1. IoT安全概述:现状、攻击面与威胁分类
大家好,我是老周。做IoT安全有些年头了。今天咱们聊聊IoT安全的整体面貌。说实话,这个领域变化太快,我每年整理PPT都得大改一次。
很多人觉得IoT安全就是“给设备加个密码”。嗯,要真这么简单,我也不用在这开课了。你想想看,一个智能灯泡、一个温度传感器,它们能有多大的攻击面?结果呢?2016年Mirai僵尸网络就是靠摄像头和路由器,把大半个美国互联网搞瘫痪了。
核心观点:IoT安全不是单个设备的安全,而是“设备-网络-云-应用”全链路的安全。任何一个环节出问题,整个系统都可能被攻破。
1.1 IoT安全现状:为什么我们总在被动挨打?
先看几组数据。我个人习惯每年跟踪几个主流安全报告,比如OWASP IoT Top 10、CVE漏洞库的IoT相关条目。趋势很明显:
- 漏洞数量逐年攀升:2023年IoT相关CVE超过1500个,比五年前翻了近三倍。
- 攻击自动化程度高:Mirai的变种到现在还有,扫描全网开放端口的脚本在GitHub上一搜一大把。
- 设备生命周期长,补丁难:很多传感器部署后五年没人管,固件不更新,漏洞一直晾在那。
我在项目中遇到过最典型的情况:某工厂部署了2000多个温湿度传感器,用的还是三年前的老固件。我问IT负责人为什么不升级,他说“设备能跑就行,升级万一出问题谁负责?”——你看,这就是现状。
避坑指南:我曾经接手过一个智能楼宇项目,所有门禁控制器用的都是默认密码“admin/admin”。安全审计时发现,攻击者只要连上内网,就能直接开门。嗯,这个坑我替客户填了整整两周。
1.2 IoT攻击面分析:攻击者从哪里下手?
攻击面这个词,说白了就是“你能从哪些地方打我”。IoT系统的攻击面比传统IT系统大得多。为什么?因为多了物理世界这一层。
我习惯把IoT攻击面分成四个维度,画了张图,你一看就明白:
四个攻击面,咱们逐个拆开聊:
1. 设备层攻击面
这是最直接的攻击入口。攻击者可能通过物理接触(比如拆开外壳接串口)、固件提取、调试接口(JTAG/SWD)等方式下手。我见过最野的操作:有人用逻辑分析仪直接抓取传感器和MCU之间的I2C通信,明文数据一览无余。
2. 网络层攻击面
IoT设备通常使用轻量级协议,比如MQTT、CoAP、Zigbee。这些协议在设计之初更关注低功耗和低带宽,安全性往往后补的。举个例子,MQTT如果不启用TLS,用户名密码就是明文传输的。你想想看,攻击者在同一Wi-Fi下抓个包,你的设备凭据就暴露了。
3. 云平台攻击面
设备数据最终要上云。云平台的API接口、设备注册机制、数据存储权限,每一个都是潜在突破口。我在项目中遇到过某厂商的IoT平台,设备注册时只校验设备ID,不校验设备密钥——结果就是任何人都可以伪造设备上报数据。
4. 应用层攻击面
手机App、Web控制台,这些是用户直接交互的界面。常见的Web漏洞(SQL注入、XSS、越权)在IoT应用层一个不少。而且很多IoT App为了“用户体验”,本地存储了设备的长期令牌——手机丢了,设备控制权也就丢了。
1.3 IoT安全威胁分类:把敌人分清楚
攻击面是“从哪里打”,威胁是“怎么打”。我习惯把IoT安全威胁分成五大类,这样在做安全设计时,可以逐类排查:
| 威胁类别 | 典型攻击方式 | 真实案例(我遇到的) |
|---|---|---|
| 物理攻击 | 拆解设备、串口调试、侧信道分析 | 某智能锁被拆开后,通过UART拿到root shell |
| 网络攻击 | 中间人攻击、DDoS、协议劫持 | Mirai僵尸网络利用Telnet弱口令感染设备 |
| 软件攻击 | 固件逆向、漏洞利用、恶意固件注入 | 某路由器固件存在后门账号,全网可扫描利用 |
| 通信攻击 | 重放攻击、数据篡改、会话劫持 | 智能家居场景下,攻击者重放开锁指令 |
| 供应链攻击 | 恶意芯片、第三方库漏洞、固件投毒 | 某模组厂商在SDK中预埋了后门代码 |
个人经验:做威胁建模时,我建议你从“最坏情况”开始想。假设攻击者已经拿到了设备的物理访问权,他能做什么?假设攻击者能监听网络流量,他能得到什么?这样推演一遍,你会发现很多平时忽略的漏洞。
嗯,说到供应链攻击,这个我得重点提一下。很多IoT厂商为了快速出货,直接采购第三方的通信模组或SDK。这些第三方代码里有没有后门?有没有已知漏洞?说实话,很少有人真正去审计。我曾经帮客户做安全审计,发现他们用的一个Wi-Fi模组SDK里,硬编码了一个调试账号——厂商说“忘了删”。
所以你看,IoT安全不是某一个环节的事。从芯片选型、固件开发、网络通信、云平台对接,到最终的用户App,每个环节都可能出问题。而我们这门课的核心——识别异常流量特征,就是帮你从网络流量这个维度,快速发现这些攻击的蛛丝马迹。
这一章先搭个框架。后面我们会一步步深入,从流量采集、特征提取,到异常检测模型,把整套方法论讲透。