【摘 要】
:
Z-Wave是面向家庭自动化市场的私有无线通信协议,现如今全球已有1亿多个可互操作的Z-Wave设备,随着该协议的广泛引用,其安全漏洞问题也持续增长。由于Z-Wave协议的数据单元规范不公开,限制了Z-Wave协议的漏洞挖掘研究。现有基于模糊测试的Z-Wave协议测试用例生成策略基于变异,依赖于对指定Z-Wave设备开发文档的人工分析,通过对特殊字段进行随机变异的方法生成测试用例并以此挖掘设备漏洞
论文部分内容阅读
Z-Wave是面向家庭自动化市场的私有无线通信协议,现如今全球已有1亿多个可互操作的Z-Wave设备,随着该协议的广泛引用,其安全漏洞问题也持续增长。由于Z-Wave协议的数据单元规范不公开,限制了Z-Wave协议的漏洞挖掘研究。现有基于模糊测试的Z-Wave协议测试用例生成策略基于变异,依赖于对指定Z-Wave设备开发文档的人工分析,通过对特殊字段进行随机变异的方法生成测试用例并以此挖掘设备漏洞。然而,对于使用Z-Wave协议的绝大多数设备,其数据单元未公开,测试人员无法获取协议规范进行分析,这种测试用例生成方法存在着局限性,缺乏对协议关联字段的针对性。在测试时,随机变异策略生成的测试用例不能代表协议格式,产生过多无效包,从而使得被测设备接收率低,更难以发现设备漏洞。因此,对Z-Wave协议测试用例的生成策略进行改进,并设计了Z-Wave漏洞挖掘工具。考虑Z-wave协议数据单元规范的不公开性与字段间的依赖关系,利用Bi-directional Long-Short Term Memory(Bi-LSTM)+Attention机制的神经网络特点,提出基于深度学习的Z-Wave协议漏洞挖掘方法,主要研究工作分为三部分。(1)对于Z-wave协议数据单元的不公开性与协议字段间的依赖关系,利用Bi-LSTM网络处理时间序列的双向性特点,与Attention机制快速捕捉关键特征对于输出影响的特点,通过设计神经网络模型学习Z-wave协议的语义规律,进而掌握报文格式和协议规则,形成完整的协议规范并通过模型生成大量的测试用例。对于协议规范未公开的部分,克服了目前Z-Wave协议测试用例生成方法的局限性,盲目性和缺乏对协议关联字段的针对性。(2)为了增加发现漏洞的可能性,提出基于最大熵的最小测试子集选取策略。Z-Wave协议的配置参数字段表示在该命令下的配置参数列表,经常出现的配置参数的数据值代表多次在该命令下配置参数,发现新漏洞的可能性极低;而配置参数字段不常出现的数据值,代表很少在该命令下配置参数,具有更好的漏洞挖掘能力。通过深度学习模型生成的测试用例集合中,本文基于最大熵策略选取总熵值最大的测试子集,其中测试用例具有不确定性和更好的漏洞挖掘能力。从而实现在降低输入规模的同时,增大触发设备漏洞的可能性。同时,在协议未知的情况下,为了判断生成的测试用例是否挖掘出漏洞,设计了漏洞检测方法,以此来发现设备漏洞。(3)为了实现Z-wave协议的漏洞挖掘,设计了Z-wave协议漏洞挖掘工具。包括流量采集模块、测试用例生成模块、测试用例发送模块、漏洞挖掘模块。重点介绍了测试用例生成模块中神经网络模型的构造和生成测试用例的过程,以及漏洞挖掘模块中根据设计的漏洞检测方法的实现流程。根据以上工作,通过设计的Z-wave协议漏洞挖掘工具在Z-wave设备上进行实验,结果表明,Z-wave协议漏洞挖掘工具的设备接受率良好,能快速检测出Z-Wave协议的漏洞。克服了目前基于模糊测试的Z-wave协议漏洞挖掘方法在针对协议未知的数据单元构造测试用例时的局限性和盲目性,从而导致设备接收率低、漏洞挖掘能力低的问题。
其他文献
客流预测作为城市轨道交通客流组织优化的关键技术之一,也是智能交通系统中的重要组成部分,准确的客流预测能在地铁运营部门调度、协同交通资源以及避免出现大面积的交通拥堵现象等方面发挥重要作用。论文归纳总结了国内外关于客流预测相关理论方法,通过分析K近邻算法理论基础和算法结构,发现传统K近邻算法存在一定缺陷,例如欧式距离将空间中不同属性坐标点之间的差别同等看待,不能满足实际要求而影响预测效果;预测算法方面
搅拌摩擦焊相对于传统的焊接手段,其热输入量相对较低,焊接过程中温度低于材料的熔点,材料不发生熔化过程,可避免许多熔化焊中出现的缺陷,且焊缝的残余应力和变形相对较小。搅拌摩擦焊焊缝质量相对较高,多种材料焊接后强度可达到母材强度的80%以上。目前,搅拌摩擦焊被广泛应用于航空航天、汽车、船舶、铁路等制造领域,且在诸多领域如兵器工业、建筑、家电等领域展现出了极大的应用潜力。机器人在工业应用中具有自由度高、
从上世纪九十年代初,带有空间结构的模型被提出且引起了国内外广大统计学者的关注。现如今,随着研究问题的逐步深入,变系数空间自回归模型成为国内外广大学者的研究目标。上世纪六十年代,人们对获取观测数据量过多时,如何处理数据,获取最优数据信息这一重大问题,提出变量选择方法,随着多种变量选择方法的相继提出,变量选择主题仍是现代统计分析的热点之一。现阶段对变系数空间自回归模型的探究成果相对较少,尤其在变系数空
目前我国5G移动通信技术稳步发展,受疫情影响,各行各业借助5G实现数字化、智能化转型的需求前所未有,移动雾计算作为未来5G通信的关键技术成为当前的研究热点之一。本文基于物理层安全(Physical Layer Security,PLS)的研究基础结合人工智能、社交行为网络等技术,利用无线信号的物理层特性增强雾计算网络的通信安全,具体贡献如下:1)本文首先提出了一种基于强化学习的方法检查无线信号中的
20世纪90年代以来,我国制造业持续高速发展。自“工业4.0”和“中国制造2025”战略被提出以来,智能化成为制造业的发展方向,它通过人与智能机器的合作共事,将生产自动化扩展到柔性化、智能化和高度集成化的范畴。生产调度以及控制系统的智能化是企业必须面对的问题,本文对带缓冲区约束的柔性制造生产调度问题进行了研究,并对其控制系统进行了改进。本文以某企业的自动开票流水线系统为研究对象,对流水线的组成与工
采样理论不仅是现代通信系统的理论基础,也是信号分析中强有力的基本工具之一.采样与重构的稳定性决定了是否可以从样本中精确恢复原始信号.本文主要讨论混合Lebesgue空间(?)的平移不变子空间(?)中非均匀采样与重构的鲁棒性.首先,基于经典Lebesgue空间(?)中已有的两种非均匀采样方式,讨论其在混合Lebesgue平移不变子空间(?)中关于生成元和采样泛函的鲁棒性.其次,我们针对两类更一般的平
随着社会经济的发展,工业生产的制造、运输和使用过程所使用的有机物种类越来越多。多数有机物通常具有高毒性、持久性和生物积累性,严重危害着从业人员的身体健康。因全社会对职业人群健康的日益关注,职业卫生检测工作越来越重要,有机物检测是职业病防治的重要方面之一,其检测项目由原来的单一项目往多项目、多组分检测方向发展,相应方法的检出限也需要越来越低。工作场所存在的有机物种类广泛,其物理和化学性质差异大。有机
车型分类识别在民用和军用方面都有大量的应用需求。在民用方面,其广泛应用于各种交通场景,例如在自动驾驶中需要识别让行的车辆如警车和消防车,在高速公路ETC针对不同车型进行自动计费等;在军用方面,利用无人机,地面装甲车辆图像采集设备,对不同车辆进行发分识别,从而针对不同的目标制定不同的攻击策略。基于民用和军用方面的需求,故研究在小样本情形下的车型分类识别十分有必要。论文围绕此问题开展研究,主要工作内容
支持分布式电源的大量接入和集成高速的双向通信是智能配电网区别于传统配电网的重要特征,但分布式电源的大量接入改变了传统配电网功率单向流动的状况,给配电网继电保护和故障定位带来了新的技术问题。且随着配电自动化和网络通讯技术的发展,对于10k V馈线侧分段开关的智能化要求也越来越高。而传统的分段开关功能比较单一,自动化水平较低。在此背景下,课题设计了一款集成参数测量、继电保护、故障报警、参数管理、远程通
无源定位跟踪技术有着隐蔽性强、抗干扰能力强、成本低等很多优点,越来越受到各国的重视。在实际战争场景中,观测站能够获得的目标特征数据非常有限,目标的角度信息几乎成了唯一可靠的参数,因此,利用目标角度信息估计目标的运动状态,具有十分重要的军事意义。基于此研究背景,本文以对空中目标的定位跟踪为主要研究内容,分别研究了在单观测站和双观测站两种定位体制下,如何只利用目标的角度信息,完成对目标的定位跟踪。具体