北美安全大师荐读：可关注传感器、深度学习安全等这些研究

顶尖的网络安全研究人员到底在关注什么哪些研究和安全事件？本期，邀请了CGC 机器人竞赛项目 UGA Disekt 的创始人李康从 2月网络安全领域的大事件及报告中摘选若干信息进行相关阅读推荐。

推荐人简介：李康目前就职于美国乔治亚大学，担任计算机系教授，同时是乔治亚安全与隐私学院的负责人，他关注的研究方向包括系统与网络安全，研究成果发表在多个学术会议上，包括IEEE S&P，ACM CCS，NDSS 等。另，李康曾受邀在 BlackHat USA 和 ShmooCon 等会议上多次发表演讲。李康具有十几年的CTF 安全攻防对抗比赛和组织经历，是多只 CTF 战队的创始人，包括Disekt，SecDawgs，Boyd306战队，同时，他也是清华蓝莲花（Blue-Lotus）战队的启蒙导师和 XCTF 联赛的联合发起人。

1.关于传感器的安全风险

推荐阅读： Risk of Trusting the Physics of Sensors.

链接：https://cacm.acm.org/magazines/2018/2/224627-risks-of-trusting-the-physics-of-sensors/fulltext

李康点评： 传感器的安全风险在过去被?家?泛忽视。随着 IoT 万物互联的发展，?量传感器在被?泛部署。这些设备的可信度直接影响各种 IoT和智能应?的安全性。 最近对智能?箱的海豚音攻击，对特斯拉?线传感器的致盲攻击，对?机指纹传感器的欺骗攻击，都是传感器安全的相关例?。

Kevin Fu 和徐?渊教授在 Communications of the ACM 2018年??期刊上的这篇?章是对传感器安全的?个精彩总结。

2. 深度学习安全—特征缩减

推荐阅读： Feature Squeezing: Detecting Adversarial Examples in Deep NeuralNetworks

链接：https://evademl.org/docs/featuresqueezing.pdf

项?链接： Evade ML https://evademl.org/

李康点评： 对抗性机器学习(adversarial learning)是?前深度学习???常热的安全问题。对各种深度学习图?分类的对抗样本攻击层出不穷。过去有著名的?熊猫图片通过干扰变成长臂猿，近期?有关于 ICLR 多个防御?段被证明效果不佳。

来?弗吉尼亚?学的许伟林最新的?作从特征缩减这个?度来提?深度学习系统的安全性。由于深度学习模型?般采??监督模式，不直接设定采?哪些特征，所以在分类时往往使?了众多并不必须的特征。

这些特征导致攻击者更容易找到对抗样本。特征缩减的?的是减少深度学习系统中所使?的特征，从?增强深度学习抵御对抗样本的能?。这个?作即将会在 2018 年 2?在圣地亚哥举?的 NDSS ?会上发布。

3. 思科 VPN 系统

推荐阅读：https://www.nccgroup.trust/globalassets/newsroom/uk/events/2018/02/reconbrx2018-robinhood-vs-cisco-asa.pdf

李康点评： 2018 年 1 ?，思科 VPN 爆出远程代码执行和拒绝服务攻击的?危漏洞，影响众多使?思科 VPN 的企业。 NCC Group的这个报告详细介绍了该漏洞的发现?法、Fuzz环境、漏洞成因以及攻击步骤。 报告有?常详细的分析内容，强力推荐给对漏洞发现和利?有兴趣的同学。

其他相关文章：BAT3 在 IoT 安全上凑齐了，我们问了问李康和杨卿 360 要怎么搞。

想看更多网络安全报道？欢迎关注旗下微信公众号“宅客频道”（ID：letshome）。