比隐私滥用更可怕的,是AI摄像头的黑灰产之困
2019-09-09 21:54

比隐私滥用更可怕的,是AI摄像头的黑灰产之困

题图来自:unsplash


刷脸购物、智慧停车、智能考勤……今天计算机视觉技术已经深入到了日常生活的方方面面,也因此让不少人患上了“摄像头焦虑症”。


最近,从人脸识别进课堂引发的技术伦理问题,到AI换脸应用软件ZAO爆火后的隐私争议,以及被无处不在的城市电子眼网络锁定的“监控感”,不断跳动着大众对个人数据过度暴露的敏感神经。



惊吓过后,技术公司的做法究竟对不对,采集用户数据的边界在哪里,讨论这些问题无疑是必然的、应该的。其实吧,无论是各国隐私法案的逐渐严格,社会的舆论压力,还是从逻辑上推理,科技公司其实不太可能真的拿用户敏感数据做一些自毁长城、后果严重的事情。Facebook、苹果等企业在被公众责问之后拼命找补,就是活生生的例子。


更应该警惕的,是那些远在普通人感知范围之外的“叵测居心”。


隐形的蟑螂:藏在AI摄像头之后的黑灰产


你不会在厨房里只看到一只蟑螂——著名的蟑螂理论(cockroach theory),说的就是一旦有一点负面新闻,其背后往往有更多的问题被掩盖起来了。而隐私问题,同理。


就拿应用最为广泛的计算机视觉来说,前端的感知硬件智能摄像头一直是市场的新宠,低功耗的人脸抓拍、识别、分析等,已经广泛部署到了机场、车站、商业街及旅游景区等公共区域。智慧城市的实时交通管控离不开密布的摄像头,食卫部门早已将高清摄像头部署在了餐厅酒店的后厨,校园自不必说,就连居家场所,也有不少人掏钱为自己装上了智能摄像头。


但黑客界也有一句话——“未知攻,焉知防”。如果我们不知道摄像头背后的数据是如何泄露或被人非法侵占的,又该如何去保障安全呢?殊不知,AI的加持,物联网的繁荣,正在让智能摄像头成为黑灰产新的温床。


我们发现,智能摄像头所收集的隐私数据,正在从几个角度被非法获利。


最低技术含量的,就是攻破一些简易低廉的智能摄像头。



这类产品的核心诉求是监控,应用在商铺、物业或是家庭内,在传统工业硬件的基础上搭载一个AI芯片和云存储服务,由于门槛较低,互联网企业、OEM厂商、安防公司等都在抢占这块市场,泥沙俱下的结果就是给了黑客可乘之机。


许多智能摄像头的生产厂商其实并不具备云计算、AI背景下的安全审计流程,产品缺乏远程更新机制、存在可以控制系统的设计缺陷等等,黑客都可以通过暴力破解手段,直接在IP端进行拦截,对用户的登陆秘钥、影像内容等敏感信息一览无余。然后通过售卖隐私视频、劫持摄像头“挖矿”等方式来攫取利益。


在2018年MWC大会上,捷克网络安全公司Avast就演示了15000台小件联网设备4天内的“挖矿”过程,挖掘出价值1000美元的加密货币。遍布城市角落的智能摄像头,无疑正是攻击者眼里的香饽饽。


数据上云后,就一定安全吗?


当然,对于这种套路,只要抵抗住低价的诱惑,选择一些正规的智能摄像头厂商和机器视觉方案服务商,有了基础的防火墙、代码审计、设备安全模糊测试、传输通讯加密等等,都可以起到一定的防范作用。


而随着计算机视觉技术开始获得B端机构的青睐,黑客们也艺高人胆大、富贵险中求,将目光转向了更具“价值”的攻击对象,开始大规模地入侵学校、医疗甚至警署的摄像头系统。


2017年,就有两名黑客入侵了美国首都华盛顿警方部署的户外监控系统,123个部署在华盛顿哥伦比亚特区警视厅 (MPDC) 闭路 TV 系统的安全摄像头,这些系统包含了该城市的所有公共空间实时情况,并要求华盛顿警方支付赎金……


为此,警方甚至不得不在“川普”就职总统典礼的前两周,连续四天关闭了该系统,可以说非常乌龙了。当然,这并不是个例,去年,中国国内也出现了入侵路由器、智能摄像头,然后加密文件,要求受害者通过手机转帐缴付解密酬金。


上述针对大规模机构发起的攻击,就不是传统防火墙+安全软件可以抵抗的了。因为这样的智能摄像头系统网络,本地难以满足存储与计算需求,需要向云端上传监控视频、自动更新软件等等,因此需要时刻和网络连接。一些不具备云服务能力的解决方案厂商,往往会选择与第三方云服务进行合作。一旦对方出现安全漏洞,所有相关的摄像头网络都会受到影响。


比如华盛顿市安全摄像头网络的暴露,就是由“安装在跟摄像头紧挨着的专门计算机”和 MPDC 网络被攻破所导致的。更早一点,从事监视技术的意大利安全公司Hacking Team就被黑客偷走了400GB的内部数据。而海外的Threat Stack网络安全团队也发现,从2016年开始,黑客们利用AWS(亚马逊云服务)进行攻击的复杂性就骤然上升。


黑客利用云服务的特性,比如窃取AWS密钥获得开放S3容器中的资源路径,或是启动新的Amazon Elastic Compute Cloud(EC2)来挖矿,制造了好几次敏感信息泄露事件。尽管亚马逊很快推出了Macie以保护AWS S3数据,并通过Trusted Advisor提供免费的容器检查,但是这类事件仍然频频发生。安全无漏洞的“摘星之旅”依然在路上……


网络攻击的物联网时代:AI的自我救赎


1999年,MIT提出了“万物皆可通过网络互联”,物联网概念问世。智能感知的到来,给物联网添上了“感知”与“计算”的双翼,也就安全问题提出了新的挑战。美国CenturyLink的2018年威胁报告显示,全球每天发生195000个实例,拥有强大或快速增长的IT网络和基础设施的地区是网络违法活动的主要来源。


之所以更容易被劫持或攻击,主要出于以下几个原因:


首先,从智能摄像头网络面临的攻击来看,传统端到端加密的安全策略,不符合社会智能化合法采集利用数据的客观需求;而引入哈希锁等加密技术来保护隐私,又会带来较长的计算时延,较高的计算复杂性也会提升使用者的额外消耗等等,这些权衡因素交织在一起,也是让整个产业在隐私安全问题上边界模糊、难以彻底“革命”的原因。


同时,公有云、私有云、混合云的并存,硬件产业化部署的标准不明确、本地、云端存储的多样性等等,导致了以摄像头为核心的计算机视觉物联网系统在安全上的复杂局面。将隐蔽的“空门”留给了黑客,一旦利用分布式攻击来引发大规模网络的连锁反应,造成的后果往往难以估量。



另外,在企业或消费者环境中部署和连接物联网系统,本质上是设备、软件、网络、人员等多个端点的相互连接,动态风险也就成了物联网系统安全的薄弱之处。因为面临威胁时,不仅仅要考虑技术组件,还需要包括系统内部的人员与合作伙伴。每个环节的安全策略都不尽相同,而往往是那块“最短的木板”决定了系统整体的安全性。


缺乏安全培训、员工意识不强、简单的人为错误等等,都有可能造成即使漏洞在技术端被修复,也很难快速进行全面更新,贻误挽回损失的最佳时机。



更为关键的是,摄像头网络为代表的物联网系统,已经成为一个智能数据聚合的生态系统,与个人、机构的信息财产安全直接关联,这意味着系统被攻破的风险成本更高。


试想一下,如果黑客攻破的是私人汽车上的智能摄像头,引发的很可能就是车联网系统的连锁反应及公共安全危害;伪造人脸欺骗公司的门禁系统,造成重要资料外泄;智慧城市的公共摄像头网络被入侵,那交出的则是所有市民、管理系统的重要数据……



显然,在如火如荼的智能物联网AIoT建设中,光靠责难科技企业来保护用户隐私还远远不够。金钱的腥味总能吸引非法人员铤而走险,除了在技术上持续斗法外,别无出路。幸好,当物联网在用数据供养智能系统的同时,AI也在保护它。


比如,避免传送敏感资料到云端的“边缘计算”正在成为刚需。在嵌入式电子与工业电脑应用展Embedded World上,通过边缘装置(edge device)处理更多数据,以及相关的芯片、处理器等产业链,一直是近两年来的焦点。


同时,安全防护也开始与AI 紧密结合,通过对漏洞报告以及程序代码的自动化处理,来实现安全漏洞的自动化研究,从而及早规避一些多元的新攻击手段。将机器学习算法引入入侵检测等过程中,能对实时检测得到的信息进行有效的处理,并做出攻击可能性的判断,及时 报警,让攻击者的小动作无处遁形。Splunk、Gurucul、赛门铁克、 IBM 、360等安全厂商都已经是AI的拥趸了。



总体来看,AI与物联网正成为智慧城市建设的大势所趋。互联网公司、智能设备厂商、安全厂商都在纷纷“跨界”转型,AIoT正伴随着技术爆炸与裂变,渗透到千行万业。


但同时,其隐私与安全环境也迎来了巨大的变化。每一个个体、每一个硬件、每一次传输,都有可能成为黑客刀下的“肥羊”。


当我们为科技厂商的隐私问题而忧心忡忡时,别忘了,先为最基础的数据安全上好第一把锁。


本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
正在改变与想要改变世界的人,都在 虎嗅APP
赞赏
关闭赞赏 开启赞赏

支持一下   修改

确定