駭客終結者 2.0 登場！打破舊有資安概念，零信任架構 (ZTA) 引領資安新風潮——台科大教授兼資通安全研究與教學中心主任查士朝專訪

• 本文轉載自科技大觀園，原文為《AI 智鬥駭客，數位戰警網路掃黑》
• 作者／李宗祐｜科技大觀園特約編輯

網路數位世界黑影幢幢，美國有線電視新聞網 CNN 曾報導，全世界每天產生超過 100 萬個惡意程式；臺灣軟體聯盟也曾發布調查報告，全球企業因惡意程式攻擊，每年損失超過 10 兆新臺幣，相當於我國 109 年度政府總預算的 5 倍。駭客散播惡意程式橫行網路，不僅企業深受其害，各國政府也防不勝防。

行政院資通安全處偵測統計，我國各政府單位每月被攻擊次數高達 2,000 萬到 4,000 萬次。近期最受矚目的就是，總統府在蔡英文總統 520 連任就職前夕，驚傳遭駭客入侵電腦竊取資料；接著 5 月底美國資安公司「Cyble Inc」揭露駭客在暗網^[1]兜售「臺灣全國戶政登記資料庫」超過 2,000 萬筆臺灣民眾個資，接連引發輿論譁然。

面對駭客無窮盡的闇黑攻擊，臺灣大學電機工程學系教授林宗男從 2018 年開始，帶領團隊利用資料科學處理分析，建立網路異常與攻擊預測模式，發展「AI Cyber Security」（人工智慧網路安全）系統，從偵測藏身於 Windows 與 Android 系統的惡意程式、暗網流量分類與網路惡意流量偵測等「四管齊下」，全面展開網路掃黑行動，防堵駭客散播惡意程式搞破壞。 

抓出惡意程式的 AI 網路安全系統

這項研究計畫今年邁進第 3 年，「我們做出來的技術，都是可以馬上用的真槍實彈！」林宗男透露，相關前瞻技術初步成果陸續發表後，「國家安全局就找上門，要跟我們技術合作。」隨著世界各國競相重點投資，引領 AI 成為國力象徵，研究團隊除了以建置臺灣國家級網路防禦系統為目標，更希望這套系統能夠推廣成為捍衛各國企業或組織的數位戰警。

就如同 CNN 報導，全世界每天產生超過 100 萬個惡意程式，網路數位世界危機四伏；但值得注意的是，這個數據還是 2015 年的統計，現在恐怕有增無減。研究團隊以先發制人策略，杜絕惡意程式伸出魔爪，利用 CNN（Convolutional Neural Networks，卷積神經網路）模型^[2]訓練 AI ，偵測是否有惡意程式潛伏在使用者電腦 Windows 或手機 Android 系統蠢蠢欲動。

Windows 與 Android 的惡意程式偵測

「我們的目標是在他還沒有執行之前，阻止惡意程式啟動。」面對五花八門的應用程式，研究團隊指出，使用者在下載執行前，「把程式的 exe 執行檔轉換成圖片檔，放進我們建立的模型，AI 就會告訴你這個程式是惡意程式的機率是多少。如果很高，就不要執行，避免系統被惡意程式感染。」林宗男強調，能夠辨認程式碼到底是惡意或者是正常，是確保網路安全最重要的基本功。

經過測試驗證，Windows 偵惡系統成功率與準確率達 88.9%，超越全球圖形處理器領導廠商 NVIDIA 發表的 AI 偵惡技術 7.2%。林宗男指出，很多軟體公司都競相投入研究，就過去已公開發表的研究論文，NVIDIA 抓駭效率暫時領先群雄；臺大團隊與擁有雄厚資源的 NVIDIA 研究團隊相較，就像是小蝦米與大鯨魚，能夠超越他們很不容易。「但這僅是初步研究結果，我們還在持續精進中。」 

相對於 Windows 偵惡系統獨立開發，Android 偵惡系統則是與日本 NICT（情報通信研究機構）合作研發，利用臺大團隊提出的新演算法，把 NICT 研發的 AI 偵惡系統抓駭效率從 92% 提升到 96.2%，青出於藍而勝於藍，讓日本團隊印象深刻。 

透過機器學習，分析暗網流量

雖然無法做到百分之百滴水不漏，但為了知已知彼，研究團隊更直搗黃龍，「潛水」暗網蒐集情資，分析駭客行為特徵。林宗男表示，駭客為了躲避追蹤，都在暗網活動，因為透過 TOR 瀏覽器加密，網管人員無法辨識使用者到底是在上網聊天、傳資料、發送 Email，還是看 YouTube 聽音樂或追劇等。對追蹤技術研究者而言，到暗網觀察駭客「水面下」的活動，是很重要的情資來源。 

研究團隊透過 AI 研究分析已知惡意程式的網路行為特徵，再側錄蒐集暗網不同使用者上傳流量與行為模式，找出「壞人經常走的路徑」，把暗網流量做善惡分類，研判哪些是正常上網行為，哪些是惡意程式發動攻擊。林宗男舉例，就像防疫期間每個人都戴著口罩，但年紀大的和年紀輕的行為就是不一樣，「我們就是利用 AI 從行為特徵分辨使用者上網行為是否正常。」 

研究成果經與美國 IBM 和中華電信合作驗證測試，辨識率高達 99.6%，遠超過加拿大研究團隊的 81.6%。對 ISP（網路服務供應商）而言，若能明確辨識暗網流量分類，就不必把看影片或聽音樂等受到惡意攻擊可能性極低的影音串流，全部導入 IDS（入侵檢測系統）資安偵測，大幅節省資源。

惡意流量偵測，鞏固第 2 道防線

研究團隊也利用最近 3 年眾所周知的 10 種惡意程式，包括 2017 年肆虐全球的勒索軟體 WannaCry（想哭）進行惡意流量偵測「實兵演練」。畢竟惡意程式偵測不可能做到百分之百，漏網之魚在所難免。根據資安調查顯示，惡意程式滲透入侵電腦系統之後，平均長達 56 天才會被發現。 

「惡意流量偵測其實是第 2 道防線！發生惡意流量代表電腦已經中毒了，我們的目標是在最短時間偵測出惡意流量。」林宗男透露，跨國網路科技公司 CISCO 現有商用偵測系統精確度已達 97.7%，「我們做得再好，也僅能微幅提升到 98.2%。」研究團隊再發揮 3 個臭皮匠勝過 1 個諸葛亮的精神，把 2 套系統截長補短，將精確度再向上提升 0.3%，堅持沒有最好、只有更好的信念，鍥而不捨地挑戰不可能的任務。

eID 的潛在風險

然而，林宗男也深知，資安不可能做到百分之百的絕對安全。當內政部決定在明年全面換發 new eID 數位身分證，建置 T-Road（政府資料傳輸平臺），打造跨政府機關資料通道網路，推動「一卡多用」串聯戶籍資料、健保資料庫、汽機車駕照交通監理資料、國民年金與勞保勞退年金等，同時政府也將讓 new eID 擁有線上交易完整性與不可否認性，做為電子商務交易憑證。林宗男對此呼籲政府應正視 new eID 缺乏法源依據的問題，更要從資訊安全的角度，重新審慎評估全面換發數位身分證的必要性。 

「透過 new eID 建置 T-Road 聽起來好像很方便、很進步，但對駭客而言，要偷取全國 2,300 萬人的資料，也非常方便。一旦出現資安破口，整個系統就會因單點失效而全面瓦解。」林宗男說，「new eID 把國人從出生到死亡所有資料全部放在 T-Road，我們都知道網路沒有絕對安全，還要把所有的東西全部放在一個籃子裡面嗎？」政府應該要有分散風險的危機意識，數位身分證絕對不能「一卡多用」。  

註解

1. 利用 TOR（The Onion Router 洋蔥路由器）瀏覽器遮蔽使用者真實位址，避開網管系統追蹤的匿名網路。
2. 參考人類大腦視覺組織建立的深度學習模型。

• 本文轉載自科技大觀園，原文為《無法複製的晶片指紋——PUF技術》
• 作者／林三谷｜科技大觀園特約編輯

隨著萬物聯網時代到來，越來越多數據以數位化方式儲存共享，架構安全性也越來越受到重視。就在今年 5 月，美國賓州大學研究團隊開發出一種基於石墨烯的 PUF（Physically Unclonable Function），能夠有效防範利用 AI 模型的新型攻擊，使加密金鑰更難以被破解。

什麼是 PUF？

要解釋什麼是 PUF，就得先理解物聯網（Internet of Things , IoT）的概念。簡單來說，物聯網就是讓設備裝上感測器、軟體及技術來相互連接傳輸資料所形成的網路，是很多產業智慧化的基礎，然而很容易就可以想像這種便利性同時也帶來更高的資安風險，由於物聯網設備涵蓋的領域相當廣泛，駭客從許多層面都可以發動攻擊。

過去談到物聯網的資訊安全，許多人都會先想到軟體及網路加密連線，但其實除了網路層面的安全防護，實體設備同樣存在著威脅。一旦出現仿冒晶片或其他問題，駭客就可能透過網路遠端控制設備獲得金鑰和其他敏感資訊，進而造成企業損失。以軟體為主的資安設計已不再足以提供全面保障，這也是為什麼基於硬體的安全技術開始逐年受到青睞。

全名為「物理不可仿製功能」 的 PUF 就是這樣一種硬體安全技術。透過半導體製程中引入的隨機變數，讓晶片在微觀結構上產生些許差異，在變數無法預測及控制的情況下，複製該晶片成為幾乎不可能的事，減少遭人逆向工程或操作的擔憂。這樣的隨機性、唯一性及不可複製性，讓 PUF 彷彿成為一種「晶片指紋」的存在，因此自然也變成新世代資安「零信任」（Zero Trust）架構下的熱門選擇。

不同於傳統資訊加密技術將密鑰儲存在設備的方式，PUF 技術主要使用一個客製應用積體電路（Application Specific Integrated Circuit , ASIC）或現場可程式閘陣列（Field Programmable Gate Array , FPGA）就可以完成，透過製造時挑戰／反應數據庫（Challenge／Response）的建立，便能在無須加密認證演算法的情況下對設備進行驗證，防止身分被竊取、竄改的同時，也免除了將私鑰儲存在設備的額外成本以及金鑰遺失的風險。

自 2013 年開始，PUF 已經開始逐漸受到重視，只是就像所有的密碼學應用一樣，儘管 PUF 技術存在著這些驚人特性，駭客攻擊手法也仍在持續演化中。國外一些研究已經證明，透過機器學習，AI 技術還是可能預測出密鑰並獲取數據，因此針對 PUF 技術的改良研發也仍在持續進步中。

以賓州大學團隊 5 月公布在《 Nature Electronics 》的最新研究為例，工程科學與力學助理教授 Saptarshi Das 就進一步結合了石墨烯（Graphene）的諸多特性，開發出一種新型低功耗、可擴展及可重構的 PUF，在面對 AI 攻擊時也能保持顯著彈性不易被入侵。

據研究人員表示，透過石墨烯獨特的物理和電學性質，新型 PUF 更加節能、可延展，即使受到 AI 攻擊試圖預測金鑰，受損的系統也可以在不需要額外硬體或更換元件的情況下重新配置過程並生成新密鑰，藉此有效抵抗對傳統矽製 PUF 構成威脅的 AI 攻擊。

隨著物聯網走入各大產業、設備數量大規模增長，可想見更嚴峻的資安挑戰也即將到來。目前國內廠商及研究團隊許多針對 PUF 的努力正在進行，除了矽智財知名大廠力旺開發的 NeoPUF 技術，成功大學電機系張順志教授進行的研究也是其中之一。

在「具高安全性且低耗能之物聯網晶片電路及系統之分析、設計及實作」整合型計劃中，張教授希望透過超低功耗之類比數位轉換器設計技術及內建物理密鑰技術、 AI 輔助訊號轉換電路設計技術的研發，來提升物聯網晶片的安全性與穩定性。據了解，該項目已經進入後期階段，將基於先前的經驗嘗試完成整個物聯網系統的實體整合與量測驗證。

資料來源

1. 初探物聯網安全趨勢下PUF晶片安全發展機會｜跨域資安強化產業推動計畫網站 ACW
2. 具高安全性且低耗能之物聯網晶片電路及系統之分析、設計及實作-子計畫三：應用於高安全性且低耗能物聯網系統的類比至數位轉換器之研製（ I ）
3. Stabilization in Physically Unclonable Constants
4. Graphene key for novel hardware security | Penn State University

• 本文轉載自科技大觀園，原文為《為什麼網路廣告都知道我去過哪些地方？手機通訊的資安隱憂與個資保護新技術》
• 作者／吳謹安｜科技大觀園特約編輯

新冠肺炎疫情在國際間蔓延接近兩年，疫情前期政府推出「電子圍籬」系統，透過手機監測居家隔離者是否違規外出，卻也衍生出人民隱私遭到侵犯的討論。但事實上，早在疫情前電信商就能取得使用者身分與手機位置的資料。即使關閉 GPS，日常手機在與周邊基地台交換數據的過程中，就需要提供裝置身分識別與位置資訊。當電信公司將相關資訊販賣給資料仲介（data broker）等第三方，或是資訊傳輸過程被駭客竊取，便可能造成潛在的資安問題。

因此，南加州大學（University of Southern California）研究團隊便提出一項新技術－Pretty Good Phone Privacy （PGPP），嘗試在確保服務品質的情況下，保護裝置使用者位置的隱私性。

身分驗證：通訊網路如何識別用戶與提供服務

「我們在不知不覺間同意讓手機變相成為行蹤跟監裝置，但直到今天我們對現況仍然沒有其他選擇－使用手機等於同意接受跟監。」PGPP 研究者 Barath Raghavan 表示。另一位研究者 Paul Schmitt 則進一步指出，現有通訊網絡的問題在於身分驗證與提供通訊服務使用的透過相同的管道進行。不僅讓電信商能利用這些敏感資訊尋求商業利益，也讓駭客有機會從外部透過技術取得使用者的敏感資訊。

不過，想了解使用者訊息是如何在環環相扣的網絡中被蒐集，甚至面臨被竊取的風險，必須先從手機如何取得通訊服務講起。

日常生活中，手機在接收資訊時，需要與遍布周遭的基地台與通訊網路取得聯繫，由各個基地台以六角形的方式構成的通訊網絡，也稱作蜂巢式網絡（Cellular network）。為了提供收發資訊的服務，手機需要藉由無線電波與網絡中的基地台驗證身分，確認裝置為付費用戶後通訊網絡便可以開始提供其他服務。

進一步以 5G 服務為例，5G 架構可以分為 NG-RAN（Next Generation Radio Access Network）與 NGC（Next Generation Core）兩部分（如圖一）：（1）NG-RAN 由手機（UE）與基地台（gNodeB）組成，手機可以透過基地台手機連接到NGC。（2）NGC 則提供身分驗證、計費、簡訊和資料連接等服務，包含 AMF（Access and Mobility Management Function）、AUSF（Authentication Server Function）、SMF（Session Management Function）和 UPF（User Plane Function）五個部分。其中 AMF 主要負責與手機溝通、AUSF 負責驗證、SMF 和 UPF 則提供 IP 位置與連線服務。

連網過程中，手機會透過最鄰近的基地台將儲存於 SIM 卡中的身分識別碼－SUPI（Subscription Permanent Identifier）在 4G 中稱作 IMSI（International Mobile Subscriber Identity）傳送給 AMF，此時 AUSF 會對 SUPI 進行驗證確保此手機是有效用戶。通過驗證後，SMF 與 UPF 便會提供 IP 位置與開放網路服務。而在驗證過程中，電信商的 AUSF 資料庫會記錄所有透過它取得網服務的 SUPI 以及其他註冊資訊。由於每個 SUPI 都是全球唯一且永久的識別碼，因此除了電信商，對有意監控手機用戶的人而言，SUPI 也成為一個極具價值的目標。

基地台定位系統可能成為駭客攻擊的跳板

此外，敏感資訊在前面提到的層層傳輸過程中也面臨駭客的威脅，駭客可以透過被動擷取與主動蒐集兩種方式，掌握用戶的 SUPI／IMSI 與位置資訊，並進行一連串後續的侵權行為。

被動擷取是利用手機與基地台溝通之間的漏洞來達成目的。例如，近年基地台模擬器－IMSI 擷取器（IMSI catchers）或俗稱魟魚逐漸興起，利用手機會自動連接到鄰近最強訊號源（通常是基地台），並提供自身 SUPI／IMSI 以供驗證的特性。IMSI 擷取器發送強於周圍合法基地台的訊號，藉此取得用戶的識別碼，讓監控者可以辨識與監聽未加密的用戶通訊內容，其實這種作法早已在情報單位與極權國家被廣泛地利用。

雖然現有通訊網路嘗試提供暫時性驗證碼－如 GUTI（Globally Unique Temporary UE Identity）來代替 SUPI。只要手機成功連到網路，便會用 GUTI 代替 SUPI，成為該手機的臨時標籤，減少 SUPI 暴露在網絡傳輸過程的次數。但就算 GUTI 會由 AMF 定期更換，實務經驗指出 GUTI 對於使用者隱私的保護有限，駭客仍可以透過技術將 GUTI 去匿名化，進而掌握特定個人的行蹤。

除了被動擷取資訊，駭客還可以利用基地台呼叫（paging）定位的原理主動地發動攻擊。為了能快速定位用戶位置以確保通訊服務能被送達，電信商會將數個基地台覆蓋區域組成一個追蹤區域（tracking area），並且如果有訊息傳送到閒置中的手機時，基地台會要求手機回傳臨時識別碼。駭客在不知道用戶位置與身分識別碼的情況下，可以頻繁地撥打電話給鄰近追蹤區域內的裝置再迅速掛斷。用戶手機可能根本不會跳出通知，但駭客卻可以利用追蹤區域的基地台呼叫訊息，在短時間內定位出用戶的大略位置，甚至進一步可以癱瘓與綁架目標用戶手機服務。

值得一提的是，儘管 5G 技術在保護隱私上做了許多改進。但 5G 訊號使用更高的頻段，提供高傳輸速率與低延遲服務的同時，也伴隨通訊距離、覆蓋範圍較 4G 小的限制。為了確保通訊服務便需要提高基地台密度，等於變相讓電信商與駭客能更準確定位使用者的位置。

PGPP：將身分識別驗證與網路服務分開進行

雖然個人行蹤隱私與手機識別訊息洩漏會造成龐大的社會成本，但要透過改變現有通訊網絡硬體設計，達到保護個資的目的，也需面臨設備更新成本巨大的挑戰。因此 PGPP 嘗試從軟體的角度解決問題，讓用戶可以透過 PGPP 保護自己的行蹤隱私。

「解決問題的關鍵在於，如果要希望保持匿名性，又要怎麼讓通訊網絡驗證你是合法的使用者？」Barath Raghavan 說。為了將身分驗證與網路服務的過程拆開，PGPP 使用了加密標記（Token）與代理伺服器的概念。在 PGPP 的協定中，付費用戶可以從電信商取得一個加密標記。而所有用戶第一次連接到基地台時，使用的是一樣的 SUPI／IMSI，讓使用者連結到代理伺服器的驗證畫面（PGPP－GW），並以加密代幣進行驗證。過程中電信商與駭客只能看到所有用戶都使用同樣的 SUPI／IMSI 與 IP 位置進行連網，如此一來，身分識別資訊與基地台資訊就能夠完成分離（圖二）。

此外，為了解決駭客利用追蹤區域基地台呼叫訊息來定位用戶，PGPP 為每個手機隨機客製不同的追蹤區域，而非傳統地由電信商定義出追蹤區域。如此一來，駭客即便取得追蹤區域編號也無法得知用戶實際所處的位置在哪裡（圖三）。

為了能真實測試 PGPP，Barath Raghavan 與 Paul Schmitt 甚至成立了一家新創公司－Invisv。結果顯示 PGPP 在保護個資的同時，也幾乎不會有延遲增加、流量過載，以及其他匿名網路會遇到的延展性問題。由於 PGPP 只是停止讓手機向基地台傳送自己的身分，因此其他定位功能還是可以正常使用。

最後，Barath Raghavan 也指出現在是人類有史以來第一次，幾乎每個人無時無刻的行蹤都能及時地被掌握。但人們常常默許地將關於自身資訊的控制權交給大公司與政府，PGPP 的發明就是希望在這樣的洪流中取回一些對自身隱私的控制權。

資料來源

1. Pretty Good Phone Privacy
2. Is Your Mobile Provider Tracking Your Location? This New Technology Could Stop It.
3. 4G、5G技術漏洞可讓駭客追蹤用戶地點、癱瘓手機、攔截通話內容