新兴安全技术与趋势
本域考查云计算、移动与物联网、工控、大数据、人工智能、区块链与隐私计算的安全要点，强调“责任边界”与“新技术带来的新攻击面”，以概念辨析与选型题为主。
云计算
- 责任共担：IaaS 用户负责操作系统及以上，PaaS 负责应用与数据，SaaS 主要对数据与配置负责；任何模式下账号与数据分类都不由服务商代管。
- 等保 2.0 云计算扩展要求：关注虚拟化隔离、镜像与快照安全、多租户数据残留、云管理平台审计。
- 典型风险：配置错误导致存储桶公开、元数据服务被 SSRF 利用、租户间横向移动。
零信任与微隔离
- 核心是“永不信任、始终验证”，以身份为中心，持续评估设备与行为，动态授权与最小权限。
- 零信任不等于“取消边界”，也不是买一台设备即可完成，需身份治理、微隔离与持续监测配套。
物联网与工控
- 感知层终端算力弱、默认口令普遍，易被僵尸网络控制。
- 工控重可用性与实时性，Modbus、DNP3 等协议多无认证；IEC 62443 提出分区与管道（zones & conduits）及 SL1-SL4 安全等级。
- 防护优先单向隔离与白名单，补丁需停机验证，不能照搬 IT 打法。
大数据、AI 与隐私计算
- 大数据：分类分级、脱敏、水印溯源、流转监测。
- AI 安全：对抗样本、数据投毒、模型窃取、成员推断、深度伪造；生成式 AI 还需内容合规与训练数据来源合法。
- 隐私计算：联邦学习（数据不动模型动）、安全多方计算、可信执行环境、差分隐私；联邦学习的梯度仍可能被反演出原始数据，需安全聚合或加噪。
区块链与后量子
- 区块链不可篡改利于审计溯源，但链上数据公开、智能合约重入漏洞与 51% 算力攻击须防范。
- 后量子密码（PQC）应对量子计算对 RSA/ECC 的威胁，NIST 已发布 ML-KEM、ML-DSA 等标准；迁移要考虑“先存后解”风险。
工作示例
两家医院要联合训练诊断模型但不能交换病历。选型：联邦学习使原始数据不出院，配合安全聚合防止服务器窥探单方梯度，上传参数加差分隐私噪声；若合规要求可审计，再叠加可信执行环境。仅“打码后集中”仍属个人信息共享甚至出境，需单独同意与安全评估。
高频陷阱
- 认为上云后安全由云服务商全权负责。
- 把零信任等同于 VPN 或某款产品。
- 认为区块链上的数据天然保密，实际是公开可读的。