在现代网络战中，真正新颖和有创意的方式非常罕见。一个值得注意的例子是Stuxnet恶意软件，这是一种自主蠕虫，它破坏了伊朗用于加工铀的机器。还有在2015年和2016年针对乌克兰变电站的网络攻击中所部署的BlackEnergy和Industrioyer恶意软件，导致了大停电。这些事态发展突显了网络威胁演变的性质，一些攻击开始在现实世界中造成物理后果。最近，由于网络攻击，Clorox产品出现短缺。
还有另一个数据：我们见证了因网络攻击而对工业和关键基础设施造成物理损害的案例显著增加。自2020年以来，此类攻击频率每年翻一番，与前十年仅有15起攻击形成鲜明对比。然而，这些物理影响通常不是来自创新的攻击，而是来自于使物理过程中不可或缺的机器丧失功能的通用加密技术。
具有物理后果的攻击：2023年威胁报告–OT网络攻击及其物理后果。
生成式AI如何改变攻击
在电影小说中，我们经常看到人工智能执行令人印象深刻的任务，从操纵红绿灯到加速火车速度。这其中的大部分是为人类而虚构的，是娱乐而非现实，所以我们知道当网络安全崩溃时，我们能够想到什么。如果人工智能完全控制环境中的网络，比如建筑管理系统，它能做些什么?
为了探索这一点，我们与一个生成式AI模型进行了对话，讨论了一个假设的水处理厂可能发生的攻击场景，该厂配备了工业控制和通用部署。虽然它的许多反应在意料之中，但有些反应非常准确，比如注入虚假数据。问题是，一旦攻击者对他们希望实现的影响有了基本的想法，他们就可以利用生成式AI作为研究助手，以非常有效的方式进一步开发。
对于工业系统的攻击带来的潜在危害，来自ChatGPT的回复如下：
1.基础设施损坏:
- 涡轮机过载：通过操纵HMI，攻击者可能会导致涡轮机运行在不安全的转速或不适当的工况下，从而导致设备损坏或故障。
- 压力波动：操纵系统突然产生压力变化，这可能会损坏管道和其它基础设施。
- 溢出：储罐或蓄水池可能溢出，造成水灾和潜在的设备损坏。
2.运营中断:
- 错误的数据注入：攻击者可以向HMI提供错误的数据，从而导致运行人员做出错误决策。
- 关闭：攻击者可以关闭部分或整个工厂，破坏水处理过程，进而导致水资源短缺。
- 改变设定值：改变操作设定值可能使工厂的运行效率低下，增加成本，并可能导致处理不彻底。
著名网络安全专家Robert M.Lee在其开创性论文《工业控制系统网络杀伤链》中，详细描述了运营技术网络攻击阶段。在这篇论文中，他将对工业控制系统的攻击分为两个不同的阶段。第一阶段与熟悉的信息技术(IT)攻击方法密切相关，并在更专业的第二阶段达到高潮，这是专门针对OT入侵的。
ICS杀伤链示例：第1阶段为蓝色，第2阶段为黄色。图片来源：WATERFALL SECURITY
生成式AI显著改变了最初的妥协阶段，该阶段主要针对人类的脆弱性。这包括从语音克隆到精心制作有说服力的钓鱼电子邮件等各种策略。然而，进攻性AI真正未开发的潜力出现在第二阶段。
在这些OT场景中，攻击者经常遇到设计适合不同运营环境的有效攻击手段的挑战，尤其是那些需要协调可编程逻辑控制器(PLC)和其它适合特定物理过程服务器的有效攻击。虽然许多攻击者可以绕过传统防御，但在遇到水处理或制造等专业领域时，他们往往会功亏一篑。
生成式AI有希望重塑这一动态，为攻击者提供生产复杂、自适应有效攻击方法的能力。这可能包括能损坏机器或危及人类生命的代码。在李的论文中，“低置信度设备效应”等行为将从难以执行转变为相对简单。从本质上讲，由于生成式人工智能，第二阶段攻击规模的整个格局发生了根本性的变化。
安全工程是我们对抗AI的新安全网吗?
AI的民主化将使防御系统错误配置和证书被盗变得更为复杂。在OT中系统，第二阶段的风险甚至更高。加密文件与销毁机器有很大不同。传统的防御系统很容易被绕过，可能无法应对这些新出现的威胁。当然，也不是完全没有希望。
工程专业拥有强大的工具来抵消AI带来的OT网络风险。例如，机械过压阀可以防止压力容器爆炸。由于这些系统没有CPU，它们不会受到黑客的攻击。类似地，扭矩限制离合器可以保护涡轮机免受损坏，单向网关利用光学系统，防止攻击信息在某个方向上通过。这些工具由于缺乏IT安全对应工具而经常被忽视，但一切都在变化，可能它们很快就会变得不可或缺。
随着AI的不断发展，IT与OT系统的融合，再加上创造可能危及人类安全或关键基础设施的富有想象力的有效攻击，工业企业需要万无一失的防御措施。这些基于物理元素的防御措施，即使是最先进的AI也无法攻击，可以确保我们在日益数字化的世界中保持安全。也许，在未来的几年里，它们甚至可以阻止最先进的AI系统。
