Robustness of automated intrusion responders in software-defined networks to spoofed evidence and responder starvation
本文评估了软件定义网络中自动化入侵响应器在面对伪造证据和响应器饥饿攻击时的脆弱性，证明了虽然经典的响应器可能会被武器化以攻击合法主机，但特定的防御措施（如入站端口绑定和规则预算）可以有效地减轻这些危害，且性能开销极小。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在承载着我们的电子邮件、视频和金融交易的数字高速公路上，一种新型的交通警察已经出现。这些是自动化响应器，即旨在监测麻烦迹象并在其造成伤害之前立即拦截可疑活动的软件系统。它们运行在软件定义网络中，这是一种现代架构，其中的交通规则由一个“中央大脑”设定，而非硬编码在每个路由器中。其承诺是速度与精准：当发现威胁时，系统会在毫秒内安装一条规则来阻止它，这比任何人类反应都要快得多。然而，这种速度依赖于一个关键假设：即系统所看到的证据是真实的。如果系统被告知某数据包来自特定的计算机，它就会假设该计算机就是来源。但正如一个人可以戴上面具来隐藏面容一样，恶意攻击者可以伪造其数据的数字身份，使其看起来完全像是来自另一台机器。这提出了一个危险的问题：如果交通警察被面具蒙蔽，它会拦截无辜的旁观者，还是犯罪分子？
一组研究人员着手测试正是这种漏洞。他们建立了一个受控环境，以观察当自动化防御者被谎言欺骗时会发生什么。他们的工作揭示了，如果没有特定的防护措施，这些高速系统可能会被用来对付它们本应保护的人。在实验中，一台由攻击者控制的受损计算机可以通过伪造其数字身份，使系统相信一名合法用户是攻击的来源。自动化响应器根据这一虚假信息采取行动，随后会安装一条规则来封锁该合法用户。结果非常触目惊心。在一种情景中，一个经典的自动化响应器在 216 次尝试中有 144 次被诱导拦截了合法流量。其造成的破坏是不成比例的：攻击者每发送 1 个字节的数据，系统就会破坏高达 173.8 字节的合法流量。在另一项测试中，系统被诱导切断了对受保护服务的访问，使其可用性降至仅 65.8%。攻击者不需要拥有强大的力量，他们只需要撒谎说自己是谁。
研究人员还检查了一种更新、更复杂的响应器类型，它使用语言模型（一种可以生成复杂规则的人工智能类型）。他们发现，虽然这些智能系统更难被欺骗，但并非免疫。在少数情况下，语言模型仍然会被误导去拦截错误的宿主。更令人担忧的是另一种被称为“饥饿”的失效模式。研究人员发现，攻击者可以通过不断变换其使用的虚假身份来让系统忙碌不堪。语言模型需要时间去思考并为每个新身份生成一条新规则，因此变得不堪重负。系统将所有时间都花在了处理这些虚假身份上，而从未顾及到同时发生的真实攻击。在这些模拟中，由于响应器一直在追逐幽灵，真实的攻击从未得到缓解。
为了解决这些问题，该团队测试了四种旨在增强系统鲁棒性的特定防御措施。最有效的方法是将每一条规则与其进入网络的物理位置绑定，而不是仅仅信任附带的数字名称。如果系统看到数据来自交换机上的特定端口，它就只封锁该端口，从而确保即使攻击者伪造了身份，他们也只能伤害自己或共享同一物理连接的人。他们还增加了一项要求，即系统在采取行动前必须等待并确认威胁，这防止了误报造成损害。最后，他们引入了一个限制，规定单个来源在短时间内可以触发多少条规则，以防止系统被大量虚假身份淹没。当这些防御措施结合在一起时，造成的伤害几乎降为零。系统不再拦截无辜用户，并且即使在对手试图分散注意力时，也能成功处理真实的攻击。这种安全的代价微乎其微，仅为拦截真实威胁增加约一秒钟的时间。
研究结论指出，自动化安全系统不能仅仅依赖于所接收到的信息。它们必须有一种验证信息来源的方法，或者在被欺骗时限制造成的损害。研究人员表明，通过理解攻击者可能如何利用系统对数字身份的信任，他们可以构建出能防止交通警察抓错人的防护措施。他们的工作为构建真正可靠的自动化防御者提供了清晰的蓝图，确保当系统采取行动时，它是在保护网络，而不是成为针对犯罪分子的武器。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。