下面主要介绍从终端、网络、数据、应 用、管理等方面介绍 5G 工厂安全技术。
5G 工厂会促使现场终端设备由机械化向高度智能化转变，大量 的智能设备容易暴露在互联网上，面临攻击范围大、扩散速度快等问 题，如何保证终端设备安全是 5G 工厂网络安全的重要一环。
1.资产安全
5G 工厂终端安全必须建立在“摸清家底”的基础之上，对网络中 的所有业务资产进行信息收集及分析，预防攻击事件带来的危害。收 集的方法及注意事项包括如下几项。
（1）无忧采集：主要是对工业系统终端进行信息采集，得到工 业系统特征。值得注意的是，在采集过程中，要区分不必要的页面元 素以进行过滤、减少不必要的请求。同时，增加采集节点，在进行大 规模数据采集时，可以分散访问压力，提高采集效率。
（2）工艺监控：通过 5G 结合机器视觉、模式化识别等技术，进 行在线检测监测，加强识别分析、远程诊断、智能预判，支持机器视 觉质检、设备预测维护、无人智能巡检等应用场景，在保证生产质量与安全的前提下，获取生产设备的多个工艺数据。将获取的工艺数据 与拟合曲线进行对比，判断正常工艺数据或异常工艺数据。通过监控 异常工艺数据，可提升异常工艺产品拦截效率。
（3）协议解析：面向 5G 工厂应用及其特征，针对各类终端进行 全流量协议解析。通过对 5G 核心网信令面和用户面的监测与解析， 对 COAP、MQTT、Modbus、OPC 等工控和物联网协议的深度解析，提升 5G 工厂终端应用的综合解析能力。
（4）安全阻断：主要是针对组态变更、操控指令变更、PLC 下装、 负载变更等关键工艺行为进行监控，对特定过程状态参数、控制信号 设定检测阈值，进行过程参数阈值监控。通过内置探针实时感知安全 风险，自定义业务策略配置，对违规访问行为进行精准控制和阻断， 实现精准安全防护。通过云网联动及时阻断终端非法接入、非法操作 指令执行和工艺变更等违规行为。
2.访问控制
在 5G 工厂中，以设备身份为中心进行细粒度的自适应访问控制， 并定义设备接入规则，通过认证和密钥双重机制完成设备的接入鉴权， 防止仿冒终端接入，提高终端接入过程的安全性。
（1）接入认证：工厂终端接入认证是工厂内部终端设备能够有 效、稳定地连接到工厂网络的安全保障，实现数据共享和信息传递的 重要安全措施之一。接入认证主要是对终端身份进行验证，如设备是 否合法、接入权限等。5G 工厂终端设备可采用使用用户名和密码、数字证书、生物识别等方式进行身份验证。身份验证的目的是为了确保 工厂网络的安全性，防止未经授权的设备和人员接入网络，避免数据 泄露和网络攻击等安全问题。
（2）零信任：对于 5G 工厂网络中所有的业务流量默认都是危险、 不可信任的，让其信任的方式是不断的认证。“零信任”就是不信任 任何人的策略，除非能明确知道接入者的身份。“零信任”可帮助 5G 工厂完成终端设备的多因素身份验证、持续监测、访问记录及跟踪， 对终端每个环节产生的日志进行汇总、分析，实现终端接入可视化管 理。
（3）权限管理：5G 工厂设备权限管理分访问控制和操作控制两 种。访问控制可以控制设备能够访问的资源和数据，确保只有授权的 设备才能够访问相关资源和数据；操作控制则可以控制设备能够进行 的操作，从而防止设备进行非法的操作或者误操作，从而导致工厂设 备的损坏或者安全漏洞。企业需要根据 5G 工厂实际需求制定权限管 理办法，通过设定最小权限原则、实施角色权限管理、实施角色权限 管理、强化审批机制、定期评估权限管理效果，实现 5G 工厂终端设 备权限闭环管理。
（4）主机安全：5G 工厂设备主机安全策略包括防火墙、权限管 理、数据备份、加密技术、漏洞扫描、安全日志、病毒防护等，企业 可根据工业应用场景择取一种或多种安全策略，提升 5G 工厂设备主 机的安全性。
3.终端安全防护
5G 工厂的终端安全防护需从终端管理、行为审计、业务流程管理 等角度开展安全防护。
（1）终端管理： 终端管理主要从恶意代码防护、桌面标准化、终端外联、介质使 用、系统加固等层面进行能力建设，确保终端安全合法合规。
（2）行为审计： 行为审计是对 5G 工厂终端系统、应用程序等进行监控和记录， 对用户操作和系统行为进行追踪和分析，提高信息系统的安全性和可 靠性。通过对终端操作时间点、操作频率、操作对象、操作合法性进 行统计分析，判断操作是否合规、是否存在风险。终端行为审计不仅 能够追踪用户行为、防止信息泄露和数据损坏，而且还能帮助企业和 机构合规化管理，保护企业和机构的商业机密和重要信息。
（3）业务流程管理：业务流程管理包括业务流程设计、终端执 行情况和工业生产业务流程管理。其中，业务流程设计管理需要充分 考虑业务的特点、业务流程的复杂度、业务规则等，确保业务流程的 合理性、有效性和可操作性；终端执行情况管理包括终端操作的正确 性、操作的时效性、操作的异常情况等，通过监控终端的执行情况， 可及时发现和处理业务流程中的问题和异常情况，提高业务流程的执 行效率和准确性；工业生产业务流程管理考虑流程设计的合理性、终 端执行情况以及终端在业务流程中操作数据的匹配，通过对业务流程设计的审查和优化，确保流程的高效性和可行性。
AI 终端及应用系统在业务场景中部署时，需要从架构安全、模型 安全和攻防安全三个层面来开展防御。其中，架构安全是在 AI 终端 及应用系统部署的业务中设计不同的安全机制，来保证架构安全；模 型安全是通过模型验证等手段提升模型健壮性；攻防安全是对已知AI 攻击设计有针对性的防御策略。
1.AI 安全架构
在工业领域中使用 AI 终端及应用，需要结合具体业务自身特点 和架构，分析判断 AI 模型使用风险，综合利用隔离、检测、熔断和 冗余等安全机制设计 AI 安全架构与部署方案，以增强工业 AI 应用场 景的健壮性。
（1）隔离：在满足工业应用场景的业务稳定运行的条件约束下， AI 终端及应用会分析识别最佳方案，然后发送至控制系统进行验证 并实施。通常根据工业应用场景对各个功能模块进行隔离，并对模块 之间设置访问控制机制。对 AI 终端及应用的隔离可以一定程度上减 少针对 AI 推理的攻击面，而对综合决策系统的隔离可以有效减少针 对决策系统的攻击。
（2）检测：在工业应用场景的主业务系统中部署持续监控和攻 击检测模型，综合分析工业网络系统安全状态，并给出 AI 终端及应 用威胁风险级别。当威胁风险较大时，综合决策可以不采纳智能系统 的建议，并将最终控制权交回人员控制，保证在遭受攻击情况下的安 全性。
（3）熔断：AI 终端及应用在进行关键操作时，如 AI 质检、智慧 分拣等，通常要设置多级安全架构确保整体系统安全性。需要对 AI 终端及应用给出的分析结果进行确定性分析，并在确定性低于阈值时， 将判断交回人工处理。 ‘’
（4）冗余：大多数 AI 终端及应用决策、数据之间具有关联性， 可以搭建业务“多模型架构”，通过对关键业务部署多个 AI 模型， 避免单个模型出现错误时影响到业务最终决策，提升整个系统的强壮 性。
2.AI 模型安全
针对未知攻击，需根据具体工业应用场景来增强 AI 模型本身的安全性，避免可能遭受的攻击危害。
（1）模型可检测性：AI 终端及应用部署运营前，需要对 DNN 模 型做大量的安全测试，如前馈检测、后馈检测等，才能提升 AI 终端 及应用的鲁棒性。其中，前馈检测是数据输入训练模型前所做的监测 模型过滤恶意样本，后馈检测是模型输出评测结果后通过监测模块减 少误判。
（2）模型可验证性：以 DNN 模型为例，DNN 模型具有高识别率、 更低误报率等特性，广泛用于工业领域各种图像识别场景，如 AI 眼 镜、AI 质检仪、智慧分拣等。通过 DNN 模型约束输入空间与输出空间 的对应关系，验证输出在一定的范围内，来说明 DNN 模型在一定程度 上具有安全性。
（3）模型可解释性：工业领域有些 AI 终端及应用是为了让操作 员与工程设备之间有更好的互动，AI 系统具有不可解释性，给出最佳 答案时，不会带来疑问，会给操作员带来困惑或操作风险。针对具体 工业应用场景，通常要求数据可解释、模型可解释，以增强 AI 终端及应用的可解释性，帮助我们分析 AI 终端及应用的逻辑漏洞或者数 据死角，从而提升 AI 终端及应用的安全性。
当 AI 模型实现可检测性、可验证性和可解释性后，AI 终端及应 用便具备了可解释性，输入/中间数据之间的逻辑关系会相对清晰。 通过判断数据之间的自洽性可识别非法/攻击数据，甚至能清除恶意 的攻击样本，提高 AI 终端及应用的健壮性。
3.AI 安全攻防
当前，很多 AI 应用已出现恶意机器学习、闪避攻击、药饵攻击 以及各种后门漏洞攻击。
（1）闪避攻击防御技术：
网络蒸馏：在多个 DNN 进行串联场景中，一种前一个 DNN 生成结 果被用于训练后一个 DNN 的模型训练技术。网络蒸馏是未来智能制造 生产线上常见的安全模型训练方法，该方法通过转移知识可以一定程 度上降低模型对微小扰动的敏感度，提高 AI 终端及应用的鲁棒性。
对抗训练：一种利用已知攻击方法生成抵抗攻击扰动的训练技术， 该训练技术能利用已知的各种攻击方法生成对抗样本，再将对抗样本 加入模型的训练集中，然后对模型进行单次或多次重训练，生成可以 抵抗攻击扰动的新模型。未来 5G 工厂，可综合全系统、全产业链的 多类对抗样本，训练集数据丰富，不但可以增强新生成 AI 终端及应 用模型的鲁棒性，还可以增强 AI 终端及应用模型的准确率和规范性。
对抗样本检测：对抗样本检测是模型使用阶段的一种监测技术， 通过增加外部检测模型或原模型的检测组件来判断监测对象是否为 对抗样本。不同的检测模型可能依据不同标准来判断输入是否为对抗 样本。AI 终端可通过 5G 协同边缘计算、云计算上的外部检测模型， 让输入样本和正常数据间确定性的差异、对抗样本的分布特征、输入 样本的历史数据等作为对抗样本的判别依据成为可能。
输入重构：模型使用阶段的一种防御技术，通过将输入样本进行 变形转化来对抗闪避攻击，变形转化后的输入不会影响模型的正常分 类功能。在 5G 工厂中，AI 终端可在边缘计算、云计算的协助下，通 过给输入样本加噪、去噪、自动编码器改变输入样本等方式，将输入 样本进行变形来对抗闪避攻击，变形后的输入样本的正常功能不会受 到影响。
以上防御技术都有适合的工业应用场景，并不能完全防御所有的 对抗样本。
（2）药饵攻击防御技术：
训练数据过滤：通过对训练数据集的控制，利用检测和净化的方 法防止药饵攻击影响模型。数据标签过滤和模型对比过滤常用的两种 训练数据过滤方法。其中，数据标签过滤是利用数据的标签特性查找 可能被药饵攻击的数据点，在重训练时过滤这些攻击点；模型对比过 滤是减少可能被药饵攻击的采样数据，并借助数据标签过滤来对抗药 饵攻击。在 5G 工厂中，可利用云计算的海量存储能力和超强计算能 力帮助 AI 终端完成数据标签过滤和模型对比过滤，提升药饵攻击防 御能力。
回归分析：一种基于统计学的检测数据集中的噪声和异常值的方 法。常见的方法有对不同的损失函数来检查异常值、使用数据的分布 特性来进行检测等。
集成分析：一种通过综合多个子模型的能力提升机器学习系统抗 药饵攻击能力的方法。利用多个独立的模型共同构成 AI 终端及应用， 通过 5G 网络将多个 AI 终端模型采用的不同训练数据集就行综合，实 现降低整个系统被药饵攻击的概率。
（3）后门攻击防御技术：
输入预处理：一种模型使用阶段的防御技术，通过过滤触发后门 的输入，降低输入触发后门的风险。
模型剪枝：一种模型训练阶段的防御技术，通过适当剪除原模型的神经元，在保证正常功能一致的情况下，减少后门神经元的影响力。
（4）模型/数据防窃取技术：
隐私聚合教师模型：一种模型训练阶段的防窃取技术，该技术将 训练数据分成多个集合用于训练一个个独立的 DNN 模型，然后基于这 些独立 DNN 模型训练出学生模型。这种技术适合数据分散的工业应用 场景，根据分散系统数据情况就地训练 DNN 模型，然后利用 5G 网络 汇聚后训练出学生模型，这种方式可确保训练数据不会泄露，提高训 练数据的隐私性。
差分隐私：一种数据收集阶段的防窃取技术，通过利用一些差分 隐私的方法对数据或模型训练进行加噪，提高模型或数据的保护能力。 在工厂 AI 质检、智慧分拣、智能环境监控仪等场景中，AI 终端可通 过差分隐私获取其他 AI 终端的数据或模型的能力，但不会导致数据 或模型被窃取。
5G 工厂会促进 IT 和 OT 融合，工厂网络结构也会出现不同程度 的变化，但是传统 OT 网络仍会是 5G 工厂的核心网络。5G 技术作为 打通 IT 和 OT 网络的重要工具，将普遍存在于工厂的各领域、各系统 中。此外，IPv6 带来的新技术将 5G 工厂得到大规模应用。
1.OT 网络防护
OT 网络防护技术可以相当程度上阻止 IT 侧网络对工控系统的威 胁，避免互联网攻击对工控系统造成破坏。其技术主要包括如下几项。
（1）网络安全检测
入侵检测：针对 OT 网络的入侵行为存在大量隐藏攻击，即攻击 命令虽然符合协议规范，但违背了系统的生产逻辑，使系统处于危险 状态，例如未授权的启动与停止指令、未授权的组态变更等。对于隐 藏攻击的检测可以通过收集 PLC、RTU 等内部寄存器值、数字量及模 拟量的输入和输出，为检测特征增加语义描述，最终通过关键状态发 现检测隐蔽攻击。
漏洞扫描：OT 网络漏洞扫描是针对工业控制系统网络环境中存 在的设备进行漏洞检测，进而对设备状态、漏洞信息进行分析，能够 让工业控制系统管理者全面掌握当前系统中的设备使用情况、漏洞分 布情况、漏洞风险趋势等内容，从而实现对系统内的核心组件进行有 针对性的重点整治。
蜜罐技术：“蜜罐”是一种网络诱导技术，通过故意暴露网络漏 洞诱骗网络攻击者发起攻击。在 OT 网络中，可以利用闲置的服务端 口来充当蜜罐，采用增加蜜罐数量，增加蜜罐暴露几率的策略，起到 “挡枪”的效果，达到保护目的。
（2）网络防护
网络隔离：作为工厂内部的传统网络安全手段，工控系统隔离技 术通过在工控网络和企业网络之间部署防火墙等网络隔离设备，或者 在工厂内网前方设置 DMZ 区域，控制外网与工控网络之间的数据交 换，可以在很大程度上屏蔽外网带来的病毒感染风险，以及工业内部 数据信息的泄露。
白名单技术：白名单技术有不同维度的分类。应用程序白名单， 是用来防止未认证应用程序运行的一种措施，即只有允许的应用程序 能被运行。资产白名单，是指对 OT 网络内的资产进行统计，区分权 限后放入不同的白名单之中，如果有恶意设备接入，则基于资产白名 单可以快速发现该威胁源。行为白名单，即将应用程序的合法行为进 行定义，从而将合法访问与非法访问进行区别。
（3）拟态技术
网络空间拟态防御将会成为 5G 工厂的一种新型防御技术，该技 术可以通过 5G 聚合 AI 终端、边缘技术、云计算等能力，提升工厂网 络设备安全保障。
拟态路由器：在网络架构中引入多个异构冗余的路由执行体，对 执行体维护的路由表进行共识裁决生成拟态路由器的路由表，行成拟 态裁决机制。可实现不同执行体的防护能力互补，有效阻断恶意攻击， 极大地提高路由器应对网络攻击的能力。
拟态 Web 虚拟机：利用云化部署优势，构建功能等价、多样化、 动态化的异构虚拟 Web 服务器池，采用动态执行体调度、数据库指令 异构化、多余度(共识)表决等技术，建立多维动态变换的运行空间， 阻断攻击链，大幅增加传统 Web 服务和虚拟环境中的漏洞及后门利用 难度，在不影响 Web 服务性能的前提下，保证服务的安全可信。
拟态算力服务：通过构建功能等价的云边拟态算力池的方法，采 用动态执行体调度、异常发现、线上线下清洗等技术，可及时阻断工 业软硬件漏洞后门攻击。
拟态防火墙：运用拟态防御技术，采用动态异构冗余架构设计， 对传统防火墙架构进行改造，提升防火墙 Web 管理层面、数据流处理 层面的防护能力，切实可信的准入控制保障。
2.5G LAN 安全
（1）5G 多层次隔离
5G 网络可以基于无线接入网、传输网与核心网等基础设施以及 网络虚拟化技术构建面向不同业务特征的逻辑网络，能够根据 5G 工 厂的安全需求支持各种差异化的业务场景，在不同安全分区或同一安 全分区不同业务之间实现不同强度的隔离手段。
无线接入网隔离：面向无线频谱资源和基站处理资源的隔离方式。 最高安全等级的工业控制类场景，通过独立基站或频谱实现安全隔离； 安全等级低一些的应用场景，可通过物理资源块分配、数据资源承载 参数配置、5G 服务质量特性优先级调度等多种方式实现。
传输网隔离：传输网隔离技术有硬隔离和软隔离两种方案。硬隔 离通常采用 FlexE 技术，安全性能高，可更好的适应 5G 工厂网络中 海量数据的安全区隔传输要求；软隔离最常见的策略是 VLAN 隔离， 该方式是将切片标识作为 VLAN 标签，完成切片数据映射封装，实现 切片的承载隔离。
核心网隔离：在核心网层面，可通过对 CPF 共享方式就行设计， 实现安全隔离策略。目前有独享、部分共享、完全共享三种 CPF 共享 方式，满足不同级别的安全隔离策略需求。
（2）5G 接入认证
当多种、海量终端接入 5G 工厂网络时，需要灵活的认证方式， 在满足网络服务质量的同时，识别可信任终端，保证网络安全。常见 的 5G 认证方式有切片认证和二次认证两种。
切片认证：5G 网络的切片技术，能考虑工厂的个性化需求，可以 为 5G 工厂提供灵活的接入身份认证方法。例如加入限制，仅允许工 厂认可的 IMSI 清单内的设备终端才能够接入到该业务的专属切片， 保证网络切片分配给正确的用户，实现身份接入安全可靠。
二次认证：实现 5G 工厂对设备多重接入控制的需求，通过 5G 网 络提供底层认证通道，由工厂自主制定认证算法和认证协议，实现灵 活自主的二次认证。当 5G 主认证完成之后，在用户建立 PDU 会话时， 由 SMF 发起二次认证，并由 DN-AAA 服务器对用户进行认证授权。在 验证过程中，DN-AAA 服务器的部署有两种方案，一种是由工厂自主部 署，通过 UPF 网元和 SMF 网元连接；另一种工厂以租户形式实现对入 网终端的二次身份认证，由运营商直接部署在通信机房，与 SMF 网元 连接，这时由运营商提供云上 AAA 服务。
（3）加密技术
在 5G 工厂中，对网络延时要求很高，PKI 等常规加密算法需要 复杂计算，不适合工业应用场景。这种场景需要采用高速、低耗的加 密技术。
轻量级加密技术：对称密码是一种运算速度较快的加密技术，可 兼顾安全性和性能，能满足 5G 工厂超低时延和海量终端的加密需求。能够更好地适用工业应用环境，尤其在芯片性能、能耗、存储空间、 通信带宽、运行时间等软硬件条件受限情况下。
量子加密：量子加密通信是指利用量子密钥分发进行安全通信的 网络，它主要利用量子密钥的不可抵抗、均匀、无界、零时延等特性， 通过量子密钥进行加密传输，不但能够保证通信的安全性，而且还可 以提高速率。随着量子相关技术的快速发展，目前量子加密已有零星 应用。量子加密作为一种先进的加密技术，传输速度快、安全可靠性 高的特点，在未来 5G 工厂中将得到广泛应用。
