引用格式：宗學(xué)軍，隋一凡，王國剛，等.基于生成對(duì)抗網(wǎng)絡(luò)的工控協(xié)議模糊測(cè)試研究［J］.網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2024，43（7）：13-20.
引言
工業(yè)控制系統(tǒng)已廣泛應(yīng)用于能源、市政、水利、鐵路、石油石化等各個(gè)控制領(lǐng)域，是工業(yè)穩(wěn)定運(yùn)行不可或缺的重要組成部分。工業(yè)控制協(xié)議(Industrial Control Protocols,ICPs)是工業(yè)控制系統(tǒng)(Industrial Control System,ICS)中傳遞信息的通道，其安全性關(guān)系到整個(gè)系統(tǒng)的安全穩(wěn)定運(yùn)行。隨著工業(yè)4.0［1］時(shí)代的到來，ICS中的設(shè)備也開始接入互聯(lián)網(wǎng)。IT技術(shù)在提高生產(chǎn)力和帶來便利性的同時(shí)，也給ICS行業(yè)帶來了許多新的威脅。早期的工業(yè)控制系統(tǒng)處于物理隔離的狀態(tài)，生產(chǎn)環(huán)境相對(duì)封閉。因此，在ICPs設(shè)計(jì)之初，更多地考慮協(xié)議的實(shí)時(shí)性、高效性和便利性，而沒有考慮相關(guān)的網(wǎng)絡(luò)安全風(fēng)險(xiǎn),忽略了網(wǎng)絡(luò)通信的基本安全屬性。然而，隨著工業(yè)控制系統(tǒng)大量使用基于IP的控制協(xié)議，或?qū)鹘y(tǒng)的基于串行的協(xié)議遷移到TCP/IP的應(yīng)用層，工業(yè)控制系統(tǒng)開始暴露于互聯(lián)網(wǎng)。2010年的Stuxnet［2］、2014年的DrongFly［3］及其演變標(biāo)志著工業(yè)控制協(xié)議已經(jīng)是黑客主要的攻擊對(duì)象之一。因此，需要對(duì)工業(yè)控制協(xié)議展開漏洞挖掘研究確保其安全性，挖掘潛在漏洞并及時(shí)修復(fù)，確保工業(yè)控制系統(tǒng)的安全運(yùn)行。近幾年國內(nèi)外的一系列研究表明，模糊測(cè)試能夠作為挖掘ICPs潛在威脅的有效手段。相較于其他漏洞挖掘方法如靜態(tài)分析、動(dòng)態(tài)分析、滲透測(cè)試，模糊測(cè)試具備自動(dòng)化、高覆蓋、成本低等優(yōu)點(diǎn)。模糊測(cè)試最早由Milter［4］于20世紀(jì)90年代提出，起初應(yīng)用于軟件測(cè)試領(lǐng)域，后廣泛應(yīng)用于網(wǎng)絡(luò)安全領(lǐng)域，通過模糊測(cè)試可以找到的一些漏洞類型，包括跨站點(diǎn)腳本、緩沖區(qū)溢出和拒絕服務(wù)等漏洞。模糊測(cè)試流程通過向目標(biāo)提供非預(yù)期輸入并監(jiān)視異常結(jié)果來發(fā)現(xiàn)漏洞，模糊測(cè)試工作主要由測(cè)試用例生成、測(cè)試用例運(yùn)行、目標(biāo)程序監(jiān)測(cè)、異常分析（如圖1所示）四個(gè)階段組成，模糊測(cè)試的核心在于測(cè)試用例的構(gòu)建。現(xiàn)有面向ICPs的模糊測(cè)試工具大部分都依賴于協(xié)議語法語義，根據(jù)協(xié)議規(guī)范來指導(dǎo)測(cè)試用例的生成，比如以Peach［5］、AFL［6］、Sulley［7］為首的模糊器等，通過預(yù)設(shè)格式生成測(cè)試用例。然而大多數(shù)ICPs協(xié)議都是不公開的專有協(xié)議，而想了解協(xié)議的語法和語義就需要對(duì)ICPs通信的數(shù)據(jù)流跟蹤和逆向分析，這種方式耗時(shí)費(fèi)力且需要大量資源。隨著神經(jīng)網(wǎng)絡(luò)被應(yīng)用于處理工控過程的復(fù)雜流量［8-9］，以及生成滿足要求的模糊測(cè)試輸入，逐漸擺脫對(duì)協(xié)議規(guī)范的依賴。為了構(gòu)建高效的測(cè)試用例，賴英旭等［10］使用循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)學(xué)習(xí)協(xié)議規(guī)范，提出了反樣本的測(cè)試用例生成方法，并對(duì)Modbus/TCP做了實(shí)驗(yàn)，提高測(cè)試用例的接受率；趙輝等［11］提出了一種稱為SeqFuzzer的模糊測(cè)試框架，該框架采用長短期記憶網(wǎng)絡(luò)LSTM作為Seq2Seq的編碼器和解碼器，能夠處理有狀態(tài)的時(shí)間特征，并對(duì)EhterCAT協(xié)議進(jìn)行了測(cè)試，發(fā)現(xiàn)了幾個(gè)漏洞；寧博偉等［12］基于無監(jiān)督學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)，將模糊測(cè)試與協(xié)議逆向工程結(jié)合，使用投票專家算法推斷協(xié)議邊界，結(jié)合具有注意力機(jī)制的雙向長短期記憶網(wǎng)絡(luò)提取格式和語義特征；其中尤其以結(jié)合生成對(duì)抗網(wǎng)絡(luò)(GAN)的模糊測(cè)試表現(xiàn)最為出色，由于生成對(duì)抗網(wǎng)絡(luò)在圖像生成領(lǐng)域中出色的學(xué)習(xí)能力，且生成器和鑒別器的組成結(jié)構(gòu)，讓胡志成等［13］使用RNN、LSTM作為生成對(duì)抗網(wǎng)絡(luò)的生成器，卷積神經(jīng)網(wǎng)絡(luò)（CNN）作為鑒別器，提出了一種自動(dòng)化智能模糊測(cè)試框架GANFuzz。此外，與GAN相關(guān)的優(yōu)化方法如SeqGAN等［14］也與ICPs模糊測(cè)試結(jié)合。目前大多數(shù)研究工作傾向于將神經(jīng)網(wǎng)絡(luò)與模糊測(cè)試結(jié)合，構(gòu)建改進(jìn)的模糊測(cè)試框架，然而上述方法太過于依賴單一神經(jīng)網(wǎng)絡(luò)，缺少對(duì)工控協(xié)議的特殊考慮和針對(duì)性的功能設(shè)計(jì)，缺少多種工控協(xié)議的能力。本文提出一種將改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)WGAN-GP（Wasserstein Generative Adversarial Network with Gradient Penalty）應(yīng)用于模糊測(cè)試用例生成的方法，結(jié)合統(tǒng)計(jì)語言概率模型N-gram修正訓(xùn)練結(jié)果，在上述基礎(chǔ)上設(shè)計(jì)了面向多種ICPs的通用模糊測(cè)試框架GPFuzz。實(shí)驗(yàn)表明，該框架在多個(gè)評(píng)價(jià)指標(biāo)上優(yōu)于其他方法，為工業(yè)控制系統(tǒng)提供一種高效、通用的安全性評(píng)估方法，提升系統(tǒng)整體的安全性。
本文詳細(xì)內(nèi)容請(qǐng)下載：
http://www.shi-ke.cn/resource/share/2000006086
作者信息：
宗學(xué)軍1,2，隋一凡1,2，王國剛1,2，寧博偉2,3，何戡1,2，連蓮1,2，孫逸菲1,2
（1.沈陽化工大學(xué)信息工程學(xué)院，遼寧沈陽110142；
2.遼寧省石油化工行業(yè)信息安全重點(diǎn)實(shí)驗(yàn)室，遼寧沈陽110142；
3.沈陽工業(yè)大學(xué)人工智能學(xué)院，遼寧沈陽110870）
