2号站代理腾讯朱雀实验室前沿技术Deep Puzzling:让代码更难被猜透

2号站平台代理Q41772

  随着AI技术与网络安全结合得越来越紧密,基于AI技术的网络攻防手段也在日益更替。

  北京时间11月24日至25日,全球顶级的信息安全峰会HITB+Cyberweek 2021正式举办,腾讯朱雀实验室专家研究员Jifeng Zhu和研究员Keyun Luo受邀参加,并进行了题为《Deep Puzzling: Binary Code Intention Hiding based on AI Uninterpretability》(《基于AI不可解释性的二进制代码意图隐藏》)的议题分享。

  会上,腾讯朱雀实验室展示了如何利用AI模型的特性,实现二进制代码的意图隐藏,有效防止代码被黑客逆向分析,从而保障核心代码的安全。目前,朱雀实验室已将这项技术面向全球开发者开源,方便研究团队灵活取用,用前沿的AI技术助力网络安全的升级。

  让黑客猜不透的“代码包装高手”

  AI技术不断演进,黑客利用AI来进行网络攻击的事件屡见不鲜,传统攻防手法往往乏力应对,在此背景下,通过AI进行代码防护,开始成为行业的技术趋势。

  相比传统攻防技术,AI算法具有诸多优势,例如,在复杂特征建模、内容生成、概率容错、不可解释性等方面拥有强大的能力。此次腾讯朱雀实验室推出的Deep Puzzling(深度迷惑)技术正是利用了AI的这些特点,前瞻性地对代码进行深层次的安全布防。

  Deep Puzzling犹如一个“包装高手”,将多种载荷编码到AI模型的参数中,实现高强度的代码意图隐藏,由此来“迷惑”黑客,令2号站代理注册无法反向分析2号站代理注册中的代码逻辑。这样即使黑客取得了AI模型文件,也很难猜透代码的真实意图。这项技术有效地提高了代码的破解难度,可以帮助更多代码拥有者守护自己的知识产权和信息安全,抑制AI型网络攻击的滋长。

  (Deep Puzzling核心能力)

  让“意图隐藏”研究更进一步

  2号站代理注册实早在2018年,就有前人尝试过利用AI技术来完成代码的意图隐藏。当时有研究人员提出了一种基于AI密钥的“包装”思路——DeepLocker,2号站代理注册工作原理为,只有特定目标经过AI模型产生的密钥才能解锁意图代码。这项研究展示了AI在意图隐藏方面的巨大潜力。

  (DeepLocker工作原理)

  不过,由于密钥解密代码的逻辑是暴露的,黑客仍然可以找到过程中的漏洞来盗取核心代码。

  而此次腾讯朱雀实验室提出的Deep Puzzling框架则是在过往研究的基础上,进行了更深入的探索,2号站代理注册模型的设计原理,可以有效防止黑客通过观察中间值的变化来进行蛮力爆破,加大了逆向分析代码的难度,因而具备了更高的安全级别。同时,朱雀实验室二号站平台主管通过大量反复稳定性测试,佐证了这种方法的有效性,为未来的落地应用提供了更多可能。

  (Deep Puzzling工作原理演示)

  朱雀实验室的研究员透露,“我们邀请过业界多位资深的逆向工程研究人员来尝试破解,均无法解出,更加验证了这是一个非常值得关注的新方向。”

  Deep Puzzling开源地址:https://github.com/aisecstudent/DeepPuzzling