安防领域网络安全防护主流技术浅析

[[344389]]

安全是一个广泛的主题，它涉及到许多不同的区域(物理设备、网络、系统平台、应用程序等)，每个区域都有其相关的风险、威胁及解决方法。在网络视频监控系统中需要关注的安全因素主要有操作系统的安全、用户信息的安全、应用软件的安全，以及网络的安全等。

主流技术

目前行业中网络安全保护主流技术包括SSL安全认证技术、MPLS虚拟专用网络、防火墙系统等等其中SSL即安全套接层协议，指使用公钥和私钥技术组合的安全网络通讯协议。SSL协议是网景公司(Netscape)推出的基于WEB应用的安全协议，SSL协议指定了一种在应用程序协议(如Http、Telenet、NMTP和FTP等)和TCP/IP协议之间提供数据安全性分层的机制，它为TCP/IP连接提供数据加密、服务器认证、消息完整性以及可选的客户机认证，主要用于提高应用程序之间数据的安全性，对传送的数据进行加密和隐蔽，确保数据在传送中不被改变，即确保数据的完整性。

MPLS虚拟专用网络每个IP包加上一个固定长度的标签，并根据标签值转发数据包。MPLS实际上就是一种隧道技术，所以使用它来建立虚拟专用网络隧道十分容易而高效。MPLS虚拟专用网络采用路由隔离、地址隔离和信息隐藏等多种手段提供了抗攻击和标记欺骗的手段。

防火墙产品一般通过包过滤技术、代理服务技术、网络地址转换技术等保障系统安全。

人工智能技术应用

近些年，随着人工智能技术落地，网络安全中的人工智能市场也在不断增长。

网络安全中的AI技术方面主要包括机器学习、自然语言处理、情景感知计算等。安全性应用主要针对应用程序安全、端点安全、云安全、网络安全等等。

主要应用包括，数据丢失预防、统一威胁管理、加密、身份和访问管理、风险与合规性管理、防病毒/恶意软件、侵检测/预防系统、分布式拒绝服务缓解、安全信息和事件管理、威胁情报、欺诈检测等。

事实上，利用人工智能技术来对抗安防行业安全挑战已成为趋势。例如身份认证识别、异常检测等。近年来，无监督学习越来越多地被用于异常检测。数据降维可以降低数据向量的维数，去除冗余信息，提高识别精度，进一步发掘数据内部的本质特征。关联规则学习能通过学习源数据，发现行为集合与异常状态的潜在关联信息。而通过基于概率分布和频度的聚类算法，最终能将正常行为和异常行为区分开来。这一系列的机器学习算法，将网络安全的异常检测应用更加成熟化。

区块链技术

区块链是一个信息技术领域的术语。从本质上讲，它是一个共享数据库，存储于其中的数据或信息，具有“不可伪造”、“全程留痕”、“可以追溯”、“公开透明”、“集体维护”等特征。基于这些特征，区块链技术奠定了坚实的“信任”基础，创造了可靠的"“合作”机制，具有广阔的运用前景。

区块链的去中心化、数据不可篡改、永久可追溯等特性，可以通过全网的分布记账、自由公证，打造一个共识数据库，重构数据市场中多方的主体关系,最终实现数据生产方、数据使用方和数据垄断方的共赢，让安防数据信息在短时间内发挥出更大效用。

安全是区块链技术的另一大特点。主要体现在两方面：一是分布式存储架构，节点多，数据存储安全性高;二是其防篡改和去中心化的设计，很难不按规则修改数据。对于安防来说，区块链能颠覆性地解决当今安防产品发展所面临的一些关键性问题，为智能家居、智慧交通、智慧城市等安防经典应用场景带来更为广阔的想象空间。