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。
11月26日记者获悉，全球顶级的信息安全峰会HITB+Cyberweek 2021于近日举办，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，令其无法反向分析其中的代码逻辑。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”研究更具有实用性
其实早在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，其工作原理为，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在同一研究方向上进行了突破性的尝试，在这个技术框架里，有多个互相连接的模型，通过技术适应，保证让黑客无法通过修改输入数据的方式，来推测输出代码之间的逻辑关联，进而加大了逆向分析代码的难度，提高了核心代码的安全级别。
不仅如此，朱雀实验室还设计了一个检测模块，来验证这种方法的有效性。
(Deep Puzzling工作原理演示)
首先，通过读取海量的普通环境数据，构建一个“触发-生成-纠错”模型，端到端地实现了“目标定位-代码执行”步骤，然后直接生成载荷。
值得一提的是，这个系统还具备反调试能力。这种反调试能力并非传统的进程状态查看、时间分析、异常处理等，而是利用网络构造出没有任何“显式if”判断含义的计算过程，这个计算过程处于黑盒中，很难得知其因果关联性，因而具有良好的数据密封性。
此外，由于AI模型产生的代码有一定的错误率，研究员们还设计了一种纠错模型，来进一步降低局部解码的错误率，使得AI模型大概率地输出精确的结果，以确保被计算机正确地执行。
经过大量反复稳定性测试，有力地佐证了Deep Puzzling的可行性。朱雀实验室的研究员还透露，“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。”
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
