模拟出类似于一段海豚音，让机器识别出来，但是人是听不见的，安静的环境没有接收到任何指令。但是通过攻击性语音，让机器可以识别，机器做出相应的反馈和指令，可以达到攻击的过程。同时还有基于语音的唤醒机器，可以做到隐匿语音唤醒，唤醒之后所有的隐私就可能被暴露出来，这都是未来基于AI的攻击点。
要系统性的解决AI的安全问题，需要从三个方面来处理，还是要做好整个的安全评估，再有一定的方案做安全保障，最重要的是建立起非常及时的安全响应机制和通道。因为安全从来都不是一锤子买卖，是一个持续的攻防对抗过程，所以这个过程中，持续的响应是未来非常重要的一点。
在AIoT设备中涉及到云、管、端和数据相关，不同层面要提供不同的安全保障。
在安全评估上，我们在推行业安全基准，包括跟信通院，对一些具体场景，比如音箱、摄像头等。我希望未来上市的所有智能设备，基于AIoT的设备，上市之前都有一个基准的安全评估，能够在设备传输和AI几个点符合基础的标准，这样就大大降低未来可攻击性。
从我们跟信通院建立的标准来看，目前通过我们建立的安全评估点和安全设备，使整个安全状况有明显提升。在硬件和固件层面都提供了很多的威胁点，未来很多的设备都会有相应的标准来降低未来潜在的风险。
我们也提供了一些专业工具可以辅助大家做评估，比如说百度的Advbox，是专门针对AI的安全工具，第一是可以对你的安全模型做健壮性和基础性测试。另外可以提供对抗样本来训练你的模型，使你的模型加固。第三是我们可以让你去了解对抗样本，这是基于开源的平台，大家在AI上可以检测这些功能。在IoT上我们也提供了一些端上的检测工具，第一时间可以非常方便发现存在的风险和漏洞，在整个设备出厂之前就能感知到风险。
安全保障这一块分了几大块，云端防护思路是非常重要的。特别是基于语音、摄像头，刚才说的AI会导致行为错乱，但是云端的措施没做好会导致隐私的泄露。从国家层面到大众对这方面都有强感知，所以基于这些设备我们要做基于网络安全的风险部署，协议通讯这一块希望所有的设备能够做基于SSL、TLS的加密，包括DNS方面，我们之前存在很多DNS被劫持的场景。劫持之后可能内容会转变为第三方甚至广告等等，有安全的DNS服务去做保障，这一整套通讯层面的安全，最重要的是保证我们的数据传输是安全的，隐私不会被泄露。
对设备端的保护，因为系统非常碎片化，要做大量的工作，基于不同的版本做不同的安全措施，但是系统这一块最重要的分几块去做：第一，安全状态本身要有感知能力，需要做一些监测，包括系统可能被利用了，这些自感知能力很重要；第二我们本身能够有一些恶意判断的应用，包括在安卓的场景，都会有利用恶意应用来攻击场景出现；另外漏洞这一块需要持续关注，对漏洞要及时响应，否则可能会被利用。同时跟第三方媒介的接触要做较强的校验和认证。
安全响应考虑到的是便捷性，所以响应一定要有一条设备和云端的通道。这条通道是设备的生命线，可以更新设备的特性和性能，优化体验，同时可以做安全最重要、最快速的下发通道，包括OTA的安全，是生命线。
在很多行业推出的响应手段，是针对漏洞可以做一些自适应的修复，这会极大的提升我们在AIoT这个行业里对漏洞的响应能力。因为一个漏洞可能跨十个版本，可能IoT里十个版本部署在几十个产品线上，如果有一个高危漏洞出现，可能我们要做几十次封装和下发。这是非常繁重和有成本的操作，因此现在很多厂商不太关注。但是如果有自适应的修复能力在内核做自适应接入，未来所有的设备只需要一个小的Patch就能解决问题，极大的提升安全的联动和响应机制。
百度针对之前的问题也做了很多实践，从云、管、端都提供了方式和手段。云端DDos防护还有Web漏洞防护，都有广泛的应用。还有在AI学习这一块有对抗样本工具，通讯这一块提供了Mesalink，基于SSL的加密通讯的机制。DNS反劫持上，百度开放了搜索多年DNS劫持上的经验，端上这一块有非常强的包括安全OTA、热修复机制等等，我们会提供云管端一体系的安全解决方案，目前在小度和车中都已经应用，以及外面很多AIoT厂商也不断应用落地,如创维、康佳、暴风等,跟整体AIoT生态的合作伙伴一起打造安全生态，做到越智能越安全。
第三十八届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：zhangmm
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
