采用Zynq SoC實現(xiàn)Power-Fingerprinting 網(wǎng)絡(luò)安全性

驅(qū)動工業(yè)物聯(lián)網(wǎng) (IIoT) 的“任意連接”實現(xiàn)了超高速增長，這不僅僅只是連接眾多迥然不同的設(shè)備。這還與跨各種廣泛應(yīng)用收集、分析和操作的數(shù)據(jù)有關(guān)。IIoT 概念的關(guān)鍵點在于能夠確保設(shè)備的安全性，以便能夠收集和同化數(shù)據(jù)并向其他位置進行傳輸。

“任意連接”這一理念的超高速增長所引發(fā)的新漏洞遠遠快于公司可以實施的安全措施。通常最容易被忽略的漏洞之一就是資源受限制的硬件平臺，例如，2010 年攻擊伊朗核反應(yīng)堆的震網(wǎng) (Stuxnet) 病毒就引發(fā)了全球范圍內(nèi)的關(guān)注。

PFP Cybersecurity 是一家科技公司，其制定的獨特方法能解決眾多安全性問題，例如因資源受限制的硬件平臺和網(wǎng)絡(luò)安全威脅(如震網(wǎng)等病毒)的增長所導致的問題。iVeia 通過充分利用 賽靈思’s Zynq-7000 All Programmable SoC 來幫助 PFP Cybersecurity 面向 IIoT 應(yīng)用實施新穎、高效的算法型網(wǎng)絡(luò)安全解決方案。與 PFP 的基于 PC 的概念驗證相比最終設(shè)計在體積和功耗方面均減少或降低了一個數(shù)量級。

在探討我們兩家公司如何在 Zynq SoC 上使用名為 Power Fingerprinting (PFP) 的專有技術(shù)來開發(fā)和商用化某個 IIoT 網(wǎng)絡(luò)安全解決方案之前，我們首先來深入了解一下資源受限硬件平臺不斷增長的安全漏洞。

資源受限型硬件平臺的漏洞

由于標準工業(yè)控制設(shè)備使用資源受限制的嵌入式平臺，因而控制關(guān)鍵基礎(chǔ)設(shè)施的大量系統(tǒng)幾乎沒有網(wǎng)絡(luò)安全性規(guī)定。如今，這種系統(tǒng)級別漏洞正被認為是關(guān)鍵基礎(chǔ)設(shè)施的嚴重威脅。在關(guān)鍵基礎(chǔ)設(shè)施環(huán)境中，很多系統(tǒng)具備陳舊的處理器，使用唯一硬件，并且不支持典型網(wǎng)絡(luò)安全措施所引入的性能降級，它們?yōu)槿肭至粝铝撕箝T。最近的一次是在 2014 年 11 月，調(diào)查人員發(fā)現(xiàn)控制美國電廠、電網(wǎng)、水處理工廠和石油天然氣基礎(chǔ)設(shè)施的系統(tǒng)感染了病毒。[1]

四年前，由于震網(wǎng)病毒感染了伊朗負責運行核離心機的可編程邏輯控制器 (PLC)，從而導致了離心機的毀壞。[2] 平臺過于僵化，就非常容易遭到入侵， PLC 就是其中的典范。PLC 很大程度上由嵌入式 MPU 組成，能自動對工業(yè)設(shè)備進行控制和監(jiān)控。企業(yè)通常會建立其 PLC 平臺網(wǎng)絡(luò)，但卻趨向于不為任何類型的安全監(jiān)控或完整性評估提供資源。[3] 同時為了防范零日攻擊(zero-day attack)或供應(yīng)商未意識到的安全漏洞，他們也不會特別頻繁地去更新這些平臺。[4]

POWER FINGERPRINTING：一種新穎且有效的安全方法

PFP Cybersecurity 開始尋求能解決這類問題的解決方案，其不僅是能與現(xiàn)有安裝設(shè)備高效協(xié)作運行的非侵入式解決方案，同時也不需要安裝任何重要的設(shè)備或產(chǎn)生大量軟件更新。。該公司開發(fā)的 PFP 技術(shù)可作為完整性評估的創(chuàng)新方法。正如人類指紋是個人的唯一標識一樣，相同的理念也適用于特定系統(tǒng)或芯片。PFP 使用物理側(cè)通道(例如，功耗)來獲取在處理器中全面執(zhí)行協(xié)議棧內(nèi)部執(zhí)行狀態(tài)的相關(guān)信息，并且這與平臺或應(yīng)用無關(guān)。PFP 技術(shù)將識別被系統(tǒng)認為正常運行的“指紋”。如果之后獲取的某個指紋不匹配，則可能表明某些方面出錯。

這可通過外部監(jiān)控器來實現(xiàn)，該監(jiān)控器在物理上與目標處理器分離，并且在網(wǎng)絡(luò)攻擊破壞了目標時能以極高的準確度進行檢測。PFP 同時適用于新系統(tǒng)和原有系統(tǒng)，是現(xiàn)有網(wǎng)絡(luò)安全性解決方案的補充，并且不需要在目標上安裝任何軟件或硬件。

PFP 可支持能捕獲通道側(cè)信號的各種傳感器，并依賴于計算密集型信號處理算法進行功能抽取，而且依賴機器學習進行分類。能通過各種方法來完成感應(yīng)側(cè)通道，包括 AC 或 DC 電流或者在目標周圍獲取電場或磁場變化的電磁 (EM) 傳感器。PFP 從捕獲的信號中抽取唯一有差別特征，將其與一組基線參考進行比較并查找偏差。基線參考是“指紋”，可唯一識別的正常執(zhí)行目標軟件，并且是通過機器學習方法來抽取的。PFP 使用存儲的參考來實時檢測未經(jīng)授權(quán)的執(zhí)行偏差。

PFP Cybersecurity 成功開發(fā)了概念驗證用的監(jiān)控系統(tǒng)，并使用如下設(shè)備對該系統(tǒng)進行了演示：個人計算機 (PC) 、 具備高速模數(shù)轉(zhuǎn)換器 (ADC)以及能將 EM 傳感器與數(shù)據(jù)采集設(shè)備(如圖 1 中所示)實現(xiàn)接口相連的定制模擬前端。PFP 算法引擎在 PC 上執(zhí)行，并以從數(shù)據(jù)采集設(shè)備收集原始 ADC 數(shù)據(jù)為切入點。系統(tǒng)的前端處理在設(shè)計方面類似于眾多多通道數(shù)字無線電接收器，即，在 ADC處收集可用于由多個數(shù)字調(diào)諧器進行處理(通常稱為數(shù)字下變頻，也可簡稱 DDC)的寬波段。這些 DDC 可調(diào)諧到更廣波段中的更窄相關(guān)波段，然后對這些波段進行過濾和抽取。此方法能產(chǎn)生高得多的可管理數(shù)據(jù)帶寬以進行后續(xù)跟蹤處理，并可極大簡化系統(tǒng)設(shè)計的模擬部分。

功能抽取和分類算法可處理 DDC 的輸出，并將其與一組基線參考進行比較，所有這些都必須進行實時操作才能確保它們察覺到任何入侵。控制算法的并行運行能夠確定ADC 采樣率及相關(guān)波段的處理參數(shù)。此進程可在原始 ADC 樣本的大型相鄰模塊上執(zhí)行大量操作，其中包括快速傅里葉變換 (FFT)。 此方法可基于目標平臺提供連續(xù)的 24/7 全天候完整性監(jiān)控。 如果檢測到入侵，F(xiàn)PP 監(jiān)視器就會通過提醒操作人員、將事件數(shù)據(jù)記錄到中央監(jiān)控站和/或采取積極措施來根據(jù)特定于應(yīng)用的策略進行響應(yīng)。

基于 PC 的概念驗證系統(tǒng)能夠產(chǎn)生的出色的結(jié)果，但由于多種原因，無法作為能夠在商業(yè)上廣泛部署可行系統(tǒng)。PC 系統(tǒng)基本包含一個監(jiān)視器節(jié)點，而每一個現(xiàn)實世界的安裝都可能需要幾百個監(jiān)視器節(jié)點。對算法性能的要求標明 PC 需要擁有功能強大的高端處理器。因而，其通常將需要風扇散熱、相對大型的機柜以及大功率電源。

為了最大限度降低系統(tǒng)的抗擾性，傳感器信號的模數(shù)轉(zhuǎn)換應(yīng)在靠近目標的一端進行。目標處理器附近適當?shù)奈锢砜臻g和電源可用性因各個安裝的不同而有所差異，并且對于大部分安裝而言，PC 的大小與電源要求過于大型，而無法行得通。盡管 PC 的成本可能較低，但將其余組件與 PC 進行集成所帶來的成本和復雜性反而會讓導致難以承受的高昂成本。更不必說， PC 會使得監(jiān)視節(jié)點自身更容易受到網(wǎng)絡(luò)的攻擊。

從架構(gòu)方面而言，一種選擇可能是將所有原始數(shù)字信息通過標準網(wǎng)絡(luò)傳輸?shù)街醒胩幚砥骰蚍?wù)器。但由于 ADC 極高的采樣率，支持如此大量數(shù)據(jù)所需要的網(wǎng)絡(luò)基礎(chǔ)設(shè)施在安裝時可能會不可用，并且購買和安裝不僅復雜而且成本過高。