大规模物联网设备在线漏洞扫描

The Internet of Things (IoT) has penetrated ever more deeply into all walks of life. For sensing and controlling the physical world directly, the information security of IoT is very is significant for public benefit and national safety. Vulnerability scanning is one of the important means to guarantee information security of IoT devices. However, numerous brands and firmware version of IoT devices, hybrid heterogeneous network service, and the large number of device bring many challenges to the fast and accurate vulnerability scanning. .Low communication overhead packet detection strategy, as well as accurate device brand and firmware version identification is the core technology of fast and accurate vulnerability scanning of IoT devices at a large-scale network. We analyze the utility of each probe message to the identification of devices information, and explore the communication cost optimization technology based on utility prediction to realize the minimum communication cost without affecting the accuracy of devices information recognition. For overcoming the low accuracy and recall rate of existing artificial fingerprint generation, we study the automatic fingerprint extraction and marking method to build the massive fingerprint database of IoT devices. We explore the hidden relationship between the response message and the firmware version, and study the firmware version range prediction technology under the absence of explicit information. Finally, we will develop an online vulnerability scanning prototype system for the IoT device in the whole Internet, and strive to produce certain influence in international related research.

物联网系统被广泛应用于各行各业，直接感知和控制物理世界，其信息安全事关公共利益和国家安全。在线漏洞扫描是保障物联网设备信息安全的重要手段之一。然而，设备品牌和固件版本繁多，网络服务混杂异构，设备海量等因素给快速精准的在线漏洞扫描带来诸多挑战。.低通信开销的报文探测策略，以及精准的设备品牌和固件版本识别是大规模物联网设备快速精准漏洞扫描的核心。本课题拟深入分析各探测报文对设备信息识别的效用，探索基于效用预测的通信开销优化技术，在不影响设备信息识别精度的前提下实现最小通信开销的报文探测；针对现有人工生成品牌指纹方式准确率和召回率低的问题，研究自动化的指纹提取和标定方法，构建物联网的海量指纹库；探索响应报文与固件版本之间的隐性关系，研究显性信息缺失下的固件版本范围预测技术，填充相关技术领域的空白；研制面向全网的物联网设备在线漏洞扫描原型系统；力争在国际上相关研究领域产生一定的影响力。

物联网系统被广泛应用于各行各业，直接感知和控制物理世界。其信息安全事关公共利益和国家安全。在线漏洞扫描是保障物联网设备信息安全的重要手段之一。然而，设备品牌和固件版本繁多，网络服务混杂异构，设备海量等因素给快速精准的在线漏洞扫描带来诸多挑战。本课题主要围绕低通信开销的报文探测策略，以及精准的设备品牌和固件版本识别方法等关键问题开展研究工作；提出了物联网设备快速探测的端口选择优化方法，基于隐性特征的物联网设备品牌识别技术，利用LSTM多视角自动化学习的物联网设备品牌指纹生成方法，以及基于固件解压与仿真的指纹自动提取技术等；并研制了两个原型系统对关键技术进行应用验证。其中，物联网设备在线漏洞扫描原型系统已支撑了多个国家重要活动的物联网信息安全保障任务。目前，该系统单次可从全球互联网中发现识别物联网设备2000多万台，其中可识别出品牌的物联网设备1469万台，覆盖1812个品牌；可识别出固件版本的物联网设备63万台；第二个系统视频安防物联网漏洞扫描系统已应用于多个重要单位，并且形成了一定规模的应用成果。