FLIP:FLexible IoT Path Programming Framework for Large-scale IoT
随着形成物联网结构的智能对象的快速增加，不可避免地会看到数十亿台设备连接在一起，形成大规模的物联网网络。物联网设备的快速增长导致了用户需求和网络复杂性的增加。以最佳的网络利用率和简单性从这些物联网设备收集大数据变得越来越具有挑战性。本文提出了一种面向大规模物联网的FLIP- Flexible IoT Path Programming Framework。FLIP的显著特点是它从用户需求的角度关注物联网结构，并使用SDN技术和DPI技术来有效地满足用户需求，并以自动化和分布式的方式在网络中建立数据路径。FLIP利用SDN结构，通过网内计算和自动化数据路径建立来优化网络利用率，同时隐藏网络复杂性。我们通过实验评估了我们的框架，结果表明，FLIP有潜力以自动化的方式满足用户的需求，优化网络利用率。
2019-10-18 cs.DC cs.NI
A Unified Framework for Context-Aware IoT Management and State-of-the-Art IoT Traffic Anomaly Detection
University of Notre Dame（圣母大学）
本文提出一个统一框架，将上下文驱动的大语言模型与微调异常检测模块相结合，用于物联网设备管理和流量异常检测，并通过评估验证其在真实部署中的准确性、可扩展性和适用性。
2024-12-19 cs.AI cs.NI
Content Delivery Latency of Caching Strategies for Information-Centric IoT
网内缓存是以信息为中心的网络（ICN）的一个核心方面。它可以在整个网络上快速分发内容，减轻内容制作者的压力，减少内容交付延迟。ICN已经成为物联网（IoT）中使用的一个有前途的候选者。然而，物联网设备在严格的限制下运行，最明显的是有限的内存。这意味着节点不能不加区别地缓存所有内容;相反，需要一种缓存策略来决定缓存哪些内容。此外，物联网空间中的许多应用程序对时间敏感;因此，需要找到一种缓存策略，以最大限度地减少内容请求和交付之间的延迟。在本文中，我们评估了一些ICN缓存策略，在物理测试床中使用物联网设备减少延迟和跳数。我们发现，网络的拓扑结构，从而用于生成转发信息的路由算法，有一个给定的缓存策略的性能上的显着影响。据我们所知，这是第一项关注ICN-IoT缓存中延迟效应的研究，同时使用真实的物联网硬件，也是第一项明确讨论路由算法，网络拓扑和缓存效应之间联系的研究。
2019-05-03 cs.NI
Communication Interface Identifier Protocol (CIIP): An Energy Efficient Protocol for smaller IoT Sensor
今天，我们可以很容易地使用交换式以太网、TCP/IP、高速广域网和高性能低成本计算机等技术。然而，为这些通信设计的协议是低效的或不节能的。灵巧家庭、智能电网、区块链、物联网（IoT）所有这些技术都在快速发展，更高的通信设施需要节能的以太网。由于控制器和网络设备使用大量的能量。层到层的通信使我们的通信方法更加复杂和昂贵。在这项工作中，我们提出了一个架构，这将使传感器设备与外界的通信更容易。我们提出的系统从TCP-IP通信中删除了某些层。我们使用了通信接口标识符协议（CIIP），可用于较小的物联网传感器。
2019-01-18 cs.NI
Hybrid Low-Power Wide-Area Mesh Network for IoT Applications
物联网（IoT）的最新进展使得能够使用IoT设备从不同环境收集数据汇集。然而，尽管低功耗通信技术的快速发展，物联网网络的部署仍然面临着许多挑战。在本文中，我们提出了一种混合，低功耗，广域网（LPWAN）结构，可以通过利用sub-GHz远程无线电和2.4 GHz短程无线电在物联网设备上实现广域通信覆盖和低功耗。具体来说，我们使用LoRa构建了一个低功耗网状网络，LoRa是一种物理层标准，可以使用自定义时分多址（TDMA）提供长距离（公里）点对点通信。此外，我们通过启用ANT（一种超低功耗、短距离通信协议）来扩展网状网络的功能，以满足密集设备部署中的数据汇集。第三，我们展示了混合网络的性能与两个现实世界的部署在普渡大学校园和大学拥有的农场。结果表明，这两种网络在成本、覆盖范围和功耗方面都比LoRaWAN等其他物联网解决方案具有更大的优势。
2020-06-22 cs.NI
A Comprehensive Review of Smart Cities Components, Applications, and Technologies Based on Internet of Things
智慧城市技术正在使城市更加有效，这是城市人口快速增长所必需的。随着先进的计量基础设施和其他数字技术的快速增长，智能城市已经变得更加智能，拥有高效的电子设备和基于物联网（IoT）的嵌入式传感器。本文全面回顾了智慧城市的概念及其组成部分和应用。此外，智能城市基础设施中使用的物联网技术和世界上一些实际实施的智能城市被称为示例性实施。一些开放的问题和未来的方向结束了文件。
2020-02-05 cs.NI
Embedded vs. External Controllers in Software-Defined IoT Networks
软件定义网络（SDN）提供的灵活且可编程的架构模型重新构想了现代网络。在强大的硬件和设备与控制器之间的高速通信的支持下，SDN提供了一种虚拟化控制功能并实现快速网络重新配置以响应动态应用需求的方法。然而，最近将SDN的集中式控制模型应用于物联网（IoT）的努力已经发现了由于嵌入式低功耗设备和位于IoT边缘的网络所面临的限制而带来的重大挑战。特别地，对骨干网络上的外部SDN控制器的依赖引入了性能瓶颈（例如，等待时间）。为此，我们主张通过直接在嵌入式硬件上引入轻量级SDN控制器来支持软件定义的物联网网络。我们首先探讨了物联网网状网络的两种流行的SDN实现，$μ$ SDN和SDN-WISE的性能，显示前者比后者有相当大的收益。因此，我们采用$μ$ SDN进行嵌入式与外部SDN控制器性能的研究。我们强调了嵌入式控制器的优势是如何随着网络规模的扩大而减少的，并量化了一个点，在这个点上，外部控制器应该用于更大的网络。
2021-06-06 cs.NI
A Clustering Strategy for Enhanced FL-Based Intrusion Detection in IoT Networks
针对物联网设备数据高度异构导致传统联邦学习入侵检测效果不佳的问题，提出一种基于熵的三层FL聚类架构，在CIC-ToN-IoT数据集上使F1分数提升达17%并减少训练轮数。
2023-07-26 cs.NI
Adaptive Meta-Aggregation Federated Learning for Intrusion Detection in Heterogeneous Internet of Things
Department of Computer Engineering and Information Technology, Razi University（拉齐大学计算机工程与信息技术系）
本文提出自适应元聚合联邦学习方法，用于提升异构物联网中的入侵检测性能，实验表明其在多个数据集上均优于现有方法。
2026-02-13 cs.NI
PatrIoT: IoT Automated Interoperability and Integration Testing Framework
随着当代物联网（IoT）市场的快速增长，已建立的系统引起了许多关于可靠性和潜在的关键集成缺陷的担忧。在本文中，我们提出了一个PatrIoT框架，旨在提供灵活的支持，以构建一个有效的物联网系统测试床，实现自动化的互操作性和集成测试。该框架允许从纯物理测试平台扩展到模拟环境，使用许多预定义的模块和元素来模拟物联网设备或部分测试基础设施。PatrIoT还包含一组参考示例测试床和几组用于智能街道用例的示例自动化测试。
2021-01-27 cs.NI cs.SE
Enhancing Critical Infrastructure Cybersecurity: Collaborative DNN Synthesis in the Cloud Continuum
针对关键基础设施在云连续体中的网络安全挑战，本文提出利用训练好的边缘云模型合成中心云模型的方法，以降低计算复杂性和保持入侵检测准确性，并通过与传统及协作技术对比验证其有效性。
2024-05-23 cs.CR cs.NI
Performance Optimization of Network Coding Based Communication and Reliable Storage in Internet of Things
物联网（IoT）正在迅速改变我们的日常生活。虽然新技术每天都在出现，并在这个快速发展的领域扩大其影响力，但许多经典理论仍然可以找到它们的位置。在本文中，我们研究了经典网络编码理论在物联网的两个重要组成部分中的重要应用，包括物联网核心网络，其中数据被感知和传输，以及分布式云存储，其中物联网核心网络生成的数据被存储。首先，我们在物联网核心网络中提出了一种自适应网络编码（ANC）方案，以提高传输效率。我们证明了该方案的有效性和性能优势，通过模拟现有的计划。接下来研究了网络编码在分布式云存储中的应用。接下来我们介绍了基于网络编码的分布式云存储中的最优存储分配问题，该问题的目的是在给定每个数据中心的失效概率$p$的情况下，寻找最可靠的分配方案，将$n$数据组件分配到$N$数据中心。在此基础上，提出了一种多项式时间最优存储分配（OSA）方案。理论分析和仿真结果均表明，OSA方案可以大大提高存储可靠性。
2017-03-09 cs.NI
Optimizing IoT and Web Traffic Using Selective Edge Compression
物联网（IoT）设备和应用正在生成和传送大量数据，并且数据汇集的速率正在快速增加。这些高通信量对于能量受限、数据受限的无线移动设备和联网传感器来说是一个挑战。压缩通常用于减少Web流量，节省能源，并使网络传输更快。但是，如果使用不当，压缩可能会损害性能。这项工作提出并评估机制，采用选择性压缩在网络的边缘，基于数据的特性和网络条件。这种方法（i）提高了物联网环境中网络传输的性能，同时（ii）节省了大量数据。我们证明了我们的库在固定和动态变化的网络条件下分别平均加速了2.18倍和2.03倍的网络传输。此外，它还提供一致的数据节省，将数据压缩到原始数据大小的19%。
2020-12-29 cs.NI cs.PF
Optimizing Server Load Distribution in Multimedia IoT Environments through LSTM-Based Predictive Algorithms
针对多媒体物联网数据激增导致的服务器过载问题，本研究在软件定义网络中结合LSTM预测算法与模糊系统优化服务器负载分布，有效提升了服务质量并降低了运营成本。
2025-05-30 cs.NI
Bandit-Based Charging with Beamforming for Mobile Wireless-Powered IoT Systems
本文针对移动无线供电物联网中的动态信道与实时充电约束，提出基于多臂老虎机的时空充电与波束赋形联合优化框架，并设计两种在线算法以逼近理论上界并自适应跟踪信道变化。
2025-08-16 cs.NI
Mist-Assisted Federated Learning for Intrusion Detection in Heterogeneous IoT Networks
针对异构物联网中数据异构和非独立同分布导致的入侵检测难题，提出Mist辅助的四层分层联邦学习框架，在TON-IoT数据集上实现98-99%准确率且保护隐私。
2025-10-31 cs.NI
Multi-Agent Collaborative Intrusion Detection for Low-Altitude Economy IoT: An LLM-Enhanced Agentic AI Framework
Jilin University（吉林大学）；Nanyang Technological University（南洋理工大学）；Edith Cowan University（伊迪丝科文大学）；the University of Technology Sydney（悉尼科技大学）；The University of Sydney（悉尼大学）；Tohoku University（东北大学）
本文提出一种基于大语言模型的多智能体协作入侵检测框架，用于提升低空经济物联网的安全性能，实验显示其在多个数据集上达到90%以上的分类准确率。
2026-01-25 cs.CR cs.NI
Feature Analysis for Machine Learning-based IoT Intrusion Detection
The University of Queensland（昆士兰大学）
物联网（IoT）网络已成为越来越有吸引力的网络攻击目标。强大的机器学习（ML）模型最近被用于实现网络入侵检测系统以保护物联网网络。为了成功训练这种ML模型，选择正确的数据特征至关重要，从而最大限度地提高检测精度和计算效率。本文综合分析了特征集在网络攻击检测中的重要性和预测能力。三个特征选择算法：卡方，信息增益和相关性，已被用来识别和排名数据的功能。将属性馈送到两个ML分类器：深度前馈和随机森林，以测量它们的攻击检测性能。实验评估考虑了三个数据集：UNSW-NB 15，CSE-CIC-IDS 2018和ToN-IoT，采用其专有的流格式。此外，还考虑了NetFlow格式的各个变体，即，NF-UNSW-NB15、NF-CSE-CIC-IDS2018和NF-ToN-IoT。实验性评估探讨了添加个别功能的边际效益。我们的研究结果表明，准确性最初增加迅速添加功能，但迅速收敛到最大值。这表明了一个显着的潜力，以减少入侵检测系统的计算和存储成本，同时保持接近最佳的检测精度。这在物联网系统中具有特别的相关性，通常具有有限的计算和存储资源。
2022-11-23 cs.CR cs.LG cs.NI
5G Networks and IoT Devices: Mitigating DDoS Attacks with Deep Learning Techniques
Al-Baha University（阿尔巴哈大学）
本文针对5G网络中物联网设备面临的DDoS攻击，应用CNN和FNN深度学习算法进行检测与缓解，在专门数据集上均达到99%的准确率，验证了深度学习在提升5G物联网安全性方面的潜力。
2023-11-12 cs.CR cs.LG cs.NI
Federated Learning-Driven Cybersecurity Framework for IoT Networks with Privacy-Preserving and Real-Time Threat Detection Capabilities
Western University（西安大略大学）
针对物联网网络中传统集中式安全方法难以平衡隐私保护与实时威胁检测的问题，提出联邦学习驱动的网络安全框架，利用本地模型训练、同态加密聚合及RNN异常检测，实现98%以上威胁检测准确率并降低20%资源消耗，提供可扩展隐私保护方案。
2025-02-14 cs.CR cs.LG cs.NI
Medium Access using Distributed Reinforcement Learning for IoTs with Low-Complexity Wireless Transceivers
Michigan State University（密歇根州立大学）
本文提出了一种基于分布式强化学习（RL）的框架，该框架可用于在具有低复杂度无线收发器的物联网网络中合成MAC层无线协议。所提出的框架不依赖于复杂的硬件功能，例如载波侦听及其相关的算法复杂性，这些功能在低成本和低能耗物联网设备的无线收发器中通常不受支持。在这个框架中，访问协议首先制定为马尔可夫决策过程（MDP），然后使用RL解决。一个分布式和多Agent RL框架被用作协议合成的基础。分布式行为使得节点独立地学习最优传输策略，而不必依赖于完整的网络级信息和其他节点行为的直接知识。节点学习最小化分组冲突，使得可以针对高于用于IoT设备的已知基准协议（诸如ALOHA）的负载条件获得和维持最佳吞吐量，而无需复杂的收发器。此外，观察到的节点能够学习最佳的行为在异构负载和网络拓扑条件的存在下。最后，所提出的学习方法允许无线带宽以不依赖于这种异质性的方式在网络节点之间公平地分布。通过仿真实验，本文展示了学习范式的性能和它的能力，使节点适应他们的最佳传输策略，在飞行中响应各种网络动态。
2021-04-29 cs.DC cs.LG cs.NI
