---

新智元報道

編輯：好困 Aeneas【新智元導讀】知道嗎？你的每一次點擊，背后都發(fā)生了一場「世界大戰(zhàn)」。在網(wǎng)絡世界，假相和騙局防不勝防。看看這段澳洲課堂上老師播放的特朗普和蓬萊奧合唱《我愛你中國》的視頻就知道，技術就是工具，它可以造假，也可能「失控」。

原視頻：UFO上的書蟲

【資料圖】

技術雖然成就了互聯(lián)網(wǎng)，但它也正在被利用生成新的隱患。今年9月7日，中科大網(wǎng)絡信息中心的老師們向全校師生發(fā)放4萬封「免費送月餅」的釣魚郵件，測試師生們的反詐騙能力。結果，3100余位學生、400余位教職工中招。可以肯定的一點是，網(wǎng)絡風險正在從黑客們專業(yè)的「網(wǎng)絡攻擊」擴展到普通人關心的方方面面，普通人已經(jīng)難敵技術帶來的假象和騙局。隨著安全風險正在成為網(wǎng)絡世界的頭號隱患，我們的生活，也正在因為技術安全的博弈而發(fā)生著巨大的變化。為了應對這些挑戰(zhàn)，阿里巴巴、騰訊集團、螞蟻集團、360等各大互聯(lián)網(wǎng)公司大力發(fā)展安全科技。一方面，這些實驗室的安全專家在注重人工智能本身的技術安全性，大力發(fā)展可信AI；另一方面，他們在通過將人工智能技術與安全技術融合來實現(xiàn)安全防護，安全科技已經(jīng)傳統(tǒng)的系統(tǒng)安全升級為多元的安全技術體系。其中，以安全實驗室為主體，這些互聯(lián)網(wǎng)企業(yè)正在實現(xiàn)安全科技上的巨大突破。例如，360的Vulcan Team、追影實驗室、Sky-Go Team、0kee Team等，在網(wǎng)絡犯罪研究、黑灰產(chǎn)打擊、反網(wǎng)絡詐騙、挖掘安全漏洞等方面都成績斐然。360安全實驗室（部分）螞蟻的9大安全實驗室，聚焦智能風控、數(shù)字身份、數(shù)據(jù)安全隱私保護等領域的前沿安全技術，構建了「魯棒性、可解釋性、隱私保護、公平性」為核心特征的可信AI技術架構，在反詐反洗錢等方面取得重要成效。螞蟻9大安全實驗室

AI是否可信，是個大問題

人工智能發(fā)展至今，已經(jīng)有60多年的歷史了。

在以前，AI是靠知識驅動、數(shù)據(jù)驅動，而現(xiàn)在，行業(yè)走到了以安全可控為核心的階段。而人工智能技術與安全技術的融合，也代表了安全領域進入了一個新的階段——可信AI。為什么可信AI如此重要？自從谷歌人工智能圍棋軟件AlphaGo橫掃人類世界冠軍，標志著AI的無所不能。隨著AI廣泛落地到各個領域中，安全隱患也隨之而來。2015年2月，英國進行了首例機器人心瓣修復手術。期間，濺到攝像頭上的血液，讓機器人「瞎了眼」，一把戳穿了大動脈。最終，患者在術后一周去世。2016年9月，一輛處于「定速」狀態(tài)的特斯拉，因未能識別躲閃而撞上前車，造成駕駛員身亡。而這也被認為是國內首起特斯拉自動駕駛功能使用中發(fā)生的車禍致死案例。隨著類似的事件越來越多，人類對于人工智能產(chǎn)生了「信任危機」。可以看到，雖然當前深度學習的算法準確率已經(jīng)達到了99%，但是當它在現(xiàn)實中落地時，即使是1%的錯誤，也是我們無法承受的。當前基于神經(jīng)網(wǎng)絡的AI技術具有不可解釋、魯棒性差、過于依賴數(shù)據(jù)等通病。行業(yè)界從2017年開始關注這個問題。IEEE在2017年12月提出了《人工智能的倫理設計準則》，緊接著澳洲、美國、新加坡等都提出了相關的政策、指南或白皮書；國內，何積豐院士于2017年11月香山科學會議上首次提出了「可信人工智能」的概念；在此之后，京東、螞蟻、騰訊等互聯(lián)網(wǎng)大廠企業(yè)紛紛入場「可信AI」?！负唵蝸碚f，『可信AI』包含四大基本原則：隱私保護、魯棒性/穩(wěn)定性、可解釋性和公平性」，螞蟻安全天筭實驗室負責人王維強這樣定義。這四個原則，都有相應的理由。首先是公平性。AI的偏見是從何而來呢？我們訓練AI，是通過「喂」給模型大量的真實數(shù)據(jù)，然而AI被訓練后，卻可能因為數(shù)據(jù)采集中的偏見，而不公平地對待人類。比如亞馬遜的機器學習專家曾發(fā)現(xiàn)，他們的招聘算法對包含「女性」一詞的技術職位的簡歷進行了降級，并「懲罰」了兩所全女性大學的畢業(yè)生。而該算法是根據(jù)亞馬遜10年來的招聘數(shù)據(jù)進行的訓練，其中技術崗位的人員大多為男性。沒錯，AI就是這樣「打臉」了人類：你們的偏見無所不在。其次是魯棒性?，F(xiàn)在的黑產(chǎn)有很多針對AI模型的攻擊方式，比如中毒攻擊、對抗攻擊、后門攻擊等。如果模型不夠魯棒，哪怕模型特別簡單，都很快會被黑產(chǎn)打穿。曾有人測試過，在路牌上貼一張貼紙，自動駕駛汽車的AI就識別不出來了，這也會造成嚴重的后果。像支付寶這樣的互聯(lián)網(wǎng)支付平臺，每天都會受到上億次的黑產(chǎn)攻擊。如果速度比黑產(chǎn)慢，成千上萬的支付寶用戶資金安全就會受到威脅。這時，風控模型與算法魯棒性就變得至關重要。第三是可解釋性。我們都知道，以深度學習為代表的機器學習算法，可以看成是一個端到端的黑箱。我們不理解AI為何會有這么高的性能，不明白AI是怎樣做決策的。如果可解釋性比較差，用戶交互或者給監(jiān)管解釋時就會有比較大的挑戰(zhàn)。最后一個是隱私保護。隱私泄露的危害，我們在上文里已經(jīng)看到了。顯然，現(xiàn)在隨著數(shù)據(jù)泄露導致的風險越來越大，我們需要仔細思考，如何在「數(shù)據(jù)保護」與「數(shù)據(jù)驅動的AI研究」中取得兩全。天筭實驗室是螞蟻安全實驗室中專注于可信AI與智能風控研究的主力軍。為了讓AI算法更加安全可信，天筭實驗室還研發(fā)了「蟻鑒」平臺，并把這個能力開放了出來。這也成為可信AI這個領域，在今年里一個「大事」。這是一個面向工業(yè)場景全數(shù)據(jù)類型的AI安全檢測平臺。它融入了博弈理論、邏輯推理、隱私計算，可以通過系統(tǒng)化、標準化、智能化檢測提前發(fā)現(xiàn)模型的潛在漏洞，提升AI模型的風險識別和風險防御能力。這樣，通過一系列的測試，就可以確保模型上線之前，能夠避免那些常見的攻擊，從而提升模型的魯棒性。未來，這個平臺還將逐步增加AI可解釋、公平、隱私的相關檢測?！溉绻覀兡茏屓斯ぶ悄茉谶@四個方面的「可信」度量上都達到很高的共識水平，或許就有機會從根源上消除制約AI技術的弊端，使AI對人類來說更加值得信任」，王維強這樣說。這是一個相殺相愛的過程。面向未來更大規(guī)模的智能化，人類和AI的合作剛剛開始，人類和AI的對抗也剛剛開始。

用技術對抗詐騙，用AI對抗AI

而當可信AI遇上風控，各大安全實驗室都在深耕以「魯棒性、可解釋性、隱私保護、公平性」這幾個原則為核心特征的智能風控技術架構。

比如螞蟻安全實驗室，就把以可信AI為基礎的IMAGE風控體系作為抵御數(shù)字時代風險的核心能力。要說到數(shù)字時代的風險，就不得不提到電信詐騙。如今的我們，對于「電信詐騙」可謂是耳熟能詳，而這有一個令人唏噓的起因。在2016年8月，18歲的山東女生徐玉玉遭遇電信詐騙被騙走了9900元學費，傷心過度，引發(fā)心臟驟停去世。這場悲劇，令社會對由來已久的電信詐騙的憤怒達到頂峰。而2016年也成為標志性的一年，國內外多家專業(yè)機構的研究顯示，電子支付平臺的風險以2016年為分水嶺。這一年，也認為是全社會防電信詐騙的元年。在此之前，各家支付平臺面臨的風險挑戰(zhàn)主要以直接盜取賬戶、盜取銀行卡等為主，而在此之后利用信息網(wǎng)絡、AI技術的電信網(wǎng)絡詐騙、跨境賭博為代表的新型網(wǎng)絡犯罪上升為風險的主流。風險的技術含量在升級，對抗這些風險的技術也必須變革。最明顯的體現(xiàn)是：大規(guī)模智能化技術用于防詐騙，取代了人工。反詐騙到底是什么？首先，它是一場技術與心智的對抗賽。它是一場心理學和機器學習之間的碰撞。在大部分人的認知里，反詐騙是安全專家與騙子之間的較量。比如，為了防止支付寶賬戶被盜刷，支付寶就需要建立更堅固的防護墻。但是如今的反詐，早已不是那般簡單。現(xiàn)在的電信網(wǎng)絡詐騙中，騙子就是「演員」，用戶就是「觀眾」。一旦演員抓住觀眾的心理，讓觀眾入了戲，他就會深陷劇情之中，而騙子接下來的得逞就易如反掌了。所以，現(xiàn)在的反詐，不止要建立防護墻將騙子攔在門外，還要想辦法“喚醒”用戶「心智」，將用戶拉出騙子的劇情，幫助他主動識別騙局?，F(xiàn)在，螞蟻集團的智能風控技術，就是在用主動交互式風控技術，讓用戶意識到自己被騙了。開始，螞蟻采用的是智能彈窗。后來，在2019年，螞蟻推出了「叫醒熱線」，AI機器人會主動致電用戶，進行更有感情的語音交互。在近期，螞蟻還開發(fā)了「安全保鏢」機器人，通過圖文互動進行風險揭示。王維強介紹，在交互的過程中，系統(tǒng)就會采用一些AI技術，比如語言學習里的對比學習，去判斷這個用戶的話語中是否有前后不一致的問題，來識別他是否深度被騙。有的用戶被騙子騙得太深，已經(jīng)很難制止了，對于這種用戶，系統(tǒng)識別到后會對受騙者進行強制「冷靜」。截至目前，螞蟻交互式風控技術已經(jīng)取得了不斐的成績。據(jù)螞蟻發(fā)布的《2022年反詐治理半年報》顯示，螞蟻AI叫醒熱線電話日均交互4.3萬人次，平均語音溝通時長大于90s，AI的理解和溝通能力越來越好，用戶與AI交流的意愿更強，時間也更長了。另外，為了喚醒用戶心智，反詐方自己得有快速識別詐騙團伙的能力。在以前，很多詐騙以盜號的形式，由于是非本人操作，所以有很多可查的痕跡。但現(xiàn)在，當用戶本人受騙，攻防的難度很大，因為這個賬戶不是被黑產(chǎn)控制，而是被用戶本人操作。所以在系統(tǒng)視角下，就是用戶自己想轉一筆錢。而且，現(xiàn)在的詐騙團伙作案手段越來越狡猾，詐騙過程非常隱性。舉個例子，在最后的付款階段，騙子為了躲閃風控，有時也不會直接和被害人進行轉賬。而是先讓他轉給一個或多個正常的賬戶，然后再經(jīng)過一系列看起來非常正常的操作之后，最終讓這筆錢來到詐騙團伙的手里。更有甚者，當騙子發(fā)現(xiàn)自己的賬號被管控之后，還會假裝好人給一些公益基金會捐款，試圖借此騙過檢測系統(tǒng)。技術就是在這樣復雜的環(huán)境里進行風險識別和風險阻止。為了應對這些狡猾的黑灰產(chǎn)，各家互聯(lián)網(wǎng)科技企業(yè)也是絞盡腦汁，畢竟風險發(fā)生的地方在這類平臺居多。為此，螞蟻安全實驗室經(jīng)過數(shù)年的研發(fā)和實踐打造了這套安全體系IMAGE，它是以可信AI為基礎打造的一個智能風控體系。IMAGE實際是5項技術首字母的合稱：I代表的是交互式主動風控。因為在賭博、欺詐過程中，心智非常難對抗，不能依靠單一的決策過程，因此，專家通過交互式主動風控，將這個過程拓展到和用戶多次對話的交互過程中，并在過程中識別其意圖，然后實現(xiàn)自動勸阻/喚醒。通過這項技術，對用戶是否受騙的識別率大大提升。M代表的是多方安全風控。專家將螞蟻多年積累的先進的隱私計算能力，運用到風控領域，實現(xiàn)了多方參與下數(shù)據(jù)不出域，但又能夠提供風控的提升。從實踐中可以看出，對比單方風控，多方風控的風險識別率提升了40%。A是博弈對抗智能。這種技術把博弈理論和機器學習結合，不僅僅是打造一個防護盾牌，同時也在磨一把刀，這把刀足夠的鋒利，可以自動生成腳本，生成路徑，和盾相互進行攻防，從而提升盾的防御水平。應用后，有效縮短了訓練AI模型以投入實戰(zhàn)的20%訓練時間。G是全圖風控。專家把圖計算和風控結合起來，打造了螞蟻風險一張圖，它提高了檢測效率，特別是對隱示特征的挖掘效率，提升到45%以上。目前，在線查詢耗時控制在10ms以內，對黑產(chǎn)團伙檢測準確率達到95%以上。E是端邊云協(xié)同風控。螞蟻的思路是：風險發(fā)生在哪里，最好就在哪里進行處置。目前端邊云風控的體系，覆蓋了99%以上的支付寶日常交易場景，在大促的放行率也達到了90%以上。目前，IMAGE智能安全體系已應用于支付寶及合作伙伴，保障了超10億用戶的安全。在該體系支撐下，支付寶2021年資損率低于億分之0.98，交易風險判定0.01秒內即可完成。這套技術有多厲害呢？今年世界人工智能大會上，基于這套安全體系開發(fā)的「智能風險感知與響應聯(lián)合反詐系統(tǒng)」獲得了大會的最高獎項「SAIL之星」獎。風控技術的突破可以說如履薄冰，永遠沒有盡頭。因為對手一直在那里，而且在變化。

技術本身是否安全，也需要檢測

假如你的手機落入到了騙子的手里，風險又加了一層。

2019年，一位英國的朋友發(fā)現(xiàn)，自己不僅能用手指解鎖老婆某型號的安卓手機，甚至還能登上手機銀行。經(jīng)過一番分析之后他們發(fā)現(xiàn)，女主當初在錄入指紋的時候，是隔著手機外面套著的那層硅膠的。也就是說，女主的指紋與硅膠套紋路存在重疊，而當男主再進行指紋識別時，也會與硅膠套紋路有重疊。于是，bug就出現(xiàn)了——只要是隔著這層膜，隨便找一個人都能解鎖這臺手機……問題一經(jīng)發(fā)現(xiàn)，各家銀行、微信以及支付寶紛紛關閉了相關機型的指紋服務。除了指紋之外，當時在人臉識別上出現(xiàn)的漏洞，甚至讓手機連性別也無法區(qū)分。同樣是在2019年，荷蘭的消費者協(xié)會發(fā)現(xiàn)，在110部被測試的智能手機中，有42部只需一張機主的照片就能解鎖。這些機器都來自安卓陣營。保障智能終端里的生物識別技術本身的安全性，很迫切。谷歌也不是沒有準備。谷歌在安卓6.0時，提供了開放的指紋識別相關的API。在2017年的安卓8.0中，除了此前使用的錯誤接受率（FAR）和錯誤拒絕率（FRR）這兩種度量外，谷歌在生物識別方面又引入了欺騙接受率（SAR）和偽裝接受率（IAR）。通過分析這兩個維度的信息，可以更有效地識別出用戶所輸入的生物識別數(shù)據(jù)是否是攻擊者通過欺騙或偽裝攻擊進行的未認證訪問。到了2019年的安卓9.0時，谷歌再次對生物識別的認證策略進行了改進。在手機出廠之前，各大廠商和主流實驗室都是會對手機進行安全性測試的。但是存在一些問題，譬如，測試效率比較低，試用的對抗樣本很可能不夠全面。通過智能化的檢測，去識別技術本身是不是安全，這就為終端設備上的生物識別技術安裝了一道必經(jīng)的閘門。谷歌是這樣做的。2020年，它找到了專攻智能設備生物核身技術安全性的螞蟻安全天璣實驗室，合作了聯(lián)合檢測實驗室。憑借著十余年的生物安全攻防經(jīng)驗，天璣實驗室自研了一套智能設備自動化生物安全檢測認證體系，包含對抗樣本生成、對抗檢測環(huán)境空間、對抗測試標準，依托自動化檢測執(zhí)行工具「機械臂」，可以在毫米級的測試精度下，為每臺智能設備提供超過20萬次的測試。期間，「機械臂」會在過程中自行調整測試變量，如光線、角度、假體材質，以及攻擊方式等等，完全不需要人工進行干預。2021年4月，谷歌為這套檢測系統(tǒng)頒發(fā)了全球第一個，也是目前唯一一個官方合作的「安卓生物識別安全檢測」實驗室的認證。同時，這也是國內第一個從攻擊視角切入的生物識別安全性檢測系統(tǒng)，全球70%的安卓手機出廠前都要通過這套系統(tǒng)的安全性檢測。這樣一整套評估的實現(xiàn)，依托的是融合了智能安全技術、計算機視覺、機器人技術的「對抗智能」生物安全檢測技術。以對面部識別技術的安全檢測為例，實驗室定義了上百種不同級別的攻擊方法和假體制作工藝，比如生成活化視頻（基于一張平面照片，自動化生成張嘴眨眼的動態(tài)視頻），融合臉（將目標的特征遷移到另一個人身上，讓算法識別但人類誤判），老化臉（特征不變但人類可以察覺的變化）等等檢測樣本。在檢測過程中，「機械臂」不僅需要智能路徑規(guī)劃算法和深度視覺算法去尋找和定位目標手機，還需要對機器人的高精度控制，通過引入強化學習算法及機器人技術等，可以讓系統(tǒng)根據(jù)實時檢測調整呈現(xiàn)距離、角度、光照強度、色溫等條件，在上億種可能快速找到成功率最高、最佳的呈現(xiàn)攻擊組條件。在前段時間的云棲大會上，天璣實驗室直接把最新的「機械臂」搬到了現(xiàn)場，給大家來了一波演示。升級之后的生物識別安全測評體系，在高精度測評結果、智能對抗缺陷挖掘、全方位攻擊方式和全覆蓋測評場景等多個方面，都實現(xiàn)了「SOTA」的效果：? 全鏈路測評：行業(yè)首個實現(xiàn)「模型魯棒性」、「防偽全面性」、「鏈路安全性」、「隱私合規(guī)性」的全鏈路測評。? 對抗化檢測：引入人工智能攻防對抗技術，全面挖掘被測產(chǎn)品的漏洞與缺陷，實現(xiàn)缺陷不遺漏檢測。? 自動化檢測：通過「模型安全檢測平臺」、「智能機械臂」、「實驗室大腦」和「無人運測機器人」的結合，提高了檢測速度，并實現(xiàn)全鏈路測評的全自動化。這些不明覺厲的技術檢測，能夠讓手機廠商在產(chǎn)品發(fā)布之前，發(fā)現(xiàn)漏洞，從而為手機帶的生物識別技術加一道安全閘門。

對抗，是安全的本質

說了那么多，相信大家也可以看出來，網(wǎng)絡安全的本質，就是對抗。

而一部安全發(fā)展史，其實就是對抗的進階史。當某個安全事件為人所知時，基本上意味著對抗失敗了。這一點在網(wǎng)絡攻防上，尤為顯著。時間回到2017年，當時「WannaCry」勒索病毒席卷全球。這也是第一次，大眾對網(wǎng)絡安全有了如此廣泛的認知。此后，2018年，平昌冬奧會遭到黑客攻擊；2020年，委內瑞拉國家電網(wǎng)遭到黑客攻擊，全國大面積停電；2021年，Log4j日志框架被爆出嚴重漏洞，影響大量使用該日志框架的服務……各種類似的事件從未間斷。今年9月，國家計算機病毒應急處理中心連發(fā)兩份「調查報告」，詳細解析了「西北工業(yè)大學遭美國NSA網(wǎng)絡攻擊事件」的始末。讓網(wǎng)絡安全這個概念，再一次「出圈」。那么，這和我們有什么關系呢？就拿WannaCry來說吧，當你的電腦中招之后，它便會利用「EnternalBlue」（永恒之藍）漏洞安裝后門。一旦執(zhí)行后門，就會釋放一個名為Wana Crypt0r敲詐者病毒，從而加密用戶機器上所有的文檔文件。然后，黑客會非常貼心地讓你的電腦彈出一個附有詳細講解的界面，還是多語言的。簡單來說就是——給錢，不然就刪你文件。沒想到，這么一番兜兜轉轉之后，還是回到了「錢」上。同樣的，這些安全事件的本質也在兜兜轉轉之后，來到了「漏洞」二字上。當一個有漏洞的產(chǎn)品被大量部署在整個行業(yè)當中時，沒有人能夠獨善其身。既然問題出現(xiàn)在「漏洞」上，那么又該如何對抗呢？于是，各大互聯(lián)網(wǎng)公司的安全實驗室，便肩負起了提升生態(tài)安全水位的這個重任。首先，我們可以在黑產(chǎn)得手之前，提前發(fā)現(xiàn)并處理掉這些漏洞，讓他們無洞可入。而這涉及到的技術，就是「漏洞挖掘」了。以專注安全攻防研究的螞蟻安全天穹實驗室和光年實驗室舉例，為了提高效率他們自研了一套自動化漏洞挖掘工具Ant-Fuzz，并在漏洞挖掘的數(shù)量和質量上，實現(xiàn)了全球領先的水平?！窤nt-Fuzz對當今主流的Fuzz方法體系進行了吸收融合，在易用性和接入能力上面也有很大的改善」，天穹實驗室和光年實驗室負責人王嘉水介紹，在安全研究員篩選出一些可能的攻擊面的基礎上，Ant-Fuzz會針對特定攻擊面自動化生成高質量的Fuzz Driver，再通過定制化的種子以及變異算法的選取，來進行高效漏洞挖掘。基于此，在2020年，這兩個實驗室僅用了三個季度的時間，就累計拿下蘋果47次漏洞致謝，位列當年全球致謝數(shù)排行榜第一。在47次漏洞致謝中，包含了系統(tǒng)庫、瀏覽器、內核等多個維度層面，幾乎都是高危漏洞，部分漏洞評分達到了「嚴重」級別。在剛剛結束的GeekPwn 2022國際極客破解大賽上，天穹實驗室還憑借自己挖掘的虛擬機產(chǎn)品漏洞，成功挑戰(zhàn)網(wǎng)安領域公認的超高技術難度項目《越獄-逃出虛擬機》項目，獲評「年度極客榜冠軍」，以6.04分創(chuàng)該賽事歷年得分最高紀錄。此外，該隊伍還憑借另一參賽項目《特洛伊文檔》，獲評「年度卓越極客獎」。然而，并不是所有的漏洞都能被提前發(fā)現(xiàn)，那么這時就需要想辦法在盡可能短的時間內完成封堵，從而減少可能產(chǎn)生的損失。比如去年臨近雙十二時爆出的Log4j，如果采用傳統(tǒng)的方式來進行修復，由于需要在打完安全補丁之后進行測試和灰度部署，通常需要數(shù)周的時間。那么，如何在幾個小時之內完成安全「止血」工作呢？針對這一點，螞蟻集團提出了一種全新安全防護體系「安全平行切面」。這套體系的核心原理是，安全和應用雖然在同一個執(zhí)行空間里，但同時又是平行解耦的。如此一來，安全組件便可以精細地看到業(yè)務每一個數(shù)據(jù)的流轉，從而精確地發(fā)現(xiàn)攻擊，并及時進行安全管控。從效果來看，螞蟻在雙十二時頂著來自國際的各種攻擊流量，完成了所有訂單交易，沒產(chǎn)生任何一起安全事故，或者運營事故。由于「平行內生型」安全架構的部署并不復雜，對于那些有需要的企業(yè)來說，是可以很快地讓自己具備能夠快速大規(guī)模部署的精準的安全感知與干預能力。特別是，這套體系能夠為老舊應用系統(tǒng)提供內生安全能力，實現(xiàn)了安全攻防與治理領域能力與效率的跨越式提升。此外，除了事前的漏洞挖掘，和事后的應急處理以外，企業(yè)還需提升業(yè)務及技術架構的風險應對能力。為此，螞蟻在2016年開始，便探索并建立了「紅藍對抗」機制。在對抗演習中，紅軍作為企業(yè)防守方，通過安全加固、攻擊監(jiān)測、應急處置等手段來保障企業(yè)安全。而藍軍作為攻擊方，以發(fā)現(xiàn)安全漏洞，獲取業(yè)務權限或數(shù)據(jù)為目標，利用各種攻擊手段，繞過紅軍層層防護。與傳統(tǒng)滲透測試對比，紅藍對抗中的攻防對抗更加接近實戰(zhàn)，能較好地體現(xiàn)出企業(yè)面臨的真實威脅，也能更好地發(fā)現(xiàn)企業(yè)在安全正向建設中的不足。舉例來說，螞蟻天穹實驗室，則會用實戰(zhàn)攻防演練，持續(xù)檢驗紅軍安全防護、威脅檢測、風控策略、應急響應機制等安全建設的有效性，預判黑產(chǎn)攻擊鏈路，減少系統(tǒng)性風險，推動攻防兩端持續(xù)升級。而百度智能云會以AI安全能力為核心，構建攻防一體的完整演練體系?；鹕揭嬖茣米钚碌腁PT技術，并隱蔽攻擊行蹤來模擬不同級別的對手。順便提升一下「內部員工」的安全意識，防止陷入騙局。而這不僅僅是對企業(yè)內部，對生態(tài)內的其他伙伴，這些大廠的安全實驗室也會提供同樣高水平的服務，通過全棧級別的大型技術攻防演練，從而達到增強團隊應急處理能力和系統(tǒng)防護水平的目的。圖源：默安科技總結來說，不管是全鏈路檢測系統(tǒng)，還是挖掘其他廠商的漏洞，再或是聯(lián)合生態(tài)里的伙伴。其實都是各方基于攻防能力內外協(xié)力，為提升整個產(chǎn)業(yè)的安全水位所做出的努力。

關鍵詞： 人工智能 生物識別 安全技術