人民網(wǎng)北京12月13日電 （邢鄭） 近年來，網(wǎng)絡(luò)攻擊手段變化多端，從勒索軟件到物聯(lián)網(wǎng)僵尸，從利用網(wǎng)絡(luò)漏洞攻擊到APT攻擊，從惡意廣告到釣魚欺詐，網(wǎng)絡(luò)犯罪愈發(fā)嚴(yán)重。在此背景下，反病毒行業(yè)不斷通過機器學(xué)習(xí)、主動防御、聯(lián)動防御、信息共享等技術(shù)手段來應(yīng)對這些網(wǎng)絡(luò)犯罪行為，多措并舉，但仍面臨嚴(yán)峻挑戰(zhàn)。

12月6日-8日，由第三方網(wǎng)絡(luò)安全測評機構(gòu)——賽可達實驗室聯(lián)合國家計算機病毒應(yīng)急處理中心、亞洲反病毒研究者聯(lián)盟共同主辦的第二十屆亞洲反病毒大會（AVAR 2017）以“不忘初心——對抗日益嚴(yán)重的網(wǎng)絡(luò)犯罪”為主題在京舉行。

在本次會議上，國家計算機病毒應(yīng)急處理中心常務(wù)副主任陳建民以“建立警企聯(lián)動處置機制，攜手共建移動應(yīng)用安全”為主題發(fā)表了演講，并圍繞移動應(yīng)用狀況進行了分析，總結(jié)出移動應(yīng)用所面臨的缺乏統(tǒng)一的管理規(guī)范、應(yīng)用市場眾多，安全標(biāo)準(zhǔn)不統(tǒng)一、移動應(yīng)用缺乏規(guī)范化的安全標(biāo)識、用戶無法清晰明了獲知應(yīng)用是否安全、移動安全風(fēng)險已影響到國家信息安全等諸多市場挑戰(zhàn)，最后詳盡闡述了應(yīng)對的思路和措施。

AVAR 2017主席、賽可達實驗室主任宋繼忠在開幕式上表示，AVAR大會首次在北京舉行，也是承上啟下的第二十屆，具有里程碑性特殊意義。多年以來，雖然大會探討內(nèi)容早已超出了傳統(tǒng)殺毒的范圍，但AVAR 2017不忘保護用戶的初心，將更廣泛的探討網(wǎng)絡(luò)安全挑戰(zhàn)和技術(shù)創(chuàng)新，致力于使網(wǎng)絡(luò)空間更安全、更美好。

微軟（中國）CSO邵江寧圍繞“人工智能助力網(wǎng)絡(luò)威脅防御”表示，當(dāng)今革命性的AI技術(shù)和基于數(shù)據(jù)驅(qū)動的業(yè)務(wù)模式創(chuàng)新催生了許多新的產(chǎn)品形態(tài)和服務(wù)內(nèi)容。為了應(yīng)對威脅進化的速度，規(guī)模和復(fù)雜性，需要不斷增強產(chǎn)品的安全免疫功能，包括先進和智能化的惡意代碼檢測和防御性解決方案，積極探索并利用人工智能特別是機器學(xué)習(xí)來提升全平臺的安全能力。

ESET公司病毒分析師Filip Kafka在演講中，對FinSpy惡意軟件進行了詳細(xì)分析，特別詳細(xì)闡述了它近期的攻擊渠道、攻擊技術(shù)、技術(shù)演變和樣本變異。來自Bitdefender的病毒分析師Chili Ivona-Alexandra，對今年活躍的有組織的網(wǎng)絡(luò)攻擊“PZCHAO”的各種特征進行了分析，包括攻擊鏈、使用的基礎(chǔ)設(shè)施和傳播渠道，并將攻擊朔源到Iron Tiger APT。

來自微步在線高級研究員楊晉分享了他對藍牙4協(xié)議漏洞的研究成果。他指出，“blueborne”安全問題近期被披露。它不是一個漏洞，而是八個藍牙漏洞，其中四個處于高危險級別。這表明，BlueBorne是非常強大的，它可以攻擊蘋果iOS、Android、Windows和Linux。

NewSky Security資深研究員Ankit Anubhav解析了“物聯(lián)網(wǎng)威脅的演變與傳統(tǒng)惡意軟件的比較研究”。“智能攻擊”就是尋找安全鏈中最薄弱的環(huán)節(jié)。他們團隊發(fā)現(xiàn)了Mirai樣本的一個新變種，該變種有三個模式：cve-2014-8361漏洞，tr-64和默認(rèn)密碼攻擊。惡意軟件將首先嘗試通過使用已知密碼表控制設(shè)備的簡單方式。如果不成功，它將嘗試運行兩個已知的漏洞來獲得對物聯(lián)網(wǎng)的控制。他詳細(xì)介紹了QBot，它可以將一個物聯(lián)網(wǎng)變?yōu)榻┦W(wǎng)絡(luò)。

騰訊高級工程師楊經(jīng)宇和清華大學(xué)博士黨凡介紹了團隊開發(fā)的一種用于惡意軟件取證的物聯(lián)網(wǎng)蜜罐設(shè)備。相對于傳統(tǒng)的蜜罐技術(shù)，它是一種高交互蜜罐（HIH），為物聯(lián)網(wǎng)的惡意軟件調(diào)查取證提供了更多的信息。首先，雙向網(wǎng)絡(luò)流量將被獲取，這意味著記錄的數(shù)據(jù)不僅包括攻擊設(shè)備的流量，而且還包括被感染設(shè)備本身初始化的流量。其次，常見的網(wǎng)絡(luò)提供服務(wù)，包括SSH、Telnet、HTTP、UPnP、甚至視頻流。所有服務(wù)都包含專用的遠(yuǎn)程代碼執(zhí)行漏洞。一旦他們被攻破，攻擊和惡意行動將被監(jiān)控并報告給管理中心作為數(shù)字取證。最后，可以在前端層部署可選的流代理模塊。該模塊將重定向和總攻擊流量預(yù)設(shè)置蜜罐增加捕獲攻擊全球覆蓋。

McAfee的移動惡意軟件研究員Daisuke Nakajima在會上作了“基于人工輔助和自動機器學(xué)習(xí)的安卓惡意軟件檢測”的演講報告。其指出：基于機器學(xué)習(xí)（ML）的惡意軟件檢測，可以實現(xiàn)對已知的和未知的惡意樣本的高檢測率。但它也可能帶來潛在的更高的誤報率。為解決這一問題，他提出了一種結(jié)合機器學(xué)習(xí)、傳統(tǒng)特征碼和網(wǎng)絡(luò)信用的實用模型。