0
今天，AIoT 應用在生活的各個方面持續和顯著增加。AIoT 通過智能傳感器采集各類信息存儲在云端、邊緣端，再經由大數據分析、人工智能技術對海量信息進行處理，建筑起一個萬物智聯的數字世界。
據 Gartner 預測，到 2022 年結束，將有超過 80% 企業級 IoT 設備與 AI 聯動。其中，無線傳感器（WSN）的部署總量也呈迅猛增長態勢，貝哲斯咨詢預計到 2028 年，全球無線傳感器市場規模預計將達 7841.98 億元。
然而，隨著連接性和自動化水平的提高，惡意用戶能夠對傳感器輕松實施不同類型的攻擊，每個漏洞都可能成為安全隱患，威脅到網絡系統中每個節點，進而威脅到整個 AIoT 生態的安全性。
作為深耕 AIoT 領域的華人學者之一，宋厚冰在物聯網領域的研究始于 2012 年，博士畢業后，宋厚冰就一直從事 CPS（網絡物理系統）、物聯網方面的研究，當前谷歌學術引用量已超過2萬次。今年，他憑借在大數據分析和人工智能與物聯網集成的貢獻當選 IEEE Fellow，其近年來的研究主要聚焦在網絡物理系統、網絡安全和隱私等問題上。
宋厚冰
宋厚冰指出，物聯網是 CPS 的網絡基礎設施，系統從計算和物理組件的無縫集成構建并依賴于它們的工程系統，其中，物聯網中的安全性問題，特別是 WSN 在被委托執行關鍵任務時、其安全性問題至關重要，而此前大多數使用的系統并未能嵌入可以保護患者隱私的強大安全服務。
基于 AIoT 存在的漏洞和安全問題，宋厚冰帶領團隊探索并提出了反無人機 CPS 和“旋轉記憶”。近日，AI 科技評論沿該方向與宋厚冰教授進行了一次深入對話。
應對攻擊的三個組件：預防、檢測、緩解
由于容易部署且成本低廉的特點，WSN 在 AIoT 中具有廣泛的應用：采集人類相關活動和行為觀察的信息，例如智慧醫療、居家養老，工業環境現場檢測，例如智能制造、工業自動化，環境事件檢測，例如地震、水污染、光污染等......但無線傳感網絡也是一個非常復雜的系統，容易遭受的攻擊點更是不計其數。
針對無線傳感器的相關安全攻擊類型，可分為主動攻擊和被動攻擊兩大類。
被動攻擊可分為竊聽、節點故障、節點篡改/破壞、節點中斷和流量分析等多個類型。在被動攻擊中，攻擊者通常以隱藏或偽裝的方式，對網絡功能組件進行破壞。以竊聽為例，竊聽可以很容易地偵聽 WSN 中傳感器節點之間的無線通信，并且不需要對任何傳感器節點進行捕捉。
而在主動攻擊類別中，攻擊者會影響目標網絡的功能和操作；主動攻擊者發出可以被 WSN 元素感知的無線電發射或動作，例如在物理層或網絡層中的 DoS （拒絕服務）攻擊，就會導致網絡元素丟棄數據包。宋厚冰教授認為，這種不良影響的結果可能才是攻擊者的真正目標。主動攻擊可進一步劃分為干擾、泛洪、DoS、黑洞、蟲洞等類型，可以通過安全機制的入侵檢測來發現。
基于所面臨的網絡安全攻擊問題，宋厚冰教授指出，可預防、檢測、緩解三個基本組成部分，來提出對應的解決方案：
預防，旨在防患于未然。通過設計路由協議，使對方無法破壞節點/消息、或是使路由方案功能失調，就安全方案的成本和無線傳感器在抵御威脅的有效性上來說，這是最有效的方法。
保護 WSN 免受 DoS 攻擊的解決方案
但要注意的是，入侵防御機制雖然可以抵御外部攻擊者對無線傳感器網絡和物聯網的攻擊，但機制不是專門為抵御內部攻擊者而設計的，可能無法有效應對新威脅。
因此，檢測就是應對內部攻擊提出的解決方案。
在攻擊事件中，當對方開始設法為推進預防組件采取措施，這意味著針對攻擊的防御已經失敗。目前，為相關攻擊的檢測組件設計的安全解決方案將負責和工作，尤其是對識別被攻擊的節點。應對持續攻擊，內部攻擊的唯一方法是使用入侵檢測系統（IDS）。經檢測系統搜索發現入侵后，可發布緩解機制，以最大程度地減少正在進行的攻擊的不利影響。
緩解是發生在最后一部分的機制，旨在緩解攻擊發生后，為保護網絡所采取安全措施，例如在襲擊中使用了“關閉網絡中受影響的節點”或“禁用計算機的端口”等。
通過預防、檢測、緩解這三個組件，構成一個完整的安全結構，以防御 WSN 以及物聯網可以應對各種攻擊時多方面入侵。
對話宋厚冰：CPS 研究之路
AI 科技評論：能否請您分享一下您從求學、工作到成為資深教授的歷程？
宋厚冰：從 2012 年 8 月博士畢業到 2022 年 11 月入選 IEEE Fellow，一路走來我花了 10 年多一點（時間）。這一路算是比較順利，但是此前我的求學過程有點曲折。
我有 1 個學士學位，2 個碩士學位和 1 個博士學位，拿到 2 個碩士學位后都短期工作過，不像其他很多人本碩博一口氣讀完。我本科學自動化，第一個碩士學控制，第二個碩士學交通，讀博士期間先在土木工程系讀了 2 年交通，然后又轉換專業到電子工程主攻光通信，3 年后畢業。
可能很多人好奇，為什么我會在專業上繞了一個大圈、浪費時間。
我本科學的是自動化，第一個碩士學控制，在西安交通大學跟隨蔡遠利教授學習，將控制科學與技術用于交通系統以保障交通安全、提高交通效率和改善環境。2004 年，我在西安交大獲得碩士學位后，回到了山東老家，在山東省科學院短暫工作過一段時間。
之后我開始考慮出國留學的事情，并在 2005 年 8 月毅然辭掉了工作赴美留學。我先是在德克薩斯大學埃爾帕索分校土木工程系，用了 16 個月拿到我的第二個碩士學位。2007 年 1 月，我進入德克薩斯 A&M 交通研究院擔任工程研究員。
2007 年 8 月，我選擇進入弗吉尼亞大學土木與環境工程系攻讀博士。起初，我希望能夠將計算機的知識應用到交通研究上，但這個想法很快被打破了，當時的那位導師是純粹的交通專業背景出生，對計算機并不了解，這也導致了在課題上我們出現了一些分歧。兩年后，當我的課程全部上完后進入研究階段，這個問題也依然沒有解決。為此他建議我嘗試換一個專業，選擇自己感興趣的方向。
幸運的是，我遇到了我的第二位導師 Ma?té Brandt-Pearce 教授。她接收了我作為她的學生，所以在2009 年 8 月，我又轉入同校電子與計算機工程專業攻讀博士學位。
讀博期間，我最主要的課題是研究光纖通信領域中的非線性薛定諤方程的化簡問題。那會我經常空暇時間都呆在圖書館里，不僅是電子工程系，數學系和物理系的圖書館我都會去逛逛，很快我發現，在數學問題上，化簡問題可以用數學公式表達出來，將公式應用到光纖通信領域時，可以很好地解決非線性薛定諤方程的化簡問題。
這里我很感謝我的導師有充足的耐心，還容許我提出跟她完全相悖的技術路線，我們在國際上首先破解了困擾光纖通信領域長達 15 年之久的非線性薛定諤方程的化簡問題。我也因此只用了 3 年就博士畢業。
2012 年 8 月，我獲得博士學位，加入美國西弗吉尼亞大學理工學院電子與計算機工程系任教，先是做了 2 年的訪問助理教授，又做了 3 年的終身制助理教授。期間我創建了網絡化全球安全與優化實驗室（Security and Optimization for Networked Globe Laboratory，簡稱“SONG Lab”）。2013 年 2 月，在西弗吉尼亞州高等教育政策委員會的資助下，我創建了西弗吉尼亞信息物理融合系統（CPS，Cyber-Physical Systems）卓越研究中心并擔任首任主任。
2014 年 1 月，西弗吉尼亞州埃爾克河化工廠泄露后，我領導團隊開發了一套 CPS 應用于實時水質監測和水污染快速檢測，這項研究獲得時任美國西維吉尼亞州的資深聯邦參議員 John Davison "Jay" Rockefeller IV 的高度贊賞。在 2017 年西弗吉尼亞大學設立最高研究獎“金熊學者獎”中，我很榮幸成為了首屆的獲獎者。
2017 年 8 月，我加入美國安柏瑞德航空航天大學（這所高校也被譽為“天空中的哈佛”）電子工程與計算機科學系任教。SONG Lab 發展迅速，目前已有三位優秀博士畢業生從 SONG Lab 走出，先后加入美國高校擔任終身制教職，我們團隊也先后在主要國際會議上拿到11個最佳論文獎。
宋厚冰（左三）和學生合照
2023 年 1 月，我將入職美國馬里蘭大學巴爾的摩縣分校信息系統系，擔任終身教職。
AI 科技評論：數十年的學術生涯中，有哪些重要的人與事？
宋厚冰：數十年的學術生涯中，我非常感激三個人。
第一個是我在西安交大的碩士導師蔡遠利教授，他治學嚴謹，言傳身教，為人師表，領我進入科研的大門。我在美國培養出的前三個博士生全部一畢業即在美國高校找到終身制教職，就得益于當年他培養我的路數。
第二個是我在弗吉尼亞大學的博士導師 Ma?té Brandt-Pearce 教授，現任弗吉尼亞大學副教務長。她在我校內轉換專業時毅然接收我作為她的博士生，對我讀博第一年沒有任何科研產出沒有任何怨言。在她的悉心指導下，我得以在3年內順利拿到博士學位畢業。
第三個是我在 IEEE 通信學會的 mentor，IEEE Fellow、美國亞利桑那州立大學薛國良教授，他曾任 IEEE 通信學會副主席。他是我最敬重的學術前輩，也是我的山東老鄉。薛教授治學嚴謹，提攜后進，甘為人梯，是我們華人在美國學術界的杰出代表和學習的榜樣。沒有他的指導和鼓勵，我不可能在博士畢業 10 年內成長為 IEEE Fellow。
AI 科技評論：您的主要研究方向是什么？從什么時候開始關注 CPS、IoT 或工業互聯網這些方向？
宋厚冰：SONG Lab 的研究宗旨是在三個熱門領域的交叉結合部發現與創新，其分別是CPS（包括無人系統 nmanned systems，自主系統 Autonomous Systems）/IoT、人工智能/機器學習/大數據分析，以及網絡空間安全。
我入門 CPS 是在 2012 年的春天，那是我博士畢業前最后一學期，當時恰好看到 John A. Stankovic 開設的一門課程 Cyber-Physical Systems，我非常感興趣，就選了這門課，也是在這個時候我才真正接觸到 CPS 。上課期間，我發現，交通是 CPS 中的一個重要應用領域，如果將交通 CPS 作為切入點，或許我有別人無法比擬的優勢。因此很自然地，當我 2012 年秋天前往西弗吉尼亞大學任教時，我就瞄準了 CPS。
2013 年 2 月，我很幸運地拿到了一筆資助，創建了西弗吉尼亞 CPS 卓越研究中心，并擔任首任主任。這也是我從事 CPS 研究的真正起點。研究中心針對智能電網、車聯網、緊急響應、礦井監控、橋梁監控、山體滑坡預警等開發了多個 CPS。
2016 年，我與德國亞琛工業大學的 Sabina Jeschke、Christian Brecher 兩位教授合作編輯出版了《Industrial Internet of Things》一書，截至目前該書已被引用 1300 余次。同年，我還出版了 《Cyber-Physical Systems》。2006 年，趙偉教授（IEEE Fellow、時任澳門大學校長）在美國國家科學基金會計算機與網絡系統分部主任任內領導科技界，主持并開創了 CPS 領域的研究，建立了第一個 CPS 的科技計劃并撥付科研經費予以實施。《Cyber-Physical Systems》的出版恰逢 CPS 提出十周年，這本書也很幸運地邀請到趙偉教授來作序。此后三年，我還陸續出版了《智慧城市》《CPS 安全》等多本書。
宋厚冰已出版書籍
AI 科技評論：據說許多研究 CPS 的人都不愿意稱自己是做 IoT 的，是這樣嗎？CPS 與 IoT 這兩塊的發展脈絡是怎樣的？
宋厚冰：我覺得不存在這種情況。美國科技界喜歡用 CPS，而歐洲和亞洲、尤其是中國科技界喜歡用IoT，但其實 CPS 與 IoT 密切相關。
IoT 是 CPS 的網絡基礎設施，用一個網絡將所有的物體進行連接，在網的基礎上去開發不同的應用和服務。而 CPS 的核心研究領域還包括自主性，控制，數據分析和機器學習，安全，設計與驗證等，IoT 這張網只是當中的一個部分，因此 CPS 相比 IoT，它的范圍也要廣泛很多。
第三波人工智能元年：神經符號 AI
AI 科技評論：據您觀察，國內外這幾年的物聯網研究在趨勢、側重點與特色上分別有什么不同？物聯網經歷過哪些低潮期與輝煌期？在大環境下，您個人的選擇是怎樣的？
宋厚冰：2014 年，智慧城市研究熱開始升溫，此后一年里，CPS 研究社區開始意識到大數據分析是從物聯網邁向實時控制的關鍵，大數據分析開始熱了起來。2017 年左右，CPS 研究社區的關注點開始轉到物聯網的可靠性和可控性上，到 2018 年左右，CPS 研究社區開始轉向 Artificial Intelligence of Things（AIoT）。
目前，AIoT 市場正處于迅猛發展階段，預計到 2028 年將達到千億美元以上規模，AIoT 技術的發展也將會延續 AI 的發展。
AI 的發展實際上也是四種信息處理能力，即感知、學習、抽象和推理的發展。
AI 發展可分為三波：第一波 AI 是手工知識（Handcrafted Knowledge），大概發生在上世紀七十年代至九十年代，人們創建規則集表示已有知識，以專家系統為代表，四種信息處理能力中，只存在感知和推理，沒有學習和抽象；第二波 AI 是從本世紀初到現在的統計學習（Statistical Learning），近年來以深度學習為主，人們建立統計模型并在大數據上進行訓練，其中感知、學習、抽象得到提高，但推理仍然有限，而且沒有情境適應能力；第三波 AI 的特征是情境適應（Context Adaptation），今年是第三波 AI 的元年。
為什么 AI 在今年發展到了第三波？原因在于第二波 AI 的發展遇到了根本挑戰：統計上表現出色，但是就個體而言結果可能不可靠。這就需要建立與現實生活一致的情境解釋模型、以解釋和驅動決策，這一挑戰不可避免地被 AI 帶進了 AIoT 中，因此 AIoT 也必須具備情境適應能力，方能實現即時正確決策。我認為，從現在到 2030 年左右，AIoT 技術進步的核心將聚焦在如何解決這一挑戰上。
目前來看，神經符號 AI（neurosymbolic AI）是最有希望的。神經符號 AI 是神經網絡（第二波 AI）和符號 AI（第一波 AI）的組合，擁有三大優勢：精度更高，數據效率更高，高透明度和可解釋性。借助神經符號 AI，人工智能將變得越來越智能，AIoT 也將會變得越來越強大。但是，我們不得不承認，神經符號 AI 仍然存在多重挑戰，比如表示學習、場景感知和理解、強化學習和規劃等。在攻克這一挑戰的征途中，并不排除有神經符號 AI 之外的顛覆性技術騰空出世。
站在我個人的角度上，我的研究方向選擇同物聯網研究的大趨勢密切相關。SONG Lab 主要在大數據分析和 AI+IoT 集成兩方面發力。我在 2017 年出版了《智慧城市》一書，邀請到 John A. Stankovic 作序，該書曾于 2018 年 4 月登上 IEEE Xplore 首頁；2019 年還出版了《大數據分析》一書，由愛立信公司 CTO Christoph Bach 先生作序。
目前，SONG Lab 在神經符號 AI 領域已深耕一年有余，我們也將會推出神經符號 AI 及其在 AIoT 應用的系列研究成果。
AI 科技評論：您在 AIoT 這塊的研究與成果分別有哪些？
宋厚冰：AIoT 是我的核心研究領域之一。在這個領域，我主要是回答兩個根本性問題：第一個問題是如何開發 AI 策略與技術快速檢測異常事件，對于檢測各種各樣的異常包括入侵、威脅、漏洞、惡意軟件、AI 中的偏見等問題，我都非常感興趣；第二個問題，如何設計、建造和驗證既可靠又安全的 AI 系統，比如自主系統。
SONG Lab 在 AIoT 中有兩個成果，一個是我們開發的反無人機 CPS。2017 年，我們關注到美國機場出現的無人機干擾問題，當時恰好進入我組內的兩名訪問學生劉永鑫同學和王健同學此前都是從事無人機研究的，因此有了做反無人機 CPS 的想法。
在以往的機場解決無人機干擾問題時，常用的方法是將其打下來，這就很容易帶來糾紛問題。為此我們在反無人機 CPS 中，通過對無人機頻率和協議解碼，向無人機發送假的協議，當無人機進入機場范圍時，用協議牽引無人機遠離機場，在安全環境中降落，有效解決了機場無人機干擾問題，同時也大大減少和避免了糾紛的出現。
反無人機 CPS
另一個成果就是“旋轉記憶”。所謂“旋轉記憶”，簡單來說，就是為了在不相互干擾的情況下、同時表示當前和過去的刺激，大腦本質上是“旋轉”感覺信息以將其編碼為記憶。這個成果被譽為“AI 模型新革命”，是 SONG Lab 和美國普林斯頓大學神經科學家 Timothy Buschman 實驗室幾乎同步做出來的，二者不同的地方在于，SONG Lab 完成了數學證明，而 Buschman 實驗室則是通過做老鼠實驗。
AI 科技評論：在 AIoT 或工業互聯網一塊，您覺得國內的研究社區可能忽略了哪些重要方向？您個人的看法是怎樣的？
宋厚冰：其實我對國內的研究社區不熟悉。不過根據 exaly.com，在 AIoT 或工業互聯網頂尖期刊 IEEE Internet of Things Journal 或 IEEE Transactions on Industrial Informatics，看總體的引用量，中國并不比美國差，但在世界 Top 100 被引用最多的作者里面，來自國內的學者為數不多，這當中可能存在的一個原因就是缺乏原創性科技創新。
今天無論是在物聯網、還是聚焦在工業互聯網中，出現了不少趨同的現象，可能某個研究先提出來后，很快就會有別的跟上，因此像在業界，就很容易存在某些研究投入、名氣很大，但最后并沒有好的結果能出來。這當中原創性的科技創新還是很重要。
AI 科技評論：在學術研究中，您比較秉承的原則是什么樣的？有哪些您欣賞的人與團隊？
宋厚冰：我的原則是獨一無二。在發掘和挑戰 AI 研究難題時，獨特性是第一位的。我經常挑戰自己和我的學生：什么是我們的秘密武器？什么是我們的獨特優勢？如果其他研究團隊可以做出跟我們同樣或類似的結果，那么我們的研究就是沒有意義的，必須立刻停止，否則就是浪費時間。
我在弗吉尼亞大學讀博士期間，面對困擾著光纖通信領域長達15年之久的薛定諤方程的化簡問題時，將該方程從基于 Vloterra 級數的三重積分化簡成一重積分，進而推導出描述長距離光纖通信系統的二維離散時間模型，并開發出一系列數字信號處理技術改進系統性能，這些技術包括限制編碼技術和均衡技術等，是國際上首次。
我的偶像是“人工智能之父” Herbert A. Simon ，曾獲圖靈獎（1975 年），諾貝爾經濟學獎（1978 年）和美國國家科學獎（1986 年）。Herbert A. Simon 作為認知科學與人工智能的創始人之一，在計算機科學與心理學的結合方面做出了卓越的貢獻，使認知心理學和計算機科學相結合產生了人工智能這一新學科，他也是認知心理學、符號學、經濟管理等數十個學科的先驅和巨匠，是唯一一位獲得了諾貝爾經濟學獎和圖靈獎及世界人工智能終身成就獎的科學家。
他是我的榜樣，因此我一直堅持的信條就是，在學術研究上，要做，就要做別人做不到的，否則就不要做。
AI 科技評論：從不知名的求學小卒到 IEEE Fellow，您覺得您做對了哪些選擇、做對了什么事情？未來五到十年的目標是什么？
宋厚冰：回首成長歷程，我覺得我在三個人生關鍵時刻做出了正確的選擇。
第一個是赴美留學，這是個很重要的節點，如果當初我沒有做出這個選擇，那我的終身都會發生改變。我花了一整年時間去挑戰非線性薛定諤方程的化簡問題，破解這個困擾光纖通信領域長達15年之久的難題是我引以為豪的科研成果之一。
第二個是換專業回歸到電子與計算機領域。如果我沒有轉回電子計算機領域，或許我會有一份穩定的職業，但我極有可能后悔終生，因為我將是 AI 領域的一個看客，而不是一個積極的創新貢獻者。
第三個選擇是任教初期即徹底轉換研究方向到 IoT、CPS、大數據分析和 AI。我的博士論文做的是光通信，但在畢業后，我還是毅然決然地選擇了 CPS，因為我很確定自己對這個領域是感興趣的。當然邁出這一步需要極大的勇氣，但今天看來，我覺得這一步的話非常重要、也是個正確的選擇，否則我就沒有機會為 AI 領域發展作出貢獻。
當選 IEEE Fellow 是一個新起點，意味著在科學家成長三個階段“吸納、證明、輸出”中，前兩個階段我已經走完，開始步入第三階段：輸出。
未來五到十年，在研究上，我準備瞄準 AI 領域的高可信與可解釋兩個根本挑戰，發力神經符號 AI（neurosymbolic AI），在應用 AI 到網絡安全和 AI 系統的安全兩方面做出原創突破，回饋世界；在人才培養上，計劃培養若干名博士生成為杰出科學家，無論是進入世界一流研究型大學擔任終身制教職或進入工業界工作或創業，努力在博士畢業后八年內當選 IEEE Fellow；在技術轉移上，計劃推出幾款 AI 產品商業化，造福人類。
（雷峰網雷峰網(公眾號：雷峰網)）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
