Search
E-mail
RSS

Journal of Cybersecurity >

2024 , Vol. 2 >Issue 4: 36 - 52

DOI: https://doi.org/10.20172/j.issn.2097-3136.240404

Academic Research

Data security risks and countermeasures under the space-ground integrated computing network

  • ZHAO Jiejie , 1, * ,
  • WANG Haiquan 2
Expand
  • 1. Zhongguancun Laboratory, Beijing 100094, China
  • 2. School of Software, Beihang University, Beijing 100191, China

Received date: 2024-06-25

  Online published: 2024-11-16

Copyright

Copyright ©2024 Journal of Aeronautical Materials. All rights reserved.
Fold

Abstract

As the development of onboard computing power and inter-satellite communication technology, the space-ground integrated computing network is expected to solve the issues of response delay caused by optimizing sensing, communication, and computing separately in a multitude of time-sensitive tasks by using the distributed data, onboard computing and communication resources collaboratively. The forthcoming space-ground integrated computing network serving as an integrated network system for providing wide-area information services, involves a significant amount of data interaction. However, its characteristics such as open channels and highly dynamic network topology expose a broad range of vulnerabilities in data sensing, storage, transmission, intelligent processing and service, making the high-value data like remote sensing susceptible to attacks, and thereby threatening the data security and user privacy. To this end, the future technical architecture, key technologies and applications of the space-ground integrated computing network were summarized. Then, the key features and the security issues of data were deeply analyzed. Next, a series of possible countermeasures were further discussed, and the future research directions of data security were prospected.

Key words： space-ground integrated computing network; low-earth orbit satellite; data security; security threats; countermeasures

Cite this article

ZHAO Jiejie , WANG Haiquan . Data security risks and countermeasures under the space-ground integrated computing network[J]. Journal of Cybersecurity, 2024 , 2(4) : 36 -52 . DOI: 10.20172/j.issn.2097-3136.240404

0 引言

随着空间网络技术和星载计算能力的快速发展，世界各国正积极推进大规模低轨卫星系统的建设，如Starlink[1]、OneWeb[2]和Kuiper[3]等代表性计划。这些卫星星座通常包含数百至数万颗低轨卫星，通过与地面网络和空间飞行器深度整合，形成了多种异构网络融合而成的天地一体化网络。同时，近期发射的卫星，配备了较强的计算载荷[4-5]，不仅作为移动的网络节点，还兼具智能计算和存储能力。随着6G技术的不断发展，无人驾驶、全息通信、数字孪生等6G新业务对人工智能与服务的需求日益增长，这要求网络系统能够提供更为高效和智能的技术支持。为了满足这些需求，天地一体化算网融合[6]这一概念被提出，旨在综合利用天地一体化网络中的数据、通信和计算资源，在软件定义网络、网络功能虚拟化、云计算、人工智能等先进技术的赋能下，实现智能化的通信和计算资源调度，以满足多样化的任务需求[7]。
为有效利用天地一体化网络中的数据、通信和计算资源实现感知、通信和计算一体化服务，学术界在天地一体化算网融合架构和关键技术研究等方面取得了显著进展。例如，Lyu等[8]提出了一种多路径数据分发新框架，它通过利用卫星星座中多样化的通信路径，实现高效分发地球观测卫星感知的数据。Li等[9]提出了一种部署在太空的新型太空云架构，其运行在低轨卫星星座上，旨在为全球范围内的时间敏感型遥感和计算任务提供服务。发展天地一体化算网融合技术，将为卫星应用产业带来新的发展动力，并有望成为推动该产业未来增长的新引擎。因此，天地一体化算网融合将成为促进现代社会经济数字化和智能化发展的重要信息基础设施。
然而，未来的天地一体化算网融合的系统，作为广域信息服务的一体化网络系统，其在提供高效、灵活、广域的数据服务的同时，也带来了一些数据安全隐患。可以总结为以下三个方面：（1）天地一体化算网融合系统体系庞大复杂、威胁渗入点增多。天地一体化算网融合网络架构本身基于多种异构网络的融合且支持泛在化接入，其中卫星、地面站和多样化的终端设备间相互连接。这些设备使用了不同的通信协议，其中一些协议存在安全性不足的问题，甚至部分设备还存在安全漏洞。这些因素可能加大系统在数据感知、存储和传输过程中面临的安全风险。（2）天地一体化算网融合采用感知、通信和计算的协同机制。上述过程中，数据及其智能处理过程可能在开放环境中进行，这削弱了数据拥有者对数据的控制权，从而影响数据安全。同时，智能处理模型自身可能存在一些安全漏洞，如模型后门。此外，开放环境还可能引发隐私窃取攻击、数据投毒等不可控的安全风险。这些安全风险增加了数据在感知、智能处理和服务过程中出现安全事件和隐私泄露的可能性。（3）天地一体化算网融合网络架构具有信道开放化、拓扑高度时变等特点，这进一步扩大了潜在的攻击面，使得数据传输过程面临更大的安全挑战。
综上，天地一体化算网融合技术在数据全生命周期的各个阶段，包括数据感知、存储、传输、智能化处理和服务等，面临的数据安全和隐私问题，相较于传统的地面算力网络更为严峻。针对这一融合架构的安全攻击不仅会造成个人隐私的泄露，还可能会影响关键应用的安全决策，引发重大的经济损失，甚至对国家安全构成威胁。这些问题可能会成为天地一体化算网融合技术广泛应用和规模化落地的重大阻碍。鉴于此，迫切需要对天地一体化算网融合架构所面临的安全风险进行深入总结和分析，并探讨相应的防范机制。这将为后续的学者理解并研究天地一体化算网融合中的数据安全问题提供指导，并推动相关技术发展。
本文阐述了未来的天地一体化算网融合架构、关键技术和应用；分析了这一背景下数据的关键特征、面临的安全挑战；提出了可能的安全风险防范措施，并展望了天地一体化算网融合下数据安全研究方向。

1 天地一体化网络发展现状与挑战

1.1 天地一体化网络发展现状

自1964年诞生以来，国外的天地一体化网络经历了“天星地网”“天基网络”“天网地网”三个阶段[10]。其中，“天星地网”未考虑星间链路，卫星网络通过地面站与地面网络实现互联；“天基网络”考虑了星间链路，而无须地面站；“天网地网”不仅考虑了星间链路，同时将卫星网络与地面互联网、移动互联网融合，如美国转型卫星通信系统（TransFormational Sattellite Communication System，TSAT）[11]。由于地面站的境外部署受限，因此，“天网地网”架构是未来天地一体化网络的发展趋势。
中国高度重视天地一体网络研究与建设，出台了一系列政策和措施，例如，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确提出“建设高速泛在、天地一体、集成互联、安全高效的信息基础设施”的建设目标，以支持卫星互联网行业的发展。
图1(a)显示了基于“天网地网”的天地一体化网络架构，其主要由地面网络、卫星星座、星地链路三部分构成。卫星之间通过星间链路互联组网。地面网络主要由地面站、云计算中心和控制中心组成。地面站负责卫星通信、接收和发送控制指令及星上传感器感知到的数据。控制中心负责卫星的控制指令管理、规划卫星星座和地面网络中的资源、接收任务需求等。以遥感任务需求为背景，天地一体化网络架构中的地球观测卫星完成一次遥感任务需求，涉及以下处理流程：星上感知、跨顶传输、地面接收、地面处理和地面服务，相关的典型工作如文献[12]。具体来说，装载有高分辨率相机的地球观测卫星持续采集目标区域内的图像数据。当卫星进入地面站的可视范围时，采集到的观测数据将通过星地链路的下行数据传输链路传输至地面站。地面站将数据转发给云计算中心来处理收到的遥感数据。最后，云计算中心根据处理的结果，为地面用户提供地球观测服务。
图 1 传统的天地一体化网络架构 vs 天地一体化算网融合架构（前者的星载智能计算能力受限、地面站有限部署且间歇可见；而后者拥有在轨智能计算能力及自适应地星间链路资源调度等能力）

Fig.1 Traditional space-ground integrated networks vs. The space-ground integrated computing network. The former has limited onboard computing and sparse deployment of ground stations; the latter offers in-orbit intelligence and flexible inter-satellite resource management

1.2 天地一体化网络架构存在的问题

天地一体化网络架构已广泛应用于应急通信等领域，但由于受星上功能受限、星地和星间协同不足等限制，使得其在时间极为敏感（如分钟级甚至秒级）的抢险救灾等应用中受限。具体如下：
（1）星上功能受限。受限于卫星体积及计算存储资源，现有大部分天地一体化网络中卫星仅负责简单功能，如宽带数据业务，不涉及资源调度、智能数据处理等复杂的处理任务。然而，随着用户需求多样化和空间技术的快速发展，成倍且海量的数据被采集，这为下行数据传输链路带来了巨大通信压力，导致通信时延加剧，继而严重降低任务响应速度。
（2）星地和星间协同不足。卫星星座、地面网络上的通信、网络和计算资源独立运行，未能实现高效协同。例如，在遥感等应用场景中，由于未能充分利用卫星星座内各卫星所具有的差异化计算资源，以及星地和星间链路差异化的网络资源，使得遥感任务的处理能力受限，影响了遥感任务的时效性。
综上，迫切需要开展新型天地一体化网络架构的研究以解决上述问题。

2 天地一体化算网融合架构、技术和应用

2.1 天地一体化算网融合架构

为解决上述问题，鉴于星上处理能力的提升[13]，国内外学者提出了天地一体化算网融合架构[6]，如图1(b)所示，其旨在充分利用地面网络和卫星星座的感知、通信和计算能力，典型工作如文献[9]、[14] 和[15]。为实现上述目标，天地一体化算网融合架构旨在从三个层次协同来实现天地一体化网络中基础设施、网络和计算资源的整合和有效利用[16]，具体如下：
（1）通信系统一体化：这一层次聚焦终端、基站、一体化核心网等组件的整合，以支持天地一体化异构网络接入体制之间的无缝互联互通。
（2）网络功能一体化：在这一层次上，重点在于将负责网络传输相关的功能进行整合，包括分组路由器、透明转发器以及一体化网络控制器等，以支持低轨卫星与地面节点之间的融合组网以及激光等多种组网技术之间的融合。
（3）算网调度一体化：为精准、高效利用卫星星座内一体化的计算和网络资源，通过将算力和网络资源一体化调度，以实现任务的高效处理。例如，通过将计算任务卸载到智能卫星，简称智星，进行高效在轨智能数据处理；将通信任务卸载到通信卫星，以优化数据传输效率。这一手段促进了天地一体化算网融合架构中通信与计算资源的有效利用，从而提升了任务响应速度，缓解了数据回传带来的通信压力。
以Starlink为例，截至2023年12月，SpaceX公司在轨卫星高达5 144颗[17]。一方面，Starlink下行速率可以达到200 Mbit/s[18]（远超遥感微纳卫星的最大下行速率10 Mbit/s[12]）；另一方面，Starlink卫星星座通过聚合卫星和地面网络中异构的算力资源，完成那些因能耗等因素限制而单个卫星难以高效处理的计算任务。以遥感任务需求为背景，在天地一体化算网融合架构下，完成一次遥感任务需求涉及以下处理流程：星上感知、星间传输、智星处理、地面接收、地面处理和地面服务。与传统的天地一体化网络架构不同，在天地一体化算网融合架构下，遥感卫星将感知到的数据通过星间链路迅速传输给邻近的智能卫星。这些智能卫星能够快速执行部分或全部任务，并将处理结果或未完成的任务转发至可见的地面站。地面站再将这些信息转发给云计算中心，由其完成进一步的处理。最后，云计算中心根据处理结果，为地面用户提供高效的地球观测服务。
上述过程充分利用了通信卫星的高速数据传输能力、智能卫星的快速数据处理能力等优势，从而实现快速、准确和智能化的服务。

2.2 天地一体化算网融合关键技术

天地一体化算网融合系统通常需要具备以下4个关键技术，以快速响应激增的任务量、并满足高精度、延迟敏感程度差异化的感知任务需求。
（1）自适应的资源感知。为支撑天地一体化算网融合架构中数据、网络和计算资源的协同调度，需要实时或周期性的感知架构中高度时变的资源，包括需传输的数据量、可用的算力、可用的网络带宽、拓扑等资源，实现对数据、算力和网络资源的实时更新。
（2）动态的资源调度。在天地一体化算网融合架构中，多个卫星协同来完成任务是必要的。鉴于卫星星座内各卫星在计算能力、通信能力上存在差异，以及动态、不确定的任务到达时间，天地一体化算网融合架构通常采用动态的资源调度策略，以优化卫星星座内的计算和网络资源配置。这种设计旨在充分发挥整个卫星星座的潜力，确保高效完成任务需求。
（3）路径多样化的数据分发。为防止网络过度拥堵并加快任务处理速度，天地一体化算网融合架构通常采用数据并行分发机制，通过建立不同的数据分发路径，来加速数据分发过程。同时，该机制还需要减少因频繁在星间和星地链路之间切换所造成的等待时延，进而提高网络的整体吞吐量。
（4）周期性的模型更新。天地一体化算网融合架构设计时应考虑模型更新的灵活性，支持在轨测试研发的智能模型。随着前沿技术的不断进步，智能模型处理能力不断增强，通过利用前沿技术，显著提升感知任务的预测精度。由于天地一体化算网融合架构中，不同的任务需求涉及部署不同的模型，因此，应设计周期性的模型更新机制以满足上述需求。
综上所述，天地一体化算网融合架构可以让卫星实时地高速回传、处理数据，从而大幅度提升任务时效性、提高天地一体化算网融合架构中资源的利用率。

2.3 天地一体化算网融合应用场景

天地一体化算网融合架构有潜力赋能一系列业务，这些业务主要分为如下三类。
（1）图像感知服务类：地球和大气层的监测、灾情评估、农作物监测等。天地一体化算网融合架构，通过支持在轨数据智能处理，有利于支撑高精度预测的同时提升图像感知服务类任务完成的效率。例如，Giuffrida等[19]设计了Cloudscout分割神经网络，在欧洲航天局发射的$ \mathrm{\Phi } $-Sat-1卫星上识别并丢弃云雾图像，从而减少了需要传输的数据量，提升了传输数据的质量同时缩短了任务的完成时间。
（2）高精度定位和跟踪类：无人驾驶和太空垃圾探测、海上巡逻路径规划等。以无人驾驶为例，利用天地一体化算网融合架构中的路径多样化的数据分发技术，将有效提升全域范围内基于多源多模态数据融合的高精度位置服务的效率。此外，结合在轨人工智能技术，预测道路交通流量，还可以帮助驾驶员选择最佳的驾驶路线。
（3）物联网服务类：电网故障监测等。利用广域物联网、天地一体化网络采集并汇聚得到海量数据，为高精度在轨物联网数据挖掘与融合服务提供支撑。例如，Jia等[20]提出了低轨卫星辅助的远程物联网传感器数据采集方案，以降低数据的传输延迟。

3 天地一体化算网融合数据关键特征

天地一体化算网融合的未来系统，作为广域信息服务的一体化网络系统，随着其卫星规模的扩大以及承载业务的多样化，将涉及大量的数据交互。这些数据交互，对于提升天地一体化服务的质量和效率至关重要。本节将重点介绍天地一体化算网融合架构中的数据构成以及数据安全需求。

3.1 数据构成

根据数据产生的层次将数据分为三类：物理层数据、网络层数据和应用层数据。
（1）物理层数据：卫星在运行过程中所获取的卫星周围的环境数据，包括周围物体、空间位置和星座轨道等数据。这些数据被用于计算卫星的位置、轨道、速度、姿态等，从而使卫星可以进行精准定位、评估碰撞风险、控制其运行的轨道、变换轨道、姿态保持稳定，以及规避碰撞等。
（2）网络层数据：以卫星作为中继，实现远距离的数据传输过程中产生的通信相关数据，包括控制数据和转发数据两种。其中，控制数据用于描述控制传输的数据、数据传输方式和数据传输速率，以及卸载决策数据（包括感知、通信和计算任务卸载决策）。转发数据用于描述网络拓扑结构和路由表，也就是用于描述数据包转发路径。上述数据用于支撑卫星电话、卫星宽带、灾难应急通信等场景。
（3）应用层数据：卫星执行感知和智能处理功能时产生的数据，具体如下：
1） 导航数据主要来自导航卫星和用户，其中，包括导航卫星的定位、三维坐标、授时、速度等运行状态信息以及用户的个人轨迹和个人信息数据，为无人驾驶、海上巡逻路径规划提供重要支撑。
2） 遥感数据是由搭载在卫星上的光学、多/高光谱、合成孔径雷达和中波红外等传感器采集到的图像和视频数据。这些数据在抢险救灾等关键领域发挥着关键性的支持作用。
此外，数据处理的模型和模型输出的中间结果也将成为新的应用层数据。表1给出了天地一体化算网融合数据主要构成及应用场景分析。
表 1 天地一体化算网融合数据主要构成及应用场景分析

Table 1 Key components and application scenario analysis for data within the space-ground integrated computing network

数据类型 数据构成 应用场景
物理层数据 卫星轨道、姿态、速度等信息 卫星姿态控制、卫星碰撞评估、太空垃圾探测
网络层数据 控制数据（如数据传输速率等） 卫星电话、互联网电视、卫星宽带
转发数据（如路由表等）
应用层数据 导航数据（定位、三维坐标、授时等） 无人驾驶路径规划、海上巡逻路径规划
遥感数据 农作物监测、灾害预测、灾后重建等

3.2 数据安全需求

为保护天地一体化算网融合系统中数据的安全和隐私，本节详细阐述了数据的安全需求，这些需求对于天地一体化算网融合系统稳定运行至关重要。通常情况下，数据安全的三要素[21]是机密性、完整性和可用性。在天地一体化算网融合中，除上述特性外，还应该关注数据的合规性，如图2所示。
图 2 天地一体化算网融合数据安全需求

Fig.2 Data security requirements for space-ground integrated computing network

（1）数据机密性。数据机密性是为了确保授权后的用户可以访问数据，防止未经授权的用户访问数据[21]。例如，导航数据中包含与用户行为相关的隐私信息。现有研究证实恶意攻击者可以通过拦截卫星与高空平台站之间建立的光纤通信链路来窃取用户个人隐私信息[22]，从而破坏数据的机密性。
（2）数据完整性。数据完整性的要旨在于确保在整个数据生命周期内（包括感知、存储、传输等环节），未经授权的用户无法对天地一体化算网融合系统中的数据进行伪造或者篡改，以保障用户接收的数据与采集的原始数据间的一致性[23]。
（3）数据可用性。数据可用性是指天地一体化算网融合架构可以随时满足用户的数据服务需求[21]，为用户提供有效且高质量的数据服务。
（4）数据合规性。数据合规性是为了保护在天地一体化算网融合系统服务过程中数据的隐私，包括数据分发、数据智能处理以及数据服务等环节，以实现兼顾数据驱动的任务服务质量的同时防止重要与敏感数据的隐私泄露[24]。此外，在天地一体化算网融合系统中流转的数据，必须严格遵守数据跨境流动法律法规的要求，确保合规数据安全出境[25]。

4 天地一体化算网融合数据安全风险

数据作为天地一体化算网融合架构下的核心要素，具有巨大的应用潜力和价值。然而，天地一体化算网融合架构由于自身特性引入了新的数据安全风险。本节从天地一体化算网融合架构数据生命周期各个环节，包括数据感知、数据存储、数据传输、数据智能处理及数据服务，分别阐述各环节面临的安全风险，如图3所示。此外，表2总结了上述各环节数据安全风险的成因和对各类数据的主要危害。
图 3 天地一体化算网融合数据生命周期各阶段可能的安全风险

Fig.3 Potential security risks at all stages of data lifecycle in space-ground integrated computing network

表 2 天地一体化算网融合数据生命周期各阶段的安全风险成因及主要危害

Table 2 Causes of security risks and their main hazards at all stages of data lifecycle in space-ground integrated computing network

生命周期阶段 数据安全威胁 威胁成因 影响安全属性 影响数据范围与危害
数据感知阶段 虚假数据攻击、数据过度采集、卫星系统故障 ①系统故障
②数据采集审核机制不完善
③恶意数据伪造，难以检测		 完整性、可用性、合规性 范围：物理层、控制层和应用层数据
危害：服务可用性降低、应用数据隐私泄露
数据存储阶段 比特翻转攻击、固件入侵 ①恶劣太空环境
②卫星、终端设备固件漏洞
③脆弱性远程命令		 完整性 范围：物理层、控制层和应用层数据
危害：服务可用性降低、应用数据隐私泄露
数据传输阶段 信号干扰、拒绝服务攻击、中间人攻击、路由攻击、欺骗/重放攻击 ①恶意电磁信号
②开放和动态的传输链路
③恶意流量和路由节点		 完整性、机密性、可用性 范围：控制层和应用层数据
危害：服务可用性降低、应用数据隐私泄露
数据智能处理阶段 数据投毒攻击、模型逆向攻击和模型后门攻击 ①恶意数据投毒
②恶意注入的模型后门
③模型开放环境部署		 完整性、机密性、可用性 范围：应用层数据
危害：应用数据隐私泄露
数据服务阶段 数据违规出境、共谋攻击、数据关联攻击 ①恶意数据违规行为
②恶意共谋行为
③数据关联关系广泛存在		 合规性 范围：应用层数据
危害：应用数据隐私泄露

4.1 数据感知阶段安全风险

目前，卫星上搭载了包括雷达、光学、多/高光谱、合成孔径雷达或中波红外等多种类型的传感器。这些传感器具备从环境中感知高精度数据的能力。然而，恶意的数据感知方可能会无节制地采集一些敏感数据，甚至故意伪造虚假数据。上述手段将会引发严重的数据安全问题。此外，卫星系统故障也会导致部分重要数据感知任务失效。具体如下：
（1）虚假数据攻击。攻击者将感知到的数据真实值篡改[26]或者直接伪造虚假数据，然后将伪造的虚假数据转发给其他用户。这些被篡改或伪造的数据将严重威胁数据的完整性。例如，Zhao等[27]的研究指出深度伪造技术已经能够制造出令人难以辨别的虚假卫星地图图像，而伪造的地理空间数据将会威胁数据安全，同时可能会对国家安全造成严重威胁。
（2）数据过度采集。数据被无差别采集，采集数据对象的范围和类型被扩大，产生过度采集问题。这些被违规采集的数据被存储在卫星上，易被攻击者窃取，造成隐私泄露问题。例如，Google曾推出卫星地图服务，提供详尽的地区卫星空照图，其中甚至包括政府机构。由于该服务涉及隐私侵犯问题，自2010年起我国逐步停止了谷歌地图服务在中国的运营[28]。
（3）卫星系统故障。卫星系统故障导致数据未被完整感知，也会降低数据可用性。例如，2016年1月26日，第二代GPS卫星“SVN 23”正式退役，该卫星从GPS星座移除过程中，引发了GPS地面软件由于数据不完整，GPS时间出现13.7 $ \mathrm{\mu }\mathrm{s} $的误差[29]。

4.2 数据存储阶段安全风险

在数据存储阶段，由于天地一体化算网融合架构中卫星系统的存储器处在恶劣的太空环境中（如太空辐射），其容易受高能粒子的影响，例如比特翻转攻击。此外，卫星或终端设备上的漏洞为入侵星载存储器以窃取或篡改存储的数据带来了机会。
（1）比特翻转攻击。现有研究证实，太空辐照环境中存在的高能粒子能够诱发半导体器件的单粒子效应，导致存储器故障，使得存储器中存储的数据、模型发生单粒子或多粒子比特翻转故障[30-31]，造成数据完整性损害和模型失效，威胁卫星中存储的数据安全以及数据处理功能的安全运行。例如，1988年，风云一号A卫星（FY-1A）在太空遭遇了强烈的太阳高能粒子冲击，导致星载姿态感测仪出现单粒子翻转错误，最终造成姿态失控[32]。
（2）固件入侵。现有固件入侵方式有以下3种：卫星总线有效载荷滥用、卫星脆弱性远程命令、终端设备安全漏洞。
1）总线有效载荷滥用。Willbold[26]指出，攻击者可以利用卫星系统软件中存在的漏洞来控制卫星的总线有效载荷链路。这使得攻击者可以通过控制总线有效载荷来窃取其他有效负载中存储的数据，造成有效负载数据泄露[26]，损害数据的完整性。
2）脆弱性远程命令。攻击者可以利用脆弱性远程命令来篡改数据。以关键任务数据为例，攻击者通过攻击一些重要的任务数据来破坏任务的服务质量。更严重的是，这种恶意数据篡改还可以用来破坏国家重大关键基础设施，例如，对国家电网或金融等业务的高频交易系统引入错误定时信号，引发重大经济损失[29]。
3）终端设备安全漏洞。天地一体化算网融合架构中的终端设备包括手机、智能汽车、卫星天线和无人机等。这些设备自身可能存在安全性不足或安全漏洞，攻击者可以利用这些终端设备上的漏洞，并以此作为跳板同时利用设备之间的信任关系入侵卫星系统或其他终端设备，严重威胁其他设备上存储的数据的安全性。例如，在2022年的Black Hat安全大会上，黑客成功利用卫星天线和星链的一系列漏洞成功访问了星链系统，并在卫星上执行自定义代码[33]。

4.3 数据传输阶段安全风险

在数据传输阶段，受物理层和网络层攻击的威胁，天地一体化算网融合架构中传输的数据存在数据安全风险。具体如下。
物理层：由于天地一体化算网融合系统处于复杂的电磁环境中，容易遭受恶意电磁信号的干扰，使得传输的数据被伪造甚至会造成数据传输中断。上述过程严重威胁数据的可用性。
网络层：星地链路的开放性和星间/星地网络拓扑的动态性，也就是在星间/星地链路在接入、切换等过程中，使其容易受中间人攻击、欺骗攻击、重放攻击等影响[34]；瞬时突增的恶意流量，带来的拒绝服务风险；恶意节点篡改路由信息带来的路由攻击风险。上述过程，严重威胁数据的机密性、完整性和可用性。
（1）信号干扰。信号干扰技术主要分为欺骗干扰技术和压制干扰技术两种[35]，前者主要通过信号转发、信号模拟伪造等手段，将虚假的信号发送给用户；后者常用同频段大功率噪声来干扰原始的信号，导致信号的信噪比降低。上述手段破坏了数据的可用性。例如，2024年3月13日，英国皇家空军达索900LX公务机在俄罗斯的加里宁格勒附近飞行时GPS受到了干扰，持续大约30 min，导致手机无法连接互联网，飞机被迫使用其他方法来确定其位置[36]。
（2）中间人攻击。星地链路的空中通信接口是开放的，且卫星轨道具有高度动态性，导致频繁的访问需要，这使得数据传输容易受到中间人攻击的影响，导致路由信息被拦截、监听或篡改[37]，使得通信双方在不知情的情况下与攻击者建立连接，从而窃取或篡改传输数据。例如，2022年在DefCon黑客大会上，黑客成功利用自建上行设备，劫持了一颗即将退役的卫星并通过其广播流媒体和电话信号[38]。2023年，以色列13频道电视台遭到黑客网络攻击，画面被插播巴勒斯坦国旗[39]。此外，现有一些新卫星并未对传输的数据进行加密[40]。例如，BlockStream比特币卫星项目中的交易信息在通过卫星传输时未加密[40]。上述情况损害了数据的机密性和完整性，易造成严重的数据泄露。
（3）欺骗/重放攻击。攻击者能够通过欺骗攻击来冒充授权用户的身份，从而篡改传输的数据[37]。此外，他们还可以通过重放攻击，将截获的其他数据重复发送给数据接收方，以此达到篡改数据的目的。由于民用GPS卫星的信号格式是公开的，因此容易遭受欺骗攻击。攻击者可以很容易地发送伪造的GPS信号，以提供错误的信息[41]。而且，现有一些最新的卫星并未对下行链路认证[42]。例如，现有研究发现卫星常用的调制解调器Comtech的远程控制功能并未对控制设备进行物理地址和时间认证，使得攻击者通过成功执行重放攻击来篡改卫星下行链路上传输的数据[40]。上述情况严重损害了数据的完整性。
此外，正如第2.2节所阐述，天地一体化算网融合服务框架中数据流转的路径是复杂多样的，可能导致部分卫星在飞越非受控区域时仍然处于数据传输状态。这为攻击者提供了机会，使其能够轻易获得传输中的数据控制权，增加了前述数据安全风险的发生概率，进一步加剧了数据安全风险。
（4）拒绝服务攻击。攻击者通过发送大量恶意流量，导致系统过载，使得天地一体化算网融合下数据服务可用性降低，导致部分或全部合法请求无法得到满足[21]。这种攻击显著降低了数据的可用性。在天地一体化算网融合系统下，由于接入设备来源广泛，任何接入设备都可能被控制，发起拒绝服务攻击，这增加了此类攻击发生的概率。例如，在俄乌冲突爆发伊始，“被乌克兰军方密集使用”的卫迅（Viasat）KA-SAT网络遭受多路恶意流量集中占网，这些流量来自多个SurfBeam2和SurfBeam 2+调制解调器和/或位于乌克兰境内的相关客户端设备，导致乌克兰与欧洲部分区域KA-SAT卫星宽带用户服务中断[43]。
（5）路由攻击。攻击者通过伪造天地一体化算网融合系统中路由节点的身份，篡改天地一体化算网融合系统网络层中的转发数据：路由信息，降低了路由信息的可用性和完整性，造成无效路由的产生，从而导致数据传输延时、传输开销等大幅增加，严重降低天地一体化算网融合系统的性能。

4.4 数据智能处理阶段安全风险

天地一体化算网融合卫星系统中使用的定制化智能模型可能在部署到卫星系统之前被注入后门[21]。同时，由于计算任务可能会被分配并部署到开放的其他卫星中，这为好奇的攻击者窃取隐私的原始数据提供了可能。此外，卫星上已部署的智能模型在更新或打补丁的过程中，可能会被攻击者劫持甚至篡改[26]。因此，在数据智能处理阶段，受卫星星载模型后门，以及模型在更新的过程中易被劫持的影响，上述安全风险严重威胁数据的完整性、可用性。具体如下：
（1）数据投毒攻击。恶意攻击者可能在智能模型的在轨推理或训练过程中，通过对数据进行投毒，误导模型做出错误的决策，严重时甚至可能会引发卫星物理层面的损害。
（2）模型逆向攻击。卫星上已部署或计划部署的智能模型在更新或打补丁的过程中，涉及模型在星地链路上的分发，而该过程中模型可能会被攻击者劫持[26]。此外，由于天地一体化算网融合架构中部分计算任务可能会被分配并部署到开放的其他卫星环境中执行。该开放计算环境下好奇的攻击者可能会利用模型逆向攻击来窃取数据隐私。现有研究已证实，攻击者可以通过模型逆向攻击，从模型中成功重建出隐私数据[44-45]。这意味着，一旦模型被劫持，攻击者极有可能通过模型逆向攻击从模型中会重构出训练数据，进而造成原始数据的隐私泄露。
（3）模型后门攻击。卫星上部署的智能模型在更新的过程中，有被恶意注入后门的风险[26]。研究已证实，攻击者可在推理模型上成功注入后门[46]，注入的后门不仅会影响部分数据的有效性，还可能严重削弱关键任务的有效性，破坏数据完整性。此外，还有一些研究已经成功在模型训练过程中注入后门[47-48]，因此，定制设计的带有后门的模型可以在卫星系统调试之前引入卫星系统。这些带有后门的模型可能会损害卫星系统的功能，造成部分用户服务需求无法满足。
此外，正如第2.2节所阐述，天地一体化算网融合服务框架正面临日益增长的智能模型部署和智能模型更新需求。这种增长趋势加剧了前述安全风险的发生概率，也对数据安全构成了更为严峻的挑战。

4.5 数据服务阶段安全风险

在数据服务阶段，存在如下数据安全风险：
（1）数据违规出境。新兴技术如手机直连卫星和星链网络代理软件，进一步拓宽了用户接入卫星互联网的途径。然而，上述数据传输方式也引发了新的数据安全风险。报道称，预计到 2025 年，卫星互联网服务的用户数将超过 4 000 万[49]。然而，一些用户可能会选择手机直连技术或星链网络代理软件，将包含重要或敏感数据传输至海外。此类跨境数据传输行为可能会违反数据合规性要求，增加数据泄露风险，对个人隐私和国家安全构成威胁。
（2）共谋攻击。天地一体化算网融合服务的供应商与恶意攻击者之间可能会存在诸多恶意交易行为，从而导致数据隐私泄露，给用户带来利益损失。在数据服务过程中，恶意攻击者可能会与天地一体化算网融合服务的运营商共谋，在运营商与用户在交互的过程中，运营商将与用户之间的通信会话信息提供给恶意攻击者，恶意攻击者可以根据获取的会话等信息，进一步挖掘用户的敏感信息，形成恶意的服务交互过程[50]。
（3）数据关联攻击。恶意用户在同时使用多个数据服务同时，将数据关联，从而窃取更多敏感信息。当恶意用户同时使用多个数据服务时（也就是，多方数据服务场景），其可以利用多个数据之间的关联性，窃取更多的敏感信息[51]。

5 天地一体化算网融合数据安全防范机制

本节针对第4节中整理的数据安全风险，结合国内外相关研究工作，对数据生命周期各阶段的安全防范机制进行分析与评述。表3分析了上述各环节数据安全风险的防御机制。
表 3 天地一体化算网融合数据生命周期各阶段防御机制分析

Table 3 Analysis of defense mechanisms at all stages of data lifecycle in space-ground integrated computing network

生命周期阶段 数据安全威胁 防御机制 方案优势 方案局限性
数据感知阶段 虚假数据攻击 数据质量评估[52] 准确评估数据质量 计算开销大
虚假数据检测[53-55] 提升虚假卫星图像检测的准确度 虚假数据集的测试样本多样性不足
数据过度采集 采集数据审计[57-58] 提高采集行为合规性 审计效率低下，缺乏相应标准
数据隐私保护技术[56] 提高数据隐私保护能力 降低数据质量
卫星系统故障 容错机制[59] 提升存储容错能力 卫星间协同通信开销大
数据存储阶段 比特翻转攻击 高可靠软件[31,61]、硬件设计[62] 抵抗比特翻转攻击 缺乏卫星间数据一致性保障
固件入侵 星载固件平台[26]、漏洞挖掘 支撑协议修复、漏洞补丁 仿真测试场景和覆盖率待进一步扩展
数据传输阶段 信号干扰 抗干扰技术[63-64] 有效规避干扰信号 难抵抗多模式组合干扰
拒绝服务攻击 异常流量检测[68] 有效防御拒绝服务攻击 通信开销增大
中间人攻击、
欺骗/重放攻击		 抗量子密码技术[65] 有效防御中间人、欺骗和重放攻击 性能和实用性有待提升
认证机制[66] 需要额外的无人机协助
路由攻击 安全路由机制[69] 有效防御路由攻击 通信时延增大
数据智能处理
阶段		 数据投毒攻击 数据投毒防御机制[71] 有效抵御投毒数据影响 模型计算开销大
模型逆向攻击 隐私保护的机器学习[56,72-73] 提升数据隐私保护能力 计算开销大或效用下降
模型后门攻击 后门攻击防御方法[74] 提升防御后门攻击能力 前沿攻击效果显著下降
数据服务阶段 数据违规出境 分级分类、合规性检测 提升数据隐私保护能力 缺乏相应标准
共谋攻击 共谋防御机制[76] 抵御共谋攻击 需要恶意节点历史数据
数据关联攻击 隐私保护的数据聚合机制[77] 支撑聚合数据隐私保护 计算开销待进一步降低

5.1 数据感知阶段安全防范机制

在数据感知阶段，为缓解感知数据被恶意篡改或伪造对数据质量的影响，现有解决方案主要从数据质量评估和虚假数据检测角度考虑数据安全防范机制。
（1）数据质量评估。现有研究方案利用数据质量评估技术，以选择高质量的感知数据做后续的处理。例如，Wei等[52]利用夏普利值这一概念作为评估数据质量的指标。
（2）虚假数据检测。目前大多数虚假数据检测方法，受限于真实可用的数据集，常采用生成对抗网络生成假的图像数据，然后利用卷积神经网络识别虚假图像数据[53-54]。最近，Zhao等[27]构建了第一个假卫星图像数据集。基于此数据集，GeoDefakeHop模型[55]探索了真实和虚假数据在不同通道的响应差异并识别最具判别性的通道，以此来检测虚假卫星图像数据，结果表明该模型的F1分数达到了95%。
针对数据过度采集和系统故障，数据隐私保护、审计和容错机制分别是上述问题常用的解决方案。
（1）数据隐私保护技术。现有的数据隐私保护技术主要分为以下两类：差分隐私[56]和匿名化技术。然而，匿名化技术无法提供有效依据来证明其隐私保护的水平，因此，在有效控制数据隐私保护水平的灵活性上受限。差分隐私技术可以实现较强的隐私保护能力，但会带来数据质量下降。因此，如何有效兼顾数据质量和隐私保护是一个有待进一步研究的问题。
（2）采集数据审计。对采集数据的合规性进行审计，以有效避免不合规的数据被采集、存储以及后续的应用服务中。区块链智能合约等技术[57]是常用的数据审计手段。例如，Dagher等[58]将日志和日志完整性证据写入区块链，防止日志数据被删除和篡改。
（3）容错机制。容错机制主要体现在自动将损坏或丢失的数据恢复。目前常见的多副本容错机制[59]，其通过将原始数据的多个副本存储在不同的卫星上，提高存储系统的可靠性。

5.2 数据存储阶段安全防范机制

为缓解恶劣太空环境带来的数据完整性破坏问题，现有主要的解决思路如下：
（1）高可靠的软件设计。针对模型比特翻转问题，现有解决思路旨在设计面向神经网络的单/多粒子翻转容错方法[31,60]。这些方法具有防御比特翻转攻击的能力，可以提升受比特翻转攻击干扰下神经网络的准确度。针对数据比特翻转问题，宋琪等[61]提出了综合应用汉明编译码、Reed-Solomon（RS）编译码、低密度奇偶校验码编码等数据检纠错技术，增强存储器管理信息、存储数据的容错性能。
（2）高可靠硬件设计。FPGAs（field programmable gate arrays）硬件因其高性能和灵活性被广泛应用于低轨卫星。为增强FPGAs硬件应对恶劣太空环境的可靠性，现有研究设计了三模冗余技术（Triple Module Redundancy，TMR）和定时刷新等机制以缓解比特翻转故障[62]。
为增强星载固件的数据安全防护能力，现有的主要解决思路具体如下：
（1）星载固件仿真平台。星载固件的研究常面临诸多挑战，包括设备成本高昂、硬件调试复杂以及数据获取困难等。为了解决这些问题，建立星载固件仿真平台显得尤为重要。这一平台不仅帮助科研人员更深入地理解卫星的内部结构和运作原理，也极大地方便了对星载固件进行模糊测试和安全评估。目前，市面上常用的仿真软件，如Quick EMUlator（QEMU）[26]，为星载固件模拟和分析提供了有效工具。
（2）固件漏洞挖掘。固件漏洞主要分为两类：一类是软件组件漏洞，如内存损坏漏洞[26]；另一类是系统内部协议的漏洞。挖掘固件漏洞有助于及时发现卫星系统和终端设备中的潜在安全问题，为后续卫星星载固件及终端设备的加固工作提供重要依据。这包括协议修复、漏洞补丁等，从而增强星载和终端固件的防御能力，提高其抵抗攻击的能力。

5.3 数据传输阶段安全防范机制

为对应天地一体化算网融合网络架构中开放和动态的通信链路，成功抵抗干扰、欺骗、重放等攻击手段，现有增强通信链路安全性的主要解决思路如下：
（1）抗干扰技术。目前主流的抗干扰技术主要包括以下5种[63]，以减少或避免信号干扰的影响。
1）扩频抗干扰技术：核心思想是扩展信号的带宽。这一技术通过增加信号的频谱宽度，使得信号在经过扩展后的带宽中，与原始信号相比，拥有更宽广的频率范围。这样的频谱扩展有效减少了干扰信号在该频带内可能造成的破坏。
2）跳频抗干扰技术：通过快速切换信号的频率，使攻击者无法锁定正确的频率，以提升信号抗干扰能力。
3）限幅与线性化抗干扰技术：通过对信号进行限幅和线性化处理，将信号的幅度控制在一个合适的范围内，使其在受到干扰时仍然保持原有信号形状和大小。
4）编码调制抗干扰技术：通过对信号进行编码和调制，将信号转换为一种特定的不易被篡改或干扰的编码形式，使其在受到干扰后仍然能正确解码。
5）基于人工智能的抗干扰技术：利用人工智能技术自动识别和防御干扰，以保护传输的信息安全。例如，Popper等[64]提出了一种非协调的扩频技术，它能够在不共享密钥的情况下实现通信的抗干扰能力。Abdalla等[65]提出了一种基于节点协作的响应式干扰检测机制，利用无人机的三维传感覆盖能力，增强基于地面射频的干扰检测和定位。
（2）抗量子密码技术。量子技术快速发展给传统星载密码组件带来了前所未有的安全挑战。面对这一挑战，能够抵御量子计算攻击的抗量子密码技术正日益受到广泛关注。例如，QuSecure公司下QuProtect软件，宣称具备强大的量子计算攻击防护能力，并已被成功部署于Starlink卫星网络[66]。
（3）认证机制。现有研究通过利用认证机制来防范通信链路中的欺骗等攻击。例如，文献[65]提出了一种基于无人机辅助的认证方法，旨在缓解5G网络面临的安全威胁。具体来说，该方法首先利用无人机建立一个安全的区域，通过向该区域周围传播人工噪声，以掩盖用户信号的方式防御窃听攻击。其次，还提出了基于无人机的双重身份验证机制，其通过无人机侦察新节点的设备信息，如精确的位置信息、通道状态等，为认证提供有价值的信息。此外，天地一体化算网融合拓扑高度时变等特点，导致用户设备频繁的切换和重新认证，严重影响用户的网络体验。因此，面向天地一体化算网融合，构建轻量的认证协议，以缓解重复认证问题和认证所需的通信成本是必要的。具体来说，Liu等[67]提出了一种具有匿名性和可追溯的接入认证协议，减少通信延迟。还提出了一种分组密钥分发机制以实现不同终端设备组之间的跨域切换认证，避免重复认证。
（4）拒绝服务攻击防御方法。现有的拒绝服务攻击防御方法通常根据部署的位置分为基于源、基于目的、基于网络和混合的方法[68]。此外，最新的一些研究采用分布式的框架来防御拒绝服务攻击，其更具可扩展性且计算成本低[68]。具体来说，Guo等[68]首先提取六项入口网络流量摘要信息和防御平面摘要信息（包含不同DDoS攻击的多维特征）。其次，提出了基于区块链的虚拟聚合框架，其利用MapReduce对流量状态和安全状态进行统计分析。然而，上述分布式解决思路带来了高的通信开销，因此，如何平衡防御效率同时最小化通信开销有待进一步探索。
（5）安全路由机制。与其他攻击相比，路由攻击更加具有破坏性和隐蔽性，其不仅可以拦截报文，还可以篡改路由信息，增加路由控制成本，甚至导致网络崩溃。因此，构建鲁棒路由协议来保障路由数据的可用性、完整性是必要的。具体来说，Li等[69]提出了一种基于节点信任的低轨卫星网络安全路由算法，其将低开销OPSPF（orbit prediction shortest path first）路由协议与基于分布式的信任评估模型相结合，通过及时检测和绕过卫星网络中恶意节点，可以减少内部攻击造成的恶意丢包的影响，同时通信延迟开销在可接受的范围内。仿真结果表明，与OPSPF相比，该算法分组投递率平均提高27%，丢包率平均降低70%。

5.4 数据智能处理阶段安全防范机制

为应对智能模型自身的安全风险，以及模型在开放环境部署时面临的恶意攻击，保护模型安全和数据隐私，现有的主要解决思路如下：
（1）数据投毒防御机制。目前防御数据投毒攻击的主要技术手段是正则化和集成学习方法。例如，Biggio等[70]使用正则化技术，将标签空间校正，以降低攻击者修改训练标签产生的影响。Levine等[71]提出了一种基于集成学习的可证明投毒攻击防御方法，该方法首先利用哈希函数对数据进行分区，然后在每个数据分区内独立训练特定的分类器。通过这种方式，可以降低投毒攻击对整个集成学习分类器性能的影响，从而提高对投毒攻击的防御能力。
（2）隐私保护的机器学习。为保护机器学习模型训练过程中训练数据的隐私，目前主流的隐私保护技术有：差分隐私[56]、同态加密[72]和安全多方计算[73]等。例如，差分隐私技术旨在通过在模型训练过程中给模型参数、梯度、输出等添加噪声扰动，以保护训练数据隐私。然而，上述技术手段存在计算开销高或可能会带来模型效用下降。此外，考虑到卫星上计算资源受限，需要进一步深入研究轻量化的模型设计，以实现在保护隐私的同时，保证模型的效用。
（3）后门攻击防御方法。在天地一体化算网融合框架下，由于模型训练过程不可控，卫星系统中使用的定制化智能模型可能在部署到卫星系统之前被注入后门[21]。因此，模型部署后的后门检测和移除技术变得至关重要。目前，主流的解决思路是利用后门模型参数的特定属性或特征空间的特性，来识别并去除隐藏的后门。例如，FP（fine-pruning）通过观察到某些神经元对恶意样本的激活反应，以及另外一些神经元对正常样本的激活反应，来发现和移除后门[74]。

5.5 数据服务阶段安全防范机制

为应对数据服务阶段的数据安全风险，防范重要或敏感数据出境，重点在于先对数据进行细粒度的分级、分类，再对数据流转过程中的合约性进行检测。
（1）细粒度数据分级分类。在天地一体化算网融合系统下，对流转的数据实施分级和分类管理，旨在明确数据范围、属性或业务类型，并对数据泄露或损害后可能对各方合法权益造成的危害程度进行风险评估和危害定级。
（2）流转数据合规检测。依据政策法规和数据分级分类规则，结合人工智能等技术，构建流转数据合规检测机制，这将有利于识别不合规的数据流转，以确保数据的安全性和合规性。
为抵抗共谋攻击和数据关联攻击，现有增强数据安全性的手段如下：
（1）共谋防御机制。目前防御共谋攻击的手段主要集中在博弈防范、聚类、引入半可信实体等方面[75]。例如，张海波等[76]提出了一种基于模糊评价的密度聚类方法来检测共谋节点。这种方法通过基于改进的密度聚类算法，能够识别出高达90%的共谋恶意节点。
（2）隐私保护的数据聚合机制。在多方数据服务场景中，数据聚合可能会引发隐私泄露问题。为应对这一挑战，现有的数据聚合机制主要通过集成隐私保护技术，以确保在多方数据聚合服务中的数据隐私保护。例如，Zhao等[77]设计了基于半同态加密的隐私保护的数据聚合方案，其能抵抗多种隐私窃取攻击。

6 未来的数据安全研究方向

目前，天地一体化算网融合正在快速发展阶段，应持续关注其下的数据安全挑战，积极应对不断演变的安全威胁，并探索以下几个可能的发展方向。
（1）高可靠分布式存储技术。在天地一体化算网融合背景下，星载存储系统的可靠性面临多重挑战，如恶劣太空环境和卫星设备故障。现有技术往往聚焦单一因素，且由于卫星计算和存储资源有限，难以有效应对多变的太空环境和日益增长的存储需求。因此，探索一种兼具更高存储容量、更强容错能力和更优故障恢复性能的轻量化、分布式的存储技术，对于完善天地一体化算网融合技术，具有重要意义。
（2）星地/星间一体化的通信认证技术。天地一体化算网融合网络存在网络拓扑动态时变、节点频繁进出、接入设备类型多等特点。现有认证技术通常仅考虑单一场景下的认证机制，未同时考虑终端差异性、终端随意切换、卫星动态组网带来的安全需求。因此，研究星地/星间一体化的通信认证技术，保障星地、星间及异构终端接入的安全性，也是重要的研究课题。
（3）隐私感知的数据并行分发技术。在天地一体化算网融合的众多应用场景中，对数据分发的实时性有着极高的要求。为此，构建一种基于数据并行处理的快速分发机制显得尤为必要。但是，这种并行分发方式，增加了隐私相关的数据经过高风险区域的概率，存在严峻的隐私泄露风险。因此，研究一种新的数据分发机制，既能有效保护数据隐私，又能确保数据分发的效率，显得尤为迫切。理想的新机制应该能够智能识别并规避敏感或重要的数据经过高风险区域，同时确保数据能够迅速地分发到目的地。
（4）遥感多模态模型安全。现有研究常整合多模态遥感数据来提升遥感信息的准确性。然而，遥感多模态模型在训练过程中需要涉及多个模态的数据输入，这使得模型在面临后门攻击时，其攻击触发的条件更为复杂，检测难度也随之增加。因此，增强遥感多模态模型对后门攻击的鲁棒性，也是值得关注的。
（5）大模型、区块链赋能的数据全周期审计。目前的数据审计手段，存在审计效率低、更新不及时、审计数据质量有待提升等问题。为了解决上述问题，可以利用大模型技术助力，对大量的数据采集行为和流转行为数据进行快速分析和处理，提高审计的准确度和实时性。同时，利用区块链技术实现数据的全生命周期管理，确保数据全生命周期的可追溯和一致性。
综合考虑上述技术方向，构建一个全面而完善的天地一体化算网融合安全防护体系至关重要。该体系将有力保障数据安全，支撑天地一体化算网融合系统的稳定运行，并为其持续、健康地发展打下坚实基础。

7 结束语

随着星载业务量的激增和应急救灾业务的日益常态化，天地一体化算网融合的重要性日益凸显，它能够确保关键业务的及时处理和数据的即时传输，满足当前和未来业务对高效性和实时性的需求。互联网与卫星技术的深度融合，以及感知、通信和计算能力的集成，进一步推动了天地一体化算网融合系统中数据吞吐量的快速增长。然而，随着天地一体化算网融合架构的广泛应用，其面临的数据安全威胁也日益严峻，这在一定程度上制约了该技术的广泛应用和推广。为此，本文归纳了天地一体化算网融合的未来架构、关键技术和应用，并深入分析了这一背景下数据的关键特征和所面临的安全风险。同时，探讨了潜在的风险防范机制，并对未来的数据安全研究方向进行了展望，以期为后续相关研究提供有价值的参考。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
Space Exploration Holdings, LLC. SpaceX non-geostationary satellite system,modification on satellite space station filing[R]. Washington:Space Exploration Holdings,2019.

2
Kuiper Systems, LLC. Application of Kuiper systems LLC for authority to launch and operate a non-geostationary satellite orbit system in Ka-band frequencies[R]. Washington:Kuiper Systems,2019.

3
AL HOMSSI B, AL-HOURANI A, WANG K, et al. Next generation mega satellite networks for access equality: Opportunities, challenges, and performance[J]. IEEE Communications Magazine, 2022, 60 (4): 18- 24.

DOI

4
颜军,唐芳福,张志国,等. 异构多核人工智能 SoC 芯片的低功耗设计[J]. 航天控制,2020,38(2):62-68.

YAN J,TANG F F,ZHANG Z G,et al. Low-power design for heterogeneous multi-core AI SoC chip [J] Aerospace Control,2020,38(2):62-68.

5
虞志刚, 冯旭, 戴天, 等. 空间边缘计算: 需求、架构及关键技术[J]. 电子与信息学报, 2022, 44 (12): 4416- 4425.

DOI

YU Z G, FENG X, DAI T, et al. Space edge computing: Requirement, architecture and key technique[J]. Journal of Electronics & Information Technology, 2022, 44 (12): 4416- 4425.

DOI

6
中国通信学会. 通感算一体化网络前沿报告[R]. 北京:中国通信学会,2021.

China Institute of Communications. Frontier report on integrated sensing,communication,and computing networks [R]. Beijing:China Institute of Communications,2021.

7
邓平科, 张同须, 施南翔, 等. 星算网络——空天地一体化算力融合网络新发展[J]. 电信科学, 2022, 38 (6): 71- 81.

DENG P K, ZHANG T X, SHI N X, et al. Computing satellite networks—the novel development of computing-empowered space-air-ground integrated networks[J]. Telecommunications Science, 2022, 38 (6): 71- 81.

8
LYU M,WU Q,LAI Z,et al. Falcon:Towards fast and scalable data delivery for emerging earth observation constellations[C]//IEEE INFOCOM 2023-IEEE Conference on Computer Communications. IEEE,2023:1-10.

9
LI Y, WANG M, HWANG K, et al. LEO satellite constellation for global-scale remote sensing with on-orbit cloud AI computing[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2023, 16, 9796- 9808.

10
李贺武, 吴茜, 徐恪, 等. 天地一体化网络研究进展与趋势[J]. 科技导报, 2016, 34 (14): 95- 106.

LI H W, WU Q, XU K, et al. Progress and tendency of space and earth integrated network[J]. Science & Technology Review, 2016, 34 (14): 95- 106.

11
PULLIAM J,ZAMBRE Y,KARMARKAR A,et al. TSAT network architecture[C]//MILCOM 2008- 2008 IEEE Military Communications Conference. IEEE,2008:1-7.

12
ZHU B, LIN S, ZHU Y, et al. Collaborative hyperspectral image processing using satellite edge computing[J]. IEEE Transactions on Mobile Computing, 2023, 23 (3): 2241- 2253.

13
Hewlett Packard Enterprise. Accelerating space exploration with the spaceborne computer [EB/OL]. (2023-05-10) [2024-06-25]. https://www.hpe.com/us/en/newsroom/Accelerating-space-exploration-with-the-Spaceborne-Computer.html.

14
RODRIGUES T K, KATO N. Hybrid centralized and distributed learning for MEC-equipped satellite 6G networks[J]. IEEE Journal on Selected Areas in Communications, 2023, 41 (4): 1201- 1211.

DOI

15
CHEN Y,LIU J,ZHAO J,et al. Hermes:Fast semi-asynchronous federated learning in LEO constellations[C]//2024 IEEE Wireless Communications and Networking Conference (WCNC). IEEE,2024:1-6.

16
虞志刚, 冯旭, 黄照祥, 等. 通信, 网络, 计算融合的天地一体化信息网络体系架构研究[J]. 电信科学, 2022, 38 (4): 11- 29.

DOI

YU Z G, FENG X, HUANG Z X, et al. Research on the architecture of space-ground integrated information network: integration of communication, networking and computing[J]. Telecommunications Science, 2022, 38 (4): 11- 29.

DOI

17
张嘉毅. 2023年“星链”系统发展回顾 [EB/OL]. (2023-12-12) [2024-06-25]. https://www.secrss.com/articles/61674.

ZHANG J Y. 2023 Review of the development of the 'Starlink' system [EB/OL]. (2023-12-12) [2024-06-25]. https://www.secrss.com/articles /61674.

18
RAMISH Z. Starlink download Races to 200 Mbps while traveling at 100 Km/h! [EB/OL]. (2021-12-21) [2024-06-25]. https://wccftech.com/starlink-download-races-to-200mbps-while-travelling-at-100-km-h/.

19
GIUFFRIDA G, FANUCCI L, MEONI G, et al. The Φ-Sat-1 mission: The first on-board deep neural network demonstrator for satellite earth observation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021, 60, 1- 14.

20
JIA Z, SHENG M, LI J, et al. LEO-satellite-assisted UAV: Joint trajectory and data collection for internet of remote things in 6G aerial access networks[J]. IEEE Internet of Things Journal, 2020, 8 (12): 9814- 9826.

21
GUO H, LI J, LIU J, et al. A survey on space-air-ground-sea integrated network security in 6G[J]. IEEE Communications Surveys & Tutorials, 2021, 24 (1): 53- 87.

22
YAHIA O B, ERDOGAN E, KURT G K, et al. Optical satellite eavesdropping[J]. IEEE Transactions on Vehicular Technology, 2022, 71 (9): 10126- 10131.

DOI

23
XU Y, REN J, ZHANG Y, et al. Blockchain empowered arbitrable data auditing scheme for network storage as a service[J]. IEEE Transactions on Services Computing, 2019, 13 (2): 289- 300.

24
刘强,李桐,于洋,等. 面向可穿戴设备的数据安全隐私保护技术综述[J]. 计算机研究与发展,2018,55(1):14-29.

LIU Q,LI T,YU Y,et al. Data security and privacy preserving techniques for wearable devices:A survey[J]. Journal of Computer Research and Development,2018,55(1):14-29.

25
谷欣, 单超, 孙才俊, 等. 卫星互联网安全风险及应对措施分析[J]. 天地一体化信息网络, 2024, 5 (1): 95- 101.

GU X, SHAN C, Sun C J, et al. Analysis of security risks and countermeasures in satellite internet[J]. Space-Integrated-Ground Information Networks, 2024, 5 (1): 95- 101.

26
WILLBOLD J,SCHLOEGEL M,VÖGELE M,et al. Space odyssey:An experimental software security analysis of satellites[C]//2023 IEEE Symposium on Security and Privacy (SP). IEEE,2023:1-19.

27
ZHAO B, ZHANG S, XU C, et al. Deep fake geography? When geospatial data encounter Artificial Intelligence[J]. Cartography and Geographic Information Science, 2021, 48 (4): 338- 352.

DOI

28
谷歌地图收集用户隐私?这何尝不是一个机遇! [EB/OL]. (2023-04-19) [2024-06-25]. https://www.sohu.com/a/668241752_121699277.

Google Maps collecting user privacy? this could be an opportunity! [EB/OL]. (2023-04-19) [2024-06-25]. https://www.sohu. com/a/6682 41752_121699277.

29
FreeBuf. 太空基础设施安全:网络安全最前沿[EB/OL]. (2018-02-19) [2024-06-25]. https://cloud. tencent.com/developer/article/1040793.

FREEBUF. Space Infrastructure Security:The frontier of cybersecurity[EB/OL]. (2018-02-19) [2024-06-25]. https://cloud.tencent.com/developer/ article/104 0793.

30
CAMURATI G,FRANCILLON A. Noise-SDR:Arbitrary modulation of electromagnetic noise from unprivileged software and its impact on emission security[C]//2022 IEEE Symposium on Security and Privacy (SP). IEEE,2022:1193-1210.

31
WANG J,ZHANG Z,WANG M,et al. Aegis:Mitigating targeted bit-flip attacks against deep neural networks[C]//32nd USENIX Security Symposium (USENIX Security 23). 2023:2329-2346.

32
南方网. 首颗配“大脑”卫星升天拟解决在轨计算难题[EB/OL]. (2022-01-13) [2024-06-25]. https://economy.southcn.com/node_cb23dd459e/3171a19f53.shtml.

SOUTHCN. First satellite equipped with 'Brain' launched to solve on-orbit computing challenges [EB/OL]. (2022-01-13) [2024-06-25]. https://econo my.southcn.com/node_cb23dd459e/3171a19f53.shtml.

33
首批针对星链卫星网的攻击手法曝光:篡改接入终端执行任意代码[EB/OL]. (2022-08-12) [2024-06-25]. https://www. secrss.com /articles/45788.

First batch of attack techniques targeting starlink satellite network exposed:Tampering with access terminals to execute arbitrary code[EB/OL]. (2022-08-12) [2024-06-25]. https://www.secrss. com /articles/45788.

34
XUE N,NIU L,HONG X,et al. Deepsim:GPS spoofing detection on uavs using satellite imagery matching[C]//Proceedings of the 36th Annual Computer Security Applications Conference. 2020:304-319.

35
李凤华,殷丽华,吴巍,等. 天地一体化信息网络安全保障技术研究进展及发展趋势[J]. 通信学报,2016,37(11):156-168.

LI F H,YIN L H,WU W,et al. Research status and development trends of security assurance for space-ground integration information network[J]. Journal on Communications,2016,37(11):156-168.

36
环球时报. 英国防相专机被干扰,“导航战”曝光?[EB/OL]. (2024-03-19) [2024-06-25]. https://app. xinhuanet.com/news/article.html?articleId=ac8d444d5ce4f200554a73f742809948.

GLOBAL T. UK Defense Secretary's aircraft interfered with,'Navigation Warfare' exposed? [EB/OL]. (2024-03-19) [2024-06-25]. https://app.xinhuanet.com/news/article.html?articleId=ac8d444d5ce4f200554a73f742809948.

37
YUE P,AN J,ZHANG J,et al. Low earth orbit satellite security and reliability:Issues,solutions,and the road ahead[J]. IEEE Communications Surveys & Tutorials,2023.

38
大数据文摘. 黑客“劫持”了一颗卫星,用它直播黑客大会和放电影,并且还完全合法?[EB/OL]. (2022-08-19) [2024-06-25]. https://36 kr.com/p/1878007580675462.

BIGDATADIGEST. Hackers 'Hijacked' a satellite to live stream a hacking conference and play movies,and it was completely legal[EB/OL]. (2022-08-19) [2024-06-25]. https://36kr.com/p/1878007580675462.

39
ADLab. 乌克兰卫星电视系统攻击事件安全分析[EB/OL]. (2024-05-21) [2024-06-25]. https://www.secrss.com/articles/66320.

ADLab. Security analysis of the Ukrainian satellite TV system attack incident [EB/OL]. (2024-05-21) [2024-06-25]. https://www.secrss.co m/articles/66320.

40
来自星星的危险:针对卫星通信链路的安全研究[EB/OL]. (2019-11-12) [2024-06-25]. https://www.secrss.com/articles /15016.

Danger from the stars:Security research on satellite communication links[EB/OL]. (2019-11-12) [2024-06-25]. https://www.secrss.com/articles/15016.

41
HE D, CHAN S, GUIZANI M. Communication security of unmanned aerial vehicles[J]. IEEE Wireless Communications, 2016, 24 (4): 134- 139.

42
SALKIELD E,BIRNBACH S,KOHLER S,et al. Firefly:spoofing Earth observation satellite data through radio overshadowing[C]//Usenix Network and Distributed System Security Symposium 2023. Internet Society,2023.

43
俄乌冲突中卫迅KA-SAT遭受网络攻击情况分析[EB/OL]. (2022-07-08) [2024-06-25]. http://www.360doc.com/content/22/0708/12/36246689_1039068423.shtml.

Analysis of cyber attacks on viasat KA-SAT during the Russo-Ukrainian conflict [EB/OL]. (2022-07-08) [2024-06-25]. http://www.360.doc.com/content/22/0708/12/36246689_1039068423.shtml.

44
CHEN S,KAHLA M,JIA R,et al. Knowledge-enriched distributional model inversion attacks [C]//Proceedings of the IEEE/CVF International Conference on Computer Vision. 2021:16178-16187.

45
YE Z, LUO W, NASEEM M L, et al. C2FMI: Corse-to-fine black-box model inversion attack[J]. IEEE Transactions on Dependable and Secure Computing, 2024, 21 (3): 1437- 1450.

DOI

46
SABBIR A,RANYANG Z,SHAAHIN A,et al. Deep-TROJ:An inference stage Trojan insertion algorithm through efficient weight replacement attack[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision. 2024:24810-24819.

47
LI Y,LI Y,WU B,et al. Invisible backdoor attack with sample-specific triggers[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision. 2021:16463-16472.

48
DOAN K, LAO Y, LI P. Backdoor attack with imperceptible input and latent modification[J]. Advances in Neural Information Processing Systems, 2021, 34, 18944- 18957.

49
SpaceX星链的商业化启示[EB/OL]. (2019-08-02) [2024-06-25]. https://m.thepaper.cn/kuaibao_detail.jsp?contid=4068385&from=kuaibao.

The Commercialization insights of SpaceX's star-link. [EB/OL]. (2019-08-02) [2024-06-25]. https://m.thepaper.cn/kuaibao_detail.jsp?contid=4068385&from=kuaibao.

50
ZHOU T, CAI Z, WU K, et al. FIDC: A framework for improving data credibility in mobile crowdsensing[J]. Computer Networks, 2017, 120, 157- 169.

DOI

51
HU L,SHAHABI C. Privacy assurance in mobile sensing networks:Go beyond trusted servers[C]//2010 8th IEEE International Conference on Pervasive Computing and Communications Workshops (PERCOM Workshops) . IEEE,2010:613-619.

52
WEI S,TONG Y,ZHOU Z,et al. Efficient and fair data valuation for horizontal federated learning[J]. Federated Learning:Privacy and Incentive,2020:139-152.

53
WANG S Y,WANG O,ZHANG R,et al. CNN-generated images are surprisingly easy to spot.. for now[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020:8695-8704.

54
NATARAJ L, MOHAMMED T M, CHANDRASEKARAN S, et al. Detecting GAN generated fake images using co-occurrence matrices[J]. arXiv preprint arXiv:, 1903, 06836, 2019.

55
CHEN H S,ZHANG K,HU S,et al. Geo-defakehop:high-performance geographic fake image detection[J]. APSIPA Transactions on Signal and Information Processing,13(3):1-26.

56
GHAZI B, GOLOWICH N, KUMAR R, et al. Deep learning with label differential privacy[J]. Advances in neural information processing systems, 2021, 34, 27131- 27145.

57
周振邦. 大数据与云计算的安全问题及解决思路分析[J]. 科技传播,2019(6):155-156.

ZHOU Z B,Analysis of security issues and solutions in big data and cloud computing[J]. Science and Technology Communication,2019(6):155-156.

58
DAGHER G G, MOHLER J, MILOJKOVIC M, et al. Ancile: Privacy-preserving framework for access control and interoperability of electronic health records using blockchain technology[J]. Sustainable Cities and Society, 2018, 39, 283- 297.

DOI

59
黄纯悦,彭起,张拂晓,等. 多副本分布式事务处理关键技术及典型数据库系统综述[J]. 软件学报,2023,35(1):455-480.

HUANG C Y,PENG Q,ZHANG F X,et al. Survey on Key Techniques of multi-replica distributed Transaction processing and representative database Systems[J]. Journal of Software,2024,35(1):455-480.

60
钱欢, 谢卓辰, 梁旭文. 基于 dropout 算法的卷积神经网络单粒子翻转容错方法[J]. 中国科学院大学学报, 2021, 38 (5): 712.

DOI

QIAN H, XIE Z C, LIANG X W. Single-event upsets fault tolerance of convolutional neural networks based on dropout algorithm[J]. Journal of University of Chinese Academy of Sciences, 2021, 38 (5): 712.

DOI

61
宋琪, 邹业楠, 李姗, 等. 卫星固态存储器数据容错设计与机制[J]. 国防科技大学学报, 2016, 38 (1): 101- 106.

DOI

SONG Q, ZOU Y N, LI S, et al. Design and mechanism of the fault tolerance of solid state recorder[J]. Journal of National University of Defense Technology, 2016, 38 (1): 101- 106.

DOI

62
ZHANG N, FENG J, ZHANG P, et al. Parallel doubly fed symbol timing recovery algorithm and FPGA implementation for burst broadband satellite access[J]. IEEE Transactions on Very Large Scale Integration （VLSI） Systems, 2023, 31 (12): 2102- 2111.

DOI

63
王华平. 卫星通信抗干扰技术及其发展趋势[J]. 电子通信与计算机科学,2024,6(2):48-50.

WANG H P,Satellite communication anti-jamming technology and its development trends[J]. Electronic Communication and Computer science,2024,6(2):48-50.

64
POPPER C, STRASSER M, CAPKUN S. Anti-jamming broadcast communication using uncoordinated spread spectrum techniques[J]. IEEE Journal on Selected Areas in Communications, 2010, 28 (5): 703- 715.

DOI

65
ABDALLA A S, POWELL K, MAROJEVIC V, et al. UAV-assisted attack prevention, detection, and recovery of 5G networks[J]. IEEE Wireless Communications, 2020, 27 (4): 40- 47.

DOI

66
美国实现首个实时、端到端抗量子加密通信星链[EB/OL]. (2023-03-11) [2024-06-25]. https://www.secrss.com/articles/52687.

The united states achieves the first real-time,end-to-end quantum-resistant encrypted communication starlink [EB/OL]. (2023-03-11) [2024-06-25]. https://www.secrss.co m/articles/52687.

67
LIU Y, NI L, PENG M. A secure and efficient authentication protocol for satellite-terrestrial networks[J]. IEEE Internet of Things Journal, 2022, 10 (7): 5810- 5822.

68
GUO W, XU J, PEI Y, et al. A distributed collaborative entrance defense framework against DDoS attacks on satellite internet[J]. IEEE Internet of Things Journal, 2022, 9 (17): 15497- 15510.

DOI

69
LI H, SHI D, WANG W, et al. Secure routing for LEO satellite network survivability[J]. Computer Networks, 2022, 211, 109011.

DOI

70
BIGGIO B,NELSON B,LASKOV P. Support vector machines under adversarial label noise[C]//Asian Conference on Machine Learning. PMLR,2011:97-112.

71
LEVINE A,FEIZI S. Deep partition aggregation:Provable defense against general poisoning attacks[C]//International Conference on Learning Representations (ICLR). 2021.

72
KIM D, GUYOT C. Optimized privacy-preserving cnn inference with fully homomorphic encryption[J]. IEEE Transactions on Information Forensics and Security, 2023, 18, 2175- 2187.

DOI

73
KNOTT B, VENKATARAMAN S, HANNUN A, et al. Crypten: Secure multi-party computation meets machine learning[J]. Advances in Neural Information Processing Systems, 2021, 34, 4961- 4973.

74
LIU K,DOLAN-GAVITT B,GARG S. Fine-pruning:Defending against backdooring attacks on deep neural networks[C]//International Symposium on Research in Attacks,Intrusions,and Defenses. Cham:Springer International Publishing,2018:273-294.

75
熊金波, 毕仁万, 田有亮, 等. 移动群智感知安全与隐私: 模型, 进展与趋势[J]. 计算机学报, 2021, 44 (9): 1949- 1966.

XIONG J P, BI R W, TIAN Y L, et al. Security and privacy in mobile crowdsensing: models, progresses, and trends[J]. Chinese Journal of Computers, 2021, 44 (9): 1949- 1966.

76
张海波,王大斌,王汝言,等. 车联网中基于模糊评价密度聚类的共谋节点检测方法[J]. 通信学报,2023,44(7):114-123.

ZHANG H B,WANG D B,WANG N Y. Collusion node detection method based on fuzzy evaluation density clustering in Internet of vehicles[J]. Journal on Communications,2023,44(7):114-123.

77
ZHAO S, LI F, LI H, et al. Smart and practical privacy-preserving data aggregation for fog-based smart grids[J]. IEEE Transactions on Information Forensics and Security, 2020, 16, 521- 536.

Options
Outlines

/

〈 〉

Website Copyright © Editorial Office of Journal of Cybersecurity.
Tel: 010-89061756/89061778　
E-mail：wlkjaqkxxb@caasse.cn
Powered by Beijing Magtech Co. Ltd,.

京ICP备16032046号-20