在模拟的汽车制造厂 OT 环境中,Claroty 完成 POC 任务!

S4 大会 首次设立 POC Pavilion

8 家供应商 不同试题 同场考验

2026年的S4大会首次设立POC Pavilion(概念验证展馆)。

由 Booz Allen 提供并运行 OT 环境。

模拟了一个汽车制造厂环境,涵盖制造自动化栈中的MES、SCADA、HMI、PLC。主要设备来自Inductive Automation、罗克韦尔自动化、西门子。

请见下方网络图:

POC Pavilion挑战 就像一场"技术大考":

8 家参展供应商,各自应对不同的"试题",在 OT 环境中安装安全产品、在展位展示解决方案,在舞台上进行演示,并现场回答主持人和观众的提问。

Claroty 应对的"试题":

如何获知 OT 环境中存在哪些网络资产,这些网络资产存在哪些漏洞,哪些措施能最有效地降低相关风险?

Claroty 是 唯一一家 使用动态发现 (Dynamic Discovery)达成目标的供应商

针对目标一(Objective 1),Claroty部署了**具有动态发现(Dynamic Discovery)功能的Claroty xDome。**Cyberworld科明大同 是 Claroty 的总代理商。

动态发现(Dynamic Discovery)方法包括:

  • 主动查询(active queries)实时资产

  • Claroty Edge 集成

凭借这一能力,Claroty在 3 小时内 完成了整个样本环境的资产清单编制。效率远超单纯依赖被动采集的方法。

成果亮点:

  • 整体可视化质量评分86分(满分100分);

  • 成功识别 80 多个设备

  • 30个OT资产被准确分类为PLC、HMI、工程工作站、SCADA系统。

  • 演示了可视化质量公式,强调如何通过Claroty CPS Library的高保真数据获得更优成果。

更值得一提的是,Cisco/Splunk、Elisity、ServiceNow、Frenos都使用了Claroty xDome部署来展示他们各自的应用场景。

Claroty 完美应答 2 道 "突发考题"

OT 环境并非只是罗克韦尔自动化、西门子的传感器、控制器、HMI、数据库,还存在一些意外挑战,迫使Claroty应对未知情况。

  • 6104端口突破,发现Monigear温度传感器

有两个此前从未见过的Monigear温度传感器。

虽然它们出现在规格表中,但其厂商对设备的MQTT通信进行了加密,任何被动采集方法都无法解析。

为此,Claroty购买设备进行研究,发现当其在本地子网通信时,会在6104端口以明文响应本地发现请求。

借助这一突破,Claroty Edge获得深度可视化,提取必要信息,成功发现了该设备。

  • 从消失到归来,发现Opto 22控制器

组织方在不同日期断开并重新连接Opto 22控制器,且未提前告知。

在它首次接入时,Claroty的动态发现(Dynamic Discovery)就识别出来。

之后断连,Claroty未能获取其详细信息。

Claroty预料它会再次出现,提前准备了一系列主动查询(active queries)。

果然,当它再次上线时,Claroty成功获取了包括工作固件版本(working firmware versions)在内的详细信息。

Claroty是唯一做到这一点的供应商,既能识别出Opto 22控制器,又能获取其详细信息。

Claroty 的深度可视化,帮助识别漏洞、明确行动优先级

通过动态发现(Dynamic Discovery)获得的深度可视化,Claroty清楚地了解网络中的资产情况,从而达成目标二(Objective 2)------全面且准确地识别漏洞和暴露情况、明确风险缓解措施的优先级。

Claroty的采集结果为漏洞检测提供了坚实基础:

  • 在OT环境中识别出168个漏洞

  • 其中6台核心设备存在严重的、可通过网络利用的漏洞;

  • 这些漏洞,已在真实环境中被黑客利用,设备仍与互联网保持活跃通信,风险暴露尤为严重。

基于深度可视化,Claroty提出了多项风险 缓解措施

  • 软件打补丁,修复已知漏洞;

  • 固件更新,提升设备安全性;

  • 禁用未使用服务的关键端口,减少攻击面;

  • 更新不安全配置,强化系统防护。

Claroty 在 POC Pavilion 验证实力,深度可视化+漏洞识别+风险缓解

Claroty在POC Pavilion的表现证明了:

  • **发现方法多:**主动查询(active queries)与 Edge 集成并行,突破被动采集的局限。

  • **发现速度快:**3 小时内完成资产清单,效率远超常规方式。

  • **发现深度强:**不仅能识别资产的名称、型号与类别(如 PLC 或 HMI),还能采集版本、序列号、机架槽位等关键信息。

  • **数据质量高:**采集的数据真实、准确、可信,可帮助快速识别漏洞、提供可按优先级采取的具体缓解措施。

相关推荐
南宫萧幕6 小时前
HEV能量管理控制算法实战:从MPC/RL理论基础到Simulink闭环建模
算法·matlab·汽车·控制·pid
天天爱吃肉82188 小时前
场地整车在环仿真测试系统及总线注入研究|新能源智驾研发硬核干货
大数据·人工智能·功能测试·嵌入式硬件·汽车
LONGZETECH10 小时前
新能源汽车专业升级|仿真教学软件科学布局指南
人工智能·物联网·架构·汽车·新能源汽车仿真教学软件
QYR-分析11 小时前
全球汽车微孔锂电铜箔市场分析及发展机遇
大数据·人工智能·汽车
千流出海11 小时前
亚太科技增资1,000万欧元,在丹麦投建铝制汽车零部件产线
汽车·投资·出海
谁似人间西林客11 小时前
工艺智能如何让制造企业实现质量与效率双提升?
制造
汽车仪器仪表相关领域11 小时前
Kvaser Memorator R SemiPro:双通道CAN总线记录仪,汽车与工业测试的高性价比之选
大数据·网络·人工智能·功能测试·汽车·安全性测试
天天爱吃肉821811 小时前
空间智能上车:新能源OEM决胜「第三空间」的底层技术革命|研发工程师深度解析
大数据·人工智能·嵌入式硬件·汽车
瑞璐塑业peek注塑11 小时前
精密注塑赋能机器人轻量化:PEEK复合材料关节模块壳体的降本制造
机器人·制造
三维频道11 小时前
3C电子制造破局:高精度蓝光3D扫描仪在形位公差分析中的应用
3d·制造·3c电子制造·新拓三维·xtom·形位公差分析·蓝光3d扫描仪