Loading [MathJax]/jax/input/TeX/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >IPv6部署如何影响物联网设备的安全性

IPv6部署如何影响物联网设备的安全性

作者头像
双愚
发布于 2018-05-07 09:24:45
发布于 2018-05-07 09:24:45
1.7K0
举报

原文作者:Fernando Gont

原文地址:https://internetofthingsagenda.techtarget.com/feature/How-IPv6-deployment-affects-the-security-of-IoT-devices


作为IPv4协议的继承者,IPv6将提供巨大的地址空间,以支持互联网当前和未来的发展。

IPv6通常被视为物联网的关键促成技术,因为它可以轻松适应越来越多连接到互联网的智能传感器。但是,IPv6和物联网设备之间可能存在的安全交互通常被忽略,以及与物联网设备安全性相关的范例可能无意中发生变化。

在物联网(IoT)的网络(Internet)里面

大多数网络的事实上的基本安全架构包括通过网络地址转换(NAT)设备连接到公共因特网的内部网络。NAT设备不仅允许单个地址或一组地址在内部网络上的多个系统之间共享,但是,有个副作用,它强制执行一个只允许传出通信的安全策略。也就是说,允许从内部网络发起到公共互联网的传出通信,例如TCP连接,而从公共互联网发起到内部节点的通信被阻止。

许多协议和应用程序假定内部网络上的节点和内部网络本身都可以信任,而内部网络外部的任何网络和节点都不被信任。因此,大多数智能设备都采用两套不同的协议:组不安全的协议在本地网络上运行,另一组则是在互联网上运行的典型安全协议。

在本地网络上,智能设备通常采用简单的专有协议,缺乏认证,授权和保密性。在某些情况下,某些不需要验证的操作和管理功能,或者采用用户很少更改或更新的默认凭证的功能也可以通过Web界面访问。这对物联网设备的安全性不利,正如2016年10月IoT分布式拒绝服务攻击中所见。另一方面,通过互联网的操作经常使用由设备供应商提供的某种形式的云服务,通过HTTPS进行通信。

因此,这些智能设备一直认为本地网络是可信的,而外部网络 - 互联网 - 则不是。这种模式当然是有问题的,因为访问本地网络并不意味着允许操作本地智能设备。但是,至少应该强制执行界定信任和不信任网络之间的边界。对于一些简单的网络设置和场景,人们可能会摆脱这种模式。

IPv6部署对物联网设备安全的影响

如前所述,IPv6部署的主要驱动因素是其庞大的地址空间,它可以适应互联网和互联网连接设备目前和可预见的未来增长。

由于其广阔的地址空间,IPv6设备至少配备了一个唯一的全球地址,因此,NAT注定会消失。因此,NAT的过滤策略强制只允许传出通信也可能消失,这意味着内部和外部系统之间的通信可能不再受网络监管。

实际上,如果在网络边界不执行过滤策略,内部和外部网络之间的区别可能会完全消失。虽然这可能带来潜在的好处 - 例如,对于未经请求的入站通信常见的点对点应用程序,但这显然会增加攻击风险。

除非采取明确的措施,否则IPv6部署可能导致网络的所有内部节点都可以从公共互联网直接访问。例如,这意味着诸如基于IPv6的死亡ping之类的封包攻击可以很容易地用于物联网设备。另外,被设计为在本地可信网络上运行的协议可能不经意地最终在不可信的公共互联网上运行。

物联网是否真的需要IPv6?

当涉及到IPv6的物联网和,许多人认为,IPv6的需要物联网,以发挥其全部潜力。然而,分析IoT可能需要 IPv6(特别是全球寻址和任意连接)的程度是很有趣的。

在IPv4世界中,由于多种原因,使用私有地址空间可能会产生问题,例如,何时需要合并或互连使用重叠私有地址空间的网络。提供具有全局地址的所有设备可以帮助避免此类问题和其他相关问题 - 尽管唯一的本地地址空间fc00 :: / 7(提供统计唯一的本地范围地址)也可以用于类似的结果。

无论是否采用全局地址空间,问题出现在任何连接(包括未经请求的入站通信)是否可取,以及它对物联网设备安全性的影响。在IPv4世界中,由于使用NAT,未经请求的入站通信被阻塞。随着IPv6在IPv6世界中可能消失的NAT及其网络过滤策略,全球任何对任何通信都可以提高灵活性 - 尽管以增加攻击风险为代价。

是否对IPv6和物联网设备实施相同的过滤策略将取决于相关设备通信模型 ; 是否需要外部实体轮询物联网设备,或预计物联网设备是否会通知外部实体。如果是前者,则物联网网络需要接受入站的,未经请求的通信。如果是后者,传入的通信可能会被网络阻塞,而IoT设备将能够根据需要与外部系统联系。

由于物联网仍然是当前发展的一个领域,因此很难对哪种通信模式更受欢迎做出任何有教育的预测。但是,请注意,由于物联网设备目前在IPv4上运行,并且只允许出站通信,因此很有可能IPv6采用相同的范例。因此,对于基于IPv6的IoT网络,将实施与IPv4世界相同的过滤策略。

一个可能的前进方向

除了为的IoT装置的可能通信模式中,一个可能想知道如果,当从外部网络到的IoT网络通信是期望的,这样的通信应直接涉及的IoT设备,或者它是否应该经由一个中介的IoT代理来执行作为外部网络与物联网网络和设备之间的网关。很显然,这样一个网关很可能在安全方面更好,并且可能处于监视典型脆弱的物联网设备流量的良好位置。

庞大的IPv6地址空间代表了互联网目前和可预见的未来增长。除非采取具体行动,否则IPv6部署可能会通过增加攻击面而无意中阻碍物联网设备的安全。

相关的增加曝光是否合理取决于物联网设备采用的通信范例。作为一个经验法则,除非实际需要阻塞通信的原则应该被应用。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
喂饭教程!全网首发Neo4J可视化GraphRAG索引
GraphRAG通过结合知识图谱,增加RAG的全局检索能力。今天我将讲解如何使用Neo4J可视化GraphRAG索引的结果,以便进一步的处理、分析。本篇仍然以小说《仙逆》提取的实体为例,一图胜千言。本文分为4小节,安装neo4j、导入GraphRAG索引文件、Neo4J可视化分析和总结,所有坑都已经帮你趟过啦,放心食用。
AgenticAI
2025/03/18
3492
喂饭教程!全网首发Neo4J可视化GraphRAG索引
使用Neo4j和LangChain实现“Local to Global”的GraphRAG
GraphRAG是一种基于知识图谱的检索增强技术。它使用多来源数据构建图模型的知识表达,将实体和关系之间的联系以图的形式展示,然后利用大语言模型进行检索增强。这种方法能更高效准确地检索相关信息,并为LLM生成响应提供更好的上下文。微软和领英的技术人员已经科学的验证了这种技术相较于基线 RAG 的优势,并发表了相关论文。
马超的博客
2024/07/15
3.3K0
使用Neo4j和LangChain实现“Local to Global”的GraphRAG
知识图谱嵌入在问答系统中的应用
知识图谱通过将实体和关系以图的形式表示,能够捕捉到丰富的语义信息。知识图谱嵌入(Knowledge Graph Embedding, KGE)则是将图中的实体和关系映射到低维向量空间,使得相似的实体在嵌入空间中更接近。利用知识图谱嵌入技术,问答系统能够更有效地理解用户的问题,从而提供更准确的答案。
数字扫地僧
2024/09/18
2270
【知识图谱】知识图谱的构建-python-neo4j
jdk、neo4j图数据库 neo4j具体的安装过程可以参考这里:https://cloud.tencent.com/developer/article/1387732
西西嘛呦
2021/04/09
2.1K0
【知识图谱】知识图谱的构建-python-neo4j
利用BERT和spacy3联合训练实体提取器和关系抽取器
NLP技术最有用的应用之一是从非结构化文本(合同、财务文档、医疗记录等)中提取信息,这使得自动数据查询能够有用武之地。
磐创AI
2021/08/05
3K0
利用BERT和spacy3联合训练实体提取器和关系抽取器
知识图谱的基础构建指南
知识图谱(Knowledge Graph, KG)是用于表示实体及其之间关系的结构化语义网络,近年来广泛应用于搜索引擎、推荐系统、对话系统等领域。通过将数据以三元组的形式存储(实体1-关系-实体2),知识图谱能够提供更加丰富的语义信息和背景,帮助系统更好地理解和处理复杂的任务。
数字扫地僧
2024/09/13
6650
知识图谱的基础构建指南
知识图谱
一般我们选用的是neo4j。下载地址:https://we-yun.com/doc/neo4j-chs/
算法之名
2025/02/06
1260
知识图谱
将微软GraphRAG输出到Neo4J并使用Langchain或LlamaIndex实现本地和全局检索
微软的 GraphRAG 实现最近获得了极大的关注。在上一篇博文中,我讨论了如何构建图形,并探讨了研究论文中强调的一些创新方面。从高层次来看,GraphRAG 库的输入是包含各种信息的源文件。这些文档使用大语言模型(LLM)进行处理,以提取文档中出现的实体及其关系的结构化信息。提取的结构化信息随后被用于构建知识图谱。
AgenticAI
2025/03/18
2500
将微软GraphRAG输出到Neo4J并使用Langchain或LlamaIndex实现本地和全局检索
知识图谱之《海贼王-ONEPICE》领域图谱项目实战(含码源):数据采集、知识存储、知识抽取、知识计算、知识应用、图谱可视化、问答系统(KBQA)等
《海贼王》(英文名ONE PIECE) 是由日本漫画家尾田荣一郎创作的热血少年漫画,因为其宏大的世界观、丰富的人物设定、精彩的故事情节、草蛇灰线的伏笔,受到世界各地的读者欢迎,截止2019年11月7日,全球销量突破4亿6000万本^1,并被吉尼斯世界纪录官方认证为“世界上发行量最高的单一作者创作的系列漫画”^2。
汀丶人工智能
2023/07/07
9240
知识图谱之《海贼王-ONEPICE》领域图谱项目实战(含码源):数据采集、知识存储、知识抽取、知识计算、知识应用、图谱可视化、问答系统(KBQA)等
一文教你用 Neo4j 快速构建明星关系图谱
本文将带你用 neo4j 快速实现一个明星关系图谱,因为拖延的缘故,正好赶上又一年的4月1日,于是将文中的几个例子顺势改成了“哥哥”张国荣。正所谓“巧妇难为无米之炊”,本次爬取娱乐圈_专业的娱乐综合门户网站下属“明星”页的“更多明星”里所有9141条数据。
古柳_DesertsX
2019/04/09
1.1K0
一文教你用 Neo4j 快速构建明星关系图谱
​知识图谱里的知识存储:neo4j的介绍和使用
一般情况下,我们使用数据库查找事物间的联系的时候,只需要短程关系的查询(两层以内的关联)。当需要进行更长程的,更广范围的关系查询时,就需要图数据库的功能。
磐创AI
2019/08/06
8.9K1
​知识图谱里的知识存储:neo4j的介绍和使用
使用GraphRAG+LangChain+Ollama:LLaMa 3.1跑通知识图谱与向量数据库集成(Neo4j)
我将向你展示如何使用 LLama 3.1(一个本地运行的模型)来执行GraphRAG操作,总共就50号代码。。。
AI进修生
2024/12/02
9830
使用GraphRAG+LangChain+Ollama:LLaMa 3.1跑通知识图谱与向量数据库集成(Neo4j)
Aminer学术社交网络数据知识图谱构建(三元组与嵌入)
科技情报大数据挖掘与服务系统平台AMiner是由清华大学计算机科学与技术系教授唐杰率领团队建立的,具有完全自主知识产权的新一代科技情报分析与挖掘平台 。
里克贝斯
2021/05/21
1.1K0
Aminer学术社交网络数据知识图谱构建(三元组与嵌入)
利用知识图谱提高 RAG 应用的准确性
在 RAG 应用中使用 Neo4j 和 LangChain 构建和检索知识图谱信息的实用指南
大数据杂货铺
2024/04/02
7960
利用知识图谱提高 RAG 应用的准确性
练习题︱豆瓣图书的推荐与搜索、简易版知识引擎构建(neo4j)
本项目主要贡献源来自豆瓣爬虫(数据源)lanbing510/DouBanSpider、知识图谱引擎Agriculture_KnowledgeGraph、apple.turicreate中内嵌的推荐算法。 主要拿来做练习,数据来源可见lanbing510/DouBanSpider。
悟乙己
2019/05/26
1.5K0
一文教会你使用 Neo4j 快速构建明星关系图谱
本文将带你用 neo4j 快速实现一个明星关系图谱,因为拖延的缘故,正好赶上又一年的4月1日,于是将文中的几个例子顺势改成了“哥哥”张国荣。正所谓“巧妇难为无米之炊”,本次爬取娱乐圈_专业的娱乐综合门户网站下属“明星”页的“更多明星”里所有9141条数据。
Python进阶者
2019/06/20
1.4K0
通用知识图谱导入Neo4j——以ownthink为例
这个网站里有很多通用知识图谱。尤其是网站整合的ownthikhttps://kg.ownthink.com/还可以进行可视化检索。
轻吻晴雯
2019/06/27
5.7K0
解码知识图谱:从核心概念到技术实战
知识图谱作为一种特殊的信息表示技术,其在近年来在各种应用领域中都有所体现,尤其在自然语言处理(NLP)中,它的重要性更是日益凸显。知识图谱能够高效、有组织地存储和管理大量的信息,而且能够用图的形式表示出这些信息之间的关系,使得信息更具有语境,更易于理解和应用。
TechLead
2023/10/21
5830
解码知识图谱:从核心概念到技术实战
neo4j︱Cypher完整案例csv导入、关系联通、高级查询(三)
图数据库常规的有:neo4j(支持超多语言)、JanusGraph/Titan(分布式)、Orientdb,google也开源了图数据库Cayley(Go语言构成)、PostgreSQL存储RDF格式数据。
悟乙己
2019/05/26
3.2K0
一文教你用 Neo4j 快速构建明星关系图谱
本文将带你用 neo4j 快速实现一个明星关系图谱,因为拖延的缘故,正好赶上又一年的4月1日,于是将文中的几个例子顺势改成了“哥哥”张国荣。正所谓“巧妇难为无米之炊”,本次爬取娱乐圈_专业的娱乐综合门户网站下属“明星”页的“更多明星”里所有9141条数据。
挖数
2019/05/12
1K0
推荐阅读
相关推荐
喂饭教程!全网首发Neo4J可视化GraphRAG索引
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档