绿盟科技与西安交通大学经过数年的学术研究合作，在网络空间测绘与加密流量分析领域产出诸多成果。近日，针对网络空间测绘扫描策略优化的学术论文《Landing Reinforcement Learning onto Smart Scanning of The Internet of Things》被IEEE计算机网络通信领域旗舰性国际会议INFOCOM 2022录用。
绿盟科技创新中心研究员桑鸿庆在 2019年KCON《互联网上暴露的物联网资产变化研究》议题中提到国内至少有40%暴露的物联网资产的网络地址处于频繁变化的状态，无论是描绘暴露物联网资产，还是对威胁的跟踪，考虑资产地址变化情况都有着重要的意义。在绿盟科技“鲲鹏论坛”与绿盟科技创新中心总监刘文懋博士交流中，西安交通大学马小博教授（现为绿盟科技鲲鹏学者）提出通过若干创新思路，双方基于绿盟科技物联网资产测绘数据优化扫描策略，从而达到降低扫描资源投入、提高扫描存活命中率的效果。本工作由CCF-绿盟科技“鲲鹏”科研基金项目支持，目前处于成果转化阶段。这是继双方在IEEE/ACM Transactions on Networking（TON）、IEEE Communications Magazine（发表时影响因子11.052）等顶级期刊合作发表网络空间测绘与加密流量分析相关科研成果的又一重要进展。
- 会议简介
IEEE国际计算机通信会议（IEEE International Conference onComputer Communications ，IEEE INFOCOM）在计算机网络科研领域与MOBICOM和SIGCOMM并称三大顶级学术会议，同时也是中国计算机学会（CCF）推荐的A类国际学术会议，在国际上享有盛誉并具有广泛的学术影响力。IEEE INFOCOM对论文质量要求较高，INFOCOM 2022主会共收到论文投稿1129篇，最终只接收225篇，录用率19.9%。
- 论文摘要
近年来，网络空间搜索引擎因其强大的物联网搜索能力而受到关注。这些搜索引擎主动扫描、识别 IoT 设备，并建立地址到设备的映射。考虑到IPv4网络地址空间巨大、设备地址映射变化频繁，以有限的扫描预算有效跟踪 IP 设备映射的演变对于网络搜索引擎的数据鲜度至关重要。一个直观的解决方案是使用强化学习将更多扫描调度到具有高 IP -设备映射切换率的网络。然而，现有研究未系统性研究该方案的可实现性。论文在一个全球化物联网扫描平台的基础上，迈出了揭开这个问题答案的第一步。受大规模现实世界物联网扫描记录测量研究的启发，论文将强化学习应用到一个能够以智能方式扫描物联网设备的系统上。通过大规模实验，论文揭示了影响不同扫描策略有效性的关键参数，并发现所设计系统将随着物联网设备数量的激增而获得越来越大的性能优势。
