來源：CSDN

作者 | DARTMOUTHCOLLEGE 責(zé)編 | 歐陽姝黎

第二次世界大戰(zhàn)期間，英國情報人員在一具尸體上放置了虛假文件，以愚弄納粹德國，誘使其對希臘發(fā)動襲擊。這種代號 " 碎肉行動 "（Operation Mincemeat）的措施取得了成功，并掩蓋了盟軍入侵西西里島的意圖。

間諜活動中的 " 金絲雀陷阱 " 技術(shù)通過傳播多種版本的假文件來隱藏秘密。金絲雀陷阱可以用來發(fā)掘泄露的信息，或者像第二次世界大戰(zhàn)期間發(fā)生的那樣，用制造分散注意力的消息來隱藏真正有價值的信息。

最近，達特茅斯學(xué)院計算機系設(shè)計了一個新型數(shù)據(jù)保護系統(tǒng) --WE-FORGE，便可以使用人工智能技術(shù)構(gòu)建金絲雀陷阱。

在知識產(chǎn)權(quán)犯罪活動日益猖獗的今天，這一研究具有十足的現(xiàn)實意義：創(chuàng)新型公司對技術(shù)進行了大量的投資，然而，往往一個小成本的網(wǎng)絡(luò)攻擊就可以使攻擊者竊取價值數(shù)以億計的新技術(shù)。

此前，F(xiàn)ORGE（Fake Online Repository Generation Engine）系統(tǒng)已經(jīng)被用于幫助解決這個問題，它可以自動生成任何真實文件的 N 個 " 假 " 版本，從而使攻擊者必須確定他們從被攻擊網(wǎng)絡(luò)中泄露的 N+1 個文件中哪一個是真實文件。但 FORGE 這個解決方案仍有兩個主要缺點：

（1）FORGE 首先需要本體（ontologies）生成假文件；

（2）FORGE 需要通過以下方式生成假文件：識別原始文件中的 " 目標 " 概念，然后用 " 替代 " 概念來替代它們。

而本文提出的 WE-FORGE 系統(tǒng)，基于 Word-Embedding 技術(shù)，完全消除了對本體的需求，可以自動制造虛假文件，來保護藥物設(shè)計和軍事技術(shù)等方面的知識產(chǎn)權(quán)。

論文題為 Using Word Embeddings to Deter Intellectual Property Theft through Automated Generation of Fake Documents，發(fā)表在 ACM Transactions on Management Information Systems 上。

根據(jù)論文，WE-FORGE 的主要幾大貢獻如下：

1、開發(fā)了一個融合詞嵌入和聚類的架構(gòu)，以識別概念的潛在替代。

2、將選擇最佳概念替換和最佳替換的問題定為兩個 Joint Concept Replacement 問題（JCR）。

3、為了確保生成的假文件集的多樣性，在 JCR 問題的目標函數(shù)中加入了一個正則化項以確保這一點。

此外，WE-FORGE 算法確保隨機地選擇替代品，從而減少了攻擊者可以輕易地反向工程的機會。

達特茅斯學(xué)院網(wǎng)絡(luò)安全、技術(shù)和社會學(xué)領(lǐng)域杰出教授，安全、技術(shù)和社會學(xué)研究所主任 V.S.Subrahmanian 說：" 該系統(tǒng)生成的文件與原始文件非常相似，是具有可信度的，但又與原始文件有很大差異，實際上它們是錯誤的。"

事實上，網(wǎng)絡(luò)安全專家已經(jīng)在使用 " 金絲雀陷阱 " 或 " 蜂蜜文件 " 以及外語翻譯技術(shù)來制造誘餌，以欺騙潛在的攻擊者。

但 WE-FORGE 進一步改進了這些技術(shù)，使用自然語言處理自動生成多個可信和不正確的假文件。該系統(tǒng)還添加了隨機性元素，以防攻擊者輕易識別出真正的文檔。

WE-FORGE 可以用來生成許多技術(shù)設(shè)計文件的偽造版本。當(dāng)攻擊者入侵一個系統(tǒng)時，他們面臨的艱巨任務(wù)是找出眾多類似文檔中真實的那一個。

Subrahmanian 表示：" 我們使用這種技術(shù)迫使攻擊者浪費時間和精力來識別正確的文檔。此外，他們對自己找到的結(jié)果也是存疑的。"

該系統(tǒng)創(chuàng)建虛假技術(shù)文檔的前景可期。

根據(jù)該團隊的研究，一項專利可以包含超過 1000 個概念和多達 20 個可能的替代部分。WE-FORGE 最終可能會用來計算在單個技術(shù)文檔中可替換節(jié)點的數(shù)百萬種可能性。

Subrahmanian 表示：" 不法分子現(xiàn)在正在竊取知識產(chǎn)權(quán)并免受懲罰。這一系統(tǒng)增加了竊賊在竊取政府或行業(yè)機密時所需的成本。"

WE-FORGE 算法的工作原理是計算文檔中概念之間的相似性，并分析每個單詞與文檔的相關(guān)性。然后，系統(tǒng)將概念分類到堆棧中并為每個組計算可能的候選對象。

Guarini ’ 21 的 Dongkai Chen 表示："WE-FORGE 也可以從原始文件的作者那里獲得輸入。人類和機器的聰明才智結(jié)合在一起，會讓知識產(chǎn)權(quán)竊取者付出更多代價。"

作為研究的一部分，該團隊偽造了一系列計算機科學(xué)和化學(xué)專利，并邀請專家來判斷哪些文件是真實的。結(jié)果表明，WE-FORGE 系統(tǒng)能夠 " 為每個任務(wù)持續(xù)生成高度可信的虛假文件。"

與其他工具不同，WE-FORGE 不是簡單地隱藏信息而是專門偽造技術(shù)信息，比如密碼。WE-FORGE 改進了系統(tǒng)的早期版本 FORGE，刪除了創(chuàng)建面向特定技術(shù)操作的耗時需求，還不確保了假消息之間有更豐富的多樣性，并遵循一種改進的方法來選擇要替換的部分。

當(dāng)然，未來還有許多重要的研究方向。比如說，F(xiàn)ORGE 和 WE-FORGE 只修改文件的文本部分。但是一個文件可以包含不同類型的相互聯(lián)系的實體，如數(shù)字、流程圖和表格，仍需要確保文本的變化在這些類型的實體中得到一致的反映。

這將是該研究邁向更廣闊的應(yīng)用空間的下一步。