Understanding Internet of Things Malware by Analyzing Endpoints in their Static Artifacts
物联网(IoT)设备缺乏安全措施及其持续的在线连接,使攻击者有机会将其作为目标,甚至在分布式拒绝服务(DDoS)活动等大型攻击中滥用它们作为中间目标。在本文中,我们分析了物联网恶意软件,并重点关注公共互联网上可到达的端点,这些端点在物联网恶意软件生态系统中发挥着重要作用。也就是说,我们分析作为dropzone的端点及其目标,以深入了解这个生态系统中的潜在动态,例如dropzone与其目标IP地址之间的亲和力,以及端点之间的不同模式。为了实现这一目标,我们对2,423个物联网恶意软件样本进行了反向工程,并从中提取字符串以获取IP地址。我们进一步从公共互联网范围的扫描器(如Shodan和Censys)收集有关这些端点的信息。对于被屏蔽的IP地址,我们研究了累积超过1亿个(占活动公共IPv4地址总数的78.2%)端点的无类域间路由(CIDR)网络。我们从四个不同的角度进行调查,深入了解了端点在物联网恶意软件攻击中的作用,这加深了我们对物联网恶意软件生态系统的理解,并有助于未来的防御。
2021-03-26 cs.CR
Blockchain Enabled Enhanced IoT Ecosystem Security
区块链(BC)是比特币加密货币系统背后的技术,正开始被采用,以确保物联网(IoT)生态系统的安全性和隐私性。目前学术界和工业界都在这一领域进行着热烈的研究。工作量证明(PoW)是一个加密难题,通过维护被认为是不可破坏的交易的数字分类账,在确保BC安全方面发挥着至关重要的作用。此外,BC使用可变的公钥(PK)来记录用户的身份,从而提供额外的隐私层。不仅在加密货币中成功采用了BC,而且在多方面的非货币系统中也是如此,例如:分布式存储系统,位置证明和医疗保健。最近的研究文章和项目或应用程序进行了调查,以评估物联网安全BC的实施情况,并确定相关的挑战,并为物联网生态系统的BC增强安全提出解决方案。
2018-06-12 cs.CR cs.NI
Security Testbed for the Internet of Things
物联网(IoT)是一个全球信息和通信技术生态系统,旨在随时随地将任何类型的对象(事物)相互连接并连接到互联网。与物联网相关的主要问题之一是维护安全性;此类部署的异构性对安全性的许多方面提出了挑战,包括安全测试和分析。此外,还没有现有的机制在不同的上下文中对物联网设备执行安全测试。在本文中,我们提出了一个针对物联网设备的创新安全测试平台框架。该安全测试平台支持标准和基于上下文的安全测试,并在物联网设备运行的不同环境条件下进行了一系列安全测试。建议的测试平台的要求和架构设计进行了讨论,并在几个测试场景中演示了测试平台的操作。
2016-10-19 cs.CR
A Digital Forensics Investigation of a Smart Scale IoT Ecosystem
将物联网(IoT)生态系统引入个人家庭和企业,促使人们认为这种生态系统包含残留数据,这些数据可以在法庭诉讼中用作数字证据。然而,物联网生态系统的取证检查为数字取证社区带来了许多调查问题。其中一个问题是,指导保存和分析这些生态系统剩余数据的实用程序和技术有限。专注于iHealth Smart Scale生态系统的详细案例研究,我们提出了一个实用技术的实证演示,以恢复智能规模生态系统内不同证据源的残留数据。我们还记录了可以从智能规模生态系统中恢复的工件,这可以为数字(法医)调查提供信息。这项研究的发现为未来研究开发适合从物联网生态系统中提取和检查剩余数据的过程和技术奠定了基础。
2021-09-12 cs.CR cs.CY
Blockchains for Internet of Things: Fundamentals, Applications, and Challenges
本文综述三类区块链的基础特性、安全问题及其在边缘AI、通信和医疗物联网中的应用,分析集成挑战与未来方向。
2024-06-15 cs.CR cs.NI
Endorsement-Driven Blockchain SSI Framework for Dynamic IoT Ecosystems
提出基于区块链的 SSI 框架,通过 endorsement 驱动的信任机制允许任意可验证个体签发凭证,实现去中心化、可扩展且低开销的动态 IoT 身份管理。
2025-07-14 cs.CR cs.NI
Digital Forensic Approaches for Amazon Alexa Ecosystem
像亚马逊Echo这样的物联网设备无疑是潜在数字证据的重要来源,因为它们无处不在,而且总是处于运行模式,构成了人类生活的黑匣子。Amazon Echo在Amazon Lab 126开发的基于云的智能虚拟助手Alexa中发挥着核心作用。支持Alexa的无线智能扬声器是所有提交给Alexa的语音命令的网关。此外,IVA与大量兼容的物联网设备和利用云资源的第三方应用程序进行交互。了解允许Alexa无处不在的复杂云生态系统对于在需求增加时支持数字调查至关重要。本文讨论了与IVA Alexa生态系统相关的数字取证方法。本文的主要贡献包括一种新的有效方法,将云原生取证与客户端取证相结合,以支持实际的数字调查。基于对目标生态系统的深入了解,我们提出了一个概念验证工具CIFT,它支持识别、获取和分析来自云的本地工件和来自本地设备的以客户端为中心的工件。
2017-07-27 cs.CR
Integration of Blockchain and IoT: An Enhanced Security Perspective
区块链(BC)是比特币加密货币的副产品,因其在各种不同领域的适用性而获得了巨大而广泛的普及-特别是在多方面的非货币系统中。通过采用哈希和非对称加密等加密技术-以及分布式共识方法,基于区块链的分布式账本不仅变得高度安全,而且不可变,从而消除了对任何第三方中介的需求。相反,无数的IoT(物联网)设备越来越多地添加到网络中。这种现象在安全和隐私方面带来了更高的风险。因此,解决不断增长的物联网生态系统的安全问题至关重要。本文探讨了BC在物联网生态系统中确保增强安全性和隐私性的适用性。最近的研究文章和项目或应用程序进行了调查,以评估物联网安全BC的实施情况,并确定相关的挑战,并为物联网生态系统的BC增强安全提出解决方案。
2020-11-05 cs.CR cs.NI
Internet of Threats Introspection in Dynamic Intelligent Virtual Sensing
物联网(IoT)生态系统中通信基础设施的持续普及已经见证了动态,智能,虚拟化传感和驱动的持续进步。这导致了物联网生态系统之间的有效互动。此外,这使得智能环境的创建成为可能,这就需要开发不同的物联网协议,以支持通过互联网在数十亿电子设备上中继信息。尽管如此,物联网技术(如无线传感器网络(WSN),RFID,WIFI,蓝牙,ZigBee,IEEE 802.15.4等)支持的虚拟传感器现象,模拟物理传感器,并通过虚拟传感器资源的动态分配实现更有效的资源管理。这方面的一个独特的例子是动态智能虚拟传感器(DIVS)的提议。这个DIVS概念是一个新颖的命题,它允许通过使用标记数据来使用逻辑实例进行感测。这允许在数据融合期间进行准确的预测。然而,对DIVS的潜在安全攻击可能最终在用户反馈过程(UFP)期间提供错误标签,这可能干扰DIVS的准确性。本文调查了DIVS在物联网生态系统中使用时的威胁情况,以确定这些威胁的严重程度可能会阻碍基于标记数据的物联网DIVS的准确预测。
2020-06-21 cs.CR
A 12-Step Process for Industrial Internet of Things (IIoT) Forensics
University of Colorado, Boulder(科罗拉多大学博尔德分校);University of Colorado, Denver(科罗拉多大学丹佛分校);Blekinge Institute of Technology(布莱金厄理工学院)
针对传统数字取证方法难以应对工业物联网(IIoT)环境的问题,本文提出了一种12步流程(TSP),用于IIoT事件的调查及潜在数字证据处理,以提升证据可采性。
2026-08-20 cs.CR
Security Considerations for Internet of Things: A Survey
将可穿戴设备、传感器、执行器、移动设备、计算机、仪表甚至车辆等形式的“物”和设备互连是当前时代的关键要求。这些互联网络连接正在为家庭和楼宇自动化、智能城市和基础设施、智能工业和智能一切等新兴应用提供服务。然而,这些连接的物联网(IoT)的安全性发挥着中心作用,没有错误的余地。在回顾了有关该主题的相关在线文献以及市场趋势和发展之后,人们可以注意到物联网产品和服务的安全性仍然存在担忧。本文重点关注物联网安全调查,旨在突出物联网生态系统中与安全相关的最重要问题。该调查确定了针对物联网设备的一般威胁和攻击向量,同时强调了可能导致违反安全性的缺陷和弱点。此外,本文还提出了补救的安全性受损的解决方案,以及风险缓解的方法,预防和改进建议。
2020-06-18 cs.CR
SHoM: A Mental-Synthesis Trust Management Model for Mitigating Botnet-Driven DDoS Attacks in the Internet of Things
本文提出SHoM信任管理模型,通过综合考量信任相关的安全因素,缓解物联网中由僵尸网络驱动的DDoS攻击,并基于对40至50个现有安全模型的综述研究进行设计。
2025-08-16 cs.CR
Security Risk Assessment in Internet of Things Systems
信息安全风险评估方法在过去的二十年里为我们提供了很好的服务。它们为组织和政府提供了一个工具,用于保护自己免受相关风险的影响。随着技术系统的复杂性、普及性和自动化程度的提高以及网络空间的成熟,特别是物联网(IoT),有一个强有力的论点认为,我们将需要新的方法来评估风险和建立信任。简单地将现有的评估方法扩展到物联网系统的挑战是,我们可能会对此类生态系统中出现的新风险视而不见。这些风险可能与目前的高度连通性或数字、网络物理和社会系统的耦合有关。本文提出了在这种情况下评估风险的新方法,这些方法考虑了物联网的动态性和独特性,同时保持了风险评估最佳实践的严格性。
2018-11-08 cs.CR cs.CY
Evaluation of an Anomaly Detector for Routers using Parameterizable Malware in an IoT Ecosystem
Drexel University(德雷塞尔大学)
本文构建含受感染Linux路由器的IoT测试床,利用可参数化的勒索软件、挖矿程序和键盘记录器,评估基于系统调用与网络流量特征的SVM行为异常检测器的有效与失效场景。
2021-10-29 cs.CR cs.LG
Interpreting Manifolds and Graph Neural Embeddings from Internet of Things Traffic Flows
Universidad Rey Juan Carlos(雷昂·卡洛斯大学);Università degli Studi di Milano(米兰大学);Centro de Investigación for Data, Complex Networks and Cybersecurity Sciences, Universidad Rey Juan Carlos(数据、复杂网络与网络安全科学研究所,雷昂·卡洛斯大学)
本研究提出一种可解释的流程,通过将高维嵌入映射到潜在流形,实现对物联网流量流中设备关系的可视化和可解释监控。
2026-02-06 cs.CR cs.LG cs.NI
A Technical Review of Wireless security for the Internet of things: Software Defined Radio perspective
使用物联网设备的网络攻击的增加暴露了构成物联网的基础设施中的漏洞,并显示了小型设备如何影响网络和服务功能。本文回顾了承载物联网的无线技术的脆弱性,并评估了使用软件定义无线电(SDR)技术实施针对物联网的无线攻击的经验。进行了系统的文献综述。比较了可能影响物联网生态系统和SDR无线电平台的无线技术的漏洞和攻击类型。在物联网系统模型层,感知层被认为是最脆弱的。此级别的大多数攻击都是由于硬件的限制、设备的物理暴露以及技术的异构性而发生的。基于SDR无线电的未来网络安全系统具有显著的优势,因为它们具有适应新通信技术的灵活性以及开发先进工具的潜力。然而,物联网的网络安全挑战非常复杂,需要将SDR硬件与认知技术和智能技术(如深度学习)融合,以适应快速的技术变化。
2020-09-21 cs.CR eess.SP
Challenges in Blockchain as a Solution for IoT Ecosystem Threats and Access Control: A Survey
本文综述了物联网生态系统中的安全威胁与访问控制问题,探讨了基于区块链的解决方案及其集成挑战,列举了公共区块链攻击实例,并提出了未来研究方向。
2023-11-26 cs.CR
Safeguarding the Future of Mobility: Cybersecurity Issues and Solutions for Infrastructure Associated with Electric Vehicle Charging
本文针对电动汽车充电站生态系统的网络安全问题,提出一种基于机器学习的入侵检测系统,旨在以低误报率和高准确率保护充电基础设施的安全。
2025-01-24 cs.CR
An Overview of Privacy Dimensions on Industrial Internet of Things (IIoT)
由于技术的快速发展,工业物联网(IIoT)的新创新解决方案和实际应用正在创建,从而升级了许多工业企业的结构。IIoT以最少的人为干预将物理和数字环境结合在一起,并深刻地改变了经济和现代商业。流经工业物联网的数据为人工智能工具提供支持,这些工具可执行智能功能,如互联机器的性能调整、纠错和预防性维护。然而,IIoT部署在其所包含的连接和通信基础设施的各个级别上都容易受到复杂的安全威胁。混乱的IIoT基础设施的复杂性和异构性意味着其可用性、机密性和完整性难以保证。这可能导致对网络运营的潜在不信任,对隐私泄露或网络最终用户的重要个人数据和敏感信息丢失的担忧。本文探讨了工业物联网生态系统在行业标准中的隐私要求。具体而言,它描述了通过主管当局为预防、调查、侦查或起诉刑事犯罪或执行刑事处罚而处理个人数据来保护自然人的行业隐私层面。此外,它还概述了工业隐私威胁的最新方法和解决方案。最后,它分析了理想的安全和私有IIoT环境的隐私要求和建议。
2023-01-15 cs.CR
Abusing the Internet of Medical Things: Evaluating Threat Models and Forensic Readiness for Multi-Vector Attacks on Connected Healthcare Devices
University College London(伦敦大学学院)
本文提出融合威胁建模与数字取证的医疗物联网安全方法,揭示多向攻击对连接医疗设备的威胁及取证挑战。
2026-01-18 cs.CR cs.CY
Opening A Pandora's Box: Things You Should Know in the Era of Custom GPTs
本文系统分析了OpenAI定制GPT平台的安全与隐私问题,基于STRIDE框架识别出26个攻击向量(其中19个在真实环境中验证),强调亟需加强该生态系统的安全防护。
2023-12-31 cs.CR
Edge Centric Secure Data Sharing with Digital Twins in Smart Ecosystems
物联网(IoT)是一个快速增长的行业,目前正在大规模地集成到消费者和工业环境中。虽然该技术是可用的,并且部署在未来应用中的进入门槛较低,但适当的安全框架仍处于起步阶段,正在开发以适应不同的实现和设备架构。此外,对边缘中心机制的需求对于以最小或可忽略的开销在实时的智能连接应用中提供安全性至关重要。在本文中,我们提出了一种新的方法,通过使用多个设备的阴影(又名数字孪生)的数据安全的一个单一的物理对象。这些双胞胎对于基于动态分配的标签在不同虚拟对象之间分离数据至关重要,并且用于限制仅由授权用户/应用程序访问不同数据点。所提出的架构的新颖性在于在系统中的物理设备报告的键-值对的动态标签的附件。我们进一步研究了标记数据在数字孪生系统中的优势,以及所提出的数据分离方案的性能影响。所提出的解决方案部署在边缘,以最小的开销支持低延迟和实时的安全机制,并且如捕获的性能指标所反映的那样是轻量级的。
2021-10-10 cs.CR
LLM-Based Threat Detection and Prevention Framework for IoT Ecosystems
School of Computer Science and Technology, Algoma University(计算机科学与技术学院,阿尔戈马大学);School of Electrical Engineering and Computer Science, University of Ottawa(电气工程与计算机科学学院,渥太华大学)
针对物联网安全难题,本文提出基于轻量级 LLM 的威胁检测与自动防御框架,利用 IoT-23、TON_IoT 微调并以 Docker 模块化部署,实验证明其在准确率、延迟和资源效率上优于传统方法。
2025-05-13 cs.AI cs.CR cs.ET
IoT Vulnerability Data Crawling and Analysis
物联网(IoT)是一个全新的生态系统,由异构连接设备组成-即计算机,笔记本电脑,智能手机和平板电脑以及嵌入式设备和传感器-这些设备通过通信提供功能,使我们的生活,城市,交通,能源和许多其他领域更加智能。物联网生态系统提出的主要问题是设备对补丁/更新的支持不足以及板载计算能力差。许多问题都源于此:固有的脆弱性以及无法检测和防御外部攻击。此外,由于其操作的性质,这些设备往往对通信相当开放,这使得攻击一旦到达网络就很容易传播。这项研究的目的是调查是否有可能提取有关攻击趋势的有用结果,并能够在为时已晚之前通过爬行深/暗和表面网络来预测它们。这项工作的结果表明,有可能找到趋势,并能够主动采取行动,以保护物联网生态系统。
2021-09-20 cs.CR
Securing Cloud-Based Internet of Things: Challenges and Mitigations
本文针对物联网及云化部署带来的网络安全与隐私挑战,系统调查了PaaS/IaaS模式下物联网服务面临的主要安全威胁,并提出主动缓解策略以增强整体安全性。
2024-12-31 cs.CR
What are Attackers after on IoT Devices? An approach based on a multi-phased multi-faceted IoT honeypot ecosystem and data clustering
University of South Florida(南佛罗里达大学);National Institute of Standards and Technology(美国国家标准与技术研究院)
物联网(IoT)设备数量的不断增长,使得人们必须意识到他们在网络安全方面面临的现实威胁。虽然蜜罐历来被用作诱饵设备,以帮助研究人员/组织更好地了解网络上的威胁动态及其影响,但由于设备及其物理连接的多样性,物联网设备为此提出了独特的挑战。在这项工作中,通过观察现实世界中的攻击者在低交互蜜罐生态系统中的行为,我们(1)提出了一种新的方法来创建多阶段,多方面的蜜罐生态系统,逐渐增加蜜罐与对手的交互的复杂性,(2)设计和开发了一个低交互蜜罐相机,使研究人员能够更深入地了解攻击者的目标,以及(3)设计了一种创新的数据分析方法来识别对手的目标。我们的蜜罐已经活跃了三年多了。我们能够在每个阶段收集越来越复杂的攻击数据。此外,我们的数据分析指出,蜜罐中捕获的绝大多数攻击活动具有显著的相似性,并且可以进行聚类和分组,以更好地了解物联网攻击的目标,模式和趋势。
2021-12-21 cs.CR cs.LG
Holo-Block Chain: A Hybrid Approach for Secured IoT Healthcare Ecosystem
本文针对物联网医疗生态系统的安全、存储、计算与认证挑战,提出融合Holochain和Blockchain优势的混合隐私安全框架,并通过安全与性能分析验证其有效性。
2023-04-27 cs.CR
IoTScent: Enhancing Forensic Capabilities in Internet of Things Gateways
针对物联网取证中高效采集网络痕迹的需求,提出开源工具IoTScent,支持基于IEEE 802.15.4的物联网流量捕获分析,简化取证数据收集流程,可用于设备识别,推动物联网取证研究发展。
2023-10-05 cs.CR cs.NI cs.SI
A method based on encryption and node rating for securing the RPL protocol communications in the IoT ecosystem
物联网(IoT)为全球数十亿设备提供了相互通信的可能性,并且数据是自主收集的。设备生成的大数据应该得到安全管理。由于安全挑战,如恶意节点,许多方法无法响应这些问题。在本文中,一个强大的混合方法,包括加密,被用来作为一个有效的方法来解决RPL协议的关注,使设备连接安全。因此,所提出的用于保护RPL协议的DSH-RPL方法包括以下四个阶段:第一阶段创建可靠的RPL。第二阶段检测天坑攻击。第三阶段对检测到的恶意节点进行加密,第四阶段通过加密传输数据。仿真结果表明,与SecTrust-RPL和IBOOS-RPL相比,DSH-RPL的误报率分别降低了18.2%和23.1%,漏报率分别降低了16.1%和22.78%,数据包投递率分别提高了19.68%和25.32%,检测率分别提高了26%和31%。
2020-11-21 cs.CR cs.CY
zk-IoT: Securing the Internet of Things with Zero-Knowledge Proofs on Blockchain Platforms
本文提出 zk-IoT 框架,通过在区块链上结合零知识证明技术,确保受损 IoT 设备的固件执行与数据处理完整性,实现设备间安全通信,实验验证了其可行性与高效性。
2024-02-19 cs.CR
Efficient Federated Intrusion Detection in 5G ecosystem using optimized BERT-based model
LIST3N;University of Technology of Troyes(特鲁瓦技术大学)
本文提出一种基于优化BERT和联邦学习的5G物联网入侵检测系统,在边缘设备上实现97.79%的准确率,并通过量化压缩在仅损失0.02%准确率的情况下将模型缩小28.74%。
2024-09-28 cs.AI cs.CR
On the Role of Hash-based Signatures in Quantum-Safe Internet of Things: Current Solutions and Future Directions
本文研究了基于哈希的签名(HBS)方案在量子时代物联网设备安全中的应用,分析了其构造参数、优缺点及最佳选择,并提出了物联网生态系统向抗量子过渡的挑战与建议。
2020-04-22 cs.CR
A First Step Towards Understanding Real-world Attacks on IoT Devices
随着物联网(IoT)设备的快速增长,必须主动了解它们面临的现实网络安全威胁。本文描述了我们建立蜜罐生态系统的初步努力,作为收集和分析针对物联网设备的真实攻击数据的手段。蜜罐产生有用见解的主要条件是让攻击者相信他们是人类和组织使用的真实系统。物联网设备在这方面提出了独特的挑战,由于各种各样的设备类型和物理连接性的性质。因此,我们创建了一个多阶段的方法来构建蜜罐生态系统,研究人员可以通过观察现实世界中攻击者的行为来逐渐提高低交互蜜罐在模拟物联网设备方面的复杂性。我们在内部和云中部署了蜜罐,并提供了相关的分析和审查基础设施,以确保这些蜜罐无法被轻易识别,并且看起来像是真实的系统。通过这样做,我们能够吸引越来越复杂的攻击数据。我们提出了这个蜜罐生态系统的设计和我们对攻击数据的观察。我们的数据显示,现实世界的攻击者正在明确地攻击物联网设备,一些捕获的活动似乎涉及直接的人类交互(而不是脚本化的自动活动)。我们还为物联网摄像头构建了一个低交互的蜜罐,称为Honeycamera,它向攻击者呈现看似真实的视频。这是我们朝着建立一个更全面的蜜罐生态系统迈出的第一步,这将使研究人员能够具体了解攻击者在物联网设备上的目标,以便更积极地保护它们。
2020-03-02 cs.CR
Large-Scale Security Analysis of Real-World Backend Deployments Speaking IoT-Focused Protocols
本文对超过337,000个使用MQTT、CoAP和XMPP协议的真实后端进行大规模安全测量,量化揭示了信息泄露、弱认证和拒绝服务等严重安全问题。
2024-10-01 cs.CR cs.NI
Autoencoder-based Anomaly Detection in Smart Farming Ecosystem
物联网(IoT)设备的使用在所有应用领域都在快速增长。智能农业支持设备互联,并在互联网、云或边缘计算基础设施的支持下,远程控制浇水和施肥,实时的监控农场状况,并为更可持续的实践提供解决方案。这可能涉及仅在检测到的土壤水分水平较低时使用灌溉系统,或者在植物达到足够的土壤水分含量水平时停止使用灌溉系统。这些对效率和易用性的改进带来了安全和隐私方面的额外风险。大规模协调的网络攻击可能会破坏依赖农业的国家的经济。对于系统中的传感器,攻击可能表现为异常行为。在这种情况下,由于硬件故障、网络连接问题(如果存在)或由于天气、人为事故或其他不可预见的情况而导致的环境突然变化,可能会产生异常。为了使这种系统更加安全,必须检测这种数据差异,并启动适当的缓解机制。在本文中,我们提出了一个智能农业异常检测模型,使用无监督自动编码器机器学习模型。我们选择使用自动编码器,因为它编码和解码数据,并试图忽略离群值。当它遇到异常数据时,结果将是高重建损失值,表明该数据与其他数据不同。我们的模型是根据从我们设计的温室测试台收集的数据进行训练和测试的。提出的基于Autoencoder模型的异常检测达到98.98%,训练时间为262秒,检测时间为0.0585秒。
2021-10-29 cs.CR
Securing the Internet of Medical Things (IoMT): Real-World Attack Taxonomy and Practical Security Measures
本文针对IoMT的患者安全与隐私风险,提出覆盖架构各层的真实攻击分类法、漏洞与缓解策略,并结合历史事件给出工程安全指南及合规框架。
2025-07-25 cs.CR
MagicPairing: Apple's Take on Securing Bluetooth Peripherals
大型物联网(IoT)部署中的设备配对对于设备制造商和用户来说是一个挑战。蓝牙提供了一个非常顺利的信任第一次使用配对体验。然而,蓝牙在配对过程中的安全缺陷是众所周知的。在本文中,我们分析了Apple如何提高蓝牙配对的安全性,同时仍然保持其可用性和规范合规性。位于蓝牙之上的专有协议称为MagicPairing。它使用户能够将设备与Apple的生态系统配对一次,然后将其与所有其他Apple设备无缝使用。我们分析这两个,该协议提供的安全属性,以及它的实现。一般来说,MagicPairing可以被其他物联网供应商采用,以提高蓝牙安全性。尽管整个协议设计良好,但我们通过空中和进程内模糊识别在Apple的实现中发现了多个漏洞。
2020-05-14 cs.CR cs.NI
Lightweight and High-Throughput Secure Logging for Internet of Things and Cold Cloud Continuum
针对 IoT 与 Cold-STaaS 日志安全中的设备开销、验证延迟和存储低效问题,提出 POSLO 数字签名框架,实现常数尺寸、近最优签名与可调批量验证。
2025-06-10 cs.CR
Large Language Models in the IoT Ecosystem -- A Survey on Security Challenges and Applications
本综述探讨物联网与大型语言模型的集成应用,分析其安全挑战与优势,提出边缘计算部署策略,并强调跨学科合作以实现变革潜力。
2025-05-23 cs.CR
Conceptualising an Anti-Digital Forensics Kill Chain for Smart Homes
针对智能家居中犯罪分子利用反数字取证隐藏证据的问题,本文提出面向智能家居生态系统的ADF杀伤链概念,以揭示其特征并支撑数字取证防御。
2023-12-23 cs.CR
ZTCloudGuard: Zero Trust Context-Aware Access Management Framework to Avoid Misuse Cases in the Era of Generative AI and Cloud-based Health Information Ecosystem
本文提出ZTCloudGuard零信任上下文感知框架,通过云原生微服务关键信任评分与语言模型驱动的绑定信任评分管理云医疗访问,F1达93.5%。
2023-11-28 cs.CR
Performance Evaluation of Cryptographic Ciphers on IoT Devices
随着物联网(IoT)的出现和基于应用程序的处理器的使用越来越多,需要在一些广泛使用的物联网硬件架构上检查安全基础设施。当今世界的应用正在向物联网概念发展,因为这使它们快速,高效,模块化和面向未来。然而,这导致了更大的安全风险,因为物联网设备在共存和互连的生态系统中蓬勃发展。由于这些安全风险,在这些设备上测试现有的加密密码并确定它们在执行时间和存储器消耗效率方面是否可行是至关重要的。确定是否需要为这些设备开发新的轻量级加密密码也很重要。本文希望通过在不同的基于物联网的设备上测试各种加密解密技术来实现上述目标,并针对各种不同的数据大小对这些设备之间的执行速度进行比较。关键词-物联网(IoT)、基于应用的处理器、安全性、加密解密、速度、效率
2018-12-05 cs.CR
Building Touch-Less Trust in IoT Devices
本文针对物联网设备接触频繁带来的安全威胁,提出一种在物理交互和实质性通信之前验证设备完整性与可信性的无接触信任机制。
2024-09-30 cs.CR
A Systematic Review of Security Vulnerabilities in Smart Home Devices and Mitigation Techniques
Umm AL-Qura University(乌姆古拉大学)
本文系统综述了智能家居IoT设备在网络层、设备层及云/AI系统中的安全漏洞,评估了后量子加密、AI异常检测、区块链认证和零信任架构等缓解技术的有效性与可扩展性,并指出需在性能、效率与实时适用性之间取得平衡。
2025-04-03 cs.AI cs.CR
NoSQL security: can my data-driven decision-making be influenced from outside?
如今,有数十亿个互联设备形成了网络物理系统、物联网(IoT)和工业物联网(IIoT)生态系统。随着使用的设备和系统数量、数据量和数据价值的增加,安全漏洞的风险也在增加。其中一个风险是开放数据源,即没有得到适当保护的数据库。这些保护不力的数据库可供外部行为者使用,这对数据持有者以及分析、预测、监测、决策、政策制定等与数据有关的活动的结果和整个当代社会构成严重风险。本章旨在检查代表关系数据库和NoSQL的开放数据数据库的安全性状态,并特别关注后面的类别。
2023-01-12 cs.CR cs.DB
Unraveling Attacks in Machine Learning-based IoT Ecosystems: A Survey and the Open Libraries Behind Them
University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校);Deep Red Future Technology Co. Ltd.(深红未来科技有限公司);CSIRO(澳大利亚联邦科学与工业研究组织);University of Saskatchewan(萨斯喀彻温大学);Sichuan University(四川大学)
该研究全面综述了物联网生态中机器学习集成带来的各类安全攻击,按攻击者模型等标准分类,评估65个相关安全库,为物联网ML安全防护提供见解与工具参考。
2024-01-27 cs.AI cs.CR
SHARKS: Smart Hacking Approaches for RisK Scanning in Internet-of-Things and Cyber-Physical Systems based on Machine Learning
Princeton University(普林斯顿大学);Technology Innovation Institute(技术创新研究所)
网络物理系统(CPS)和物联网(IoT)设备越来越多地部署在多个功能上,从医疗保健设备和可穿戴设备到关键基础设施,例如,核电站、自动驾驶汽车、智能城市和灵巧家庭。这些设备在其全面的软件、硬件和网络堆栈中本质上是不安全的,因此呈现出可以被黑客利用的大的攻击面。在这篇文章中,我们提出了一种创新的技术,用于检测未知的系统漏洞,管理这些漏洞,并改善事件响应时,这些漏洞被利用。这种方法的新颖性在于从已知的现实世界CPS/IoT攻击中提取智能,以正则表达式的形式表示它们,并在正则表达式的集合上采用机器学习(ML)技术来生成新的攻击向量和安全漏洞。我们的研究结果表明,可以成功生成10个新的攻击向量和122个新的漏洞利用,这些攻击向量和漏洞利用有可能利用CPS或物联网生态系统。ML方法达到了97.4%的准确率,使我们能够有效地预测这些攻击,搜索空间减少了87.2%。我们展示了我们的方法在联网汽车车载网络黑客攻击中的应用。为了防御已知的攻击和可能的新漏洞,我们讨论了各种类型的攻击和这种攻击的目标数据的分类的深度防御机制。这种防御机制根据受保护资源的敏感性优化了安全措施的成本,从而激励网络安全从业者在现实世界的CPS/IoT中采用这种机制。
2022-10-19 cs.AI cs.CR cs.LG
Task Offloading in Fog Computing with Deep Reinforcement Learning: Future Research Directions Based on Security and Efficiency Enhancements
本文综述并展望深度强化学习在雾计算任务卸载中的应用,提出融合区块链与节能模型,以提升效率、安全性及物联网系统性能。
2024-07-26 cs.CR
A Review on Cybersecurity in Smart Local Energy Systems: Requirements, Challenges, and Standards
智能本地能源系统(SLES)被认为是一个有前途的途径,有利于更有效和本地化的运营,受益于复杂的信息和通信技术(ICT)基础设施和物联网(IoT)技术。作为关键基础设施的一部分,物联网不仅需要有效的检测和管理来解决潜在的网络安全问题,而且还需要大量的标准来确保物联网系统的安全性,以最大限度地降低风险。本研究旨在检讨现有的标准,探讨如何与SLES发展的兼容性,并确定未来的重点领域。虽然现有的标准和协议是高度分散的,我们的研究结果表明,他们中的许多人可以满足的应用程序和基础设施的SLES的要求。此外,由于信息安全和个人隐私的重要性日益增加,已经引入了许多标准来保护它们。该研究还表明,该行业需要生产更实惠和网络安全的设备和服务。对于政府和监管机构,应提供有关应用程序最低功能和安全要求的相关指南。此外,合规性测试和认证应该到位,并由独立的第三方执行,以确保SLES生态系统的组件具有令人满意的设计安全级别。
2021-08-18 cs.CR
Blockchain for IoT: A Critical Analysis Concerning Performance and Scalability
自从区块链技术作为一种新兴的加密货币比特币被首次引入以来,世界一直在经历着令人兴奋的扩张。目前,它已被视为几乎所有研究领域的普遍参考框架,从虚拟现金到农业,甚至供应链到物联网。具有合法不变性的自我管理寄存器的能力使得区块链对物联网(IoT)具有吸引力。随着数十亿物联网设备现在以分布式方式在线,在寻求迫切需要的解决方案时,需要解决巨大的挑战和问题。本文件的目的就是促进这种努力。这项工作的贡献是找出物联网生态系统通常会因为区块链技术的错误选择而遇到的权衡。与调查或评论不同,本文的关键发现旨在整理区块链物联网基础设施的特定安全挑战。贡献包括如何指导该领域的开发人员和研究人员挑选出区块链支持的物联网应用程序的完美组合。此外,本文还将对以太坊、Hyperledger区块链和IOTA技术进行深入分析,以展示它们在性能和可扩展性方面的局限性和前景。
2021-11-22 cs.CR
RIoTS: Risk Analysis of IoT Supply Chain Threats
保障信息和通信技术(信通技术)供应链的安全最近已成为国家安全和完整性的一个关键问题。随着物联网(IoT)设备的激增及其在控制现实世界基础设施方面的作用越来越大,需要在现有的安全分析之外分析网络系统中的风险。文献中的现有方法通常利用攻击和故障树来分析恶意活动及其影响。在本文中,我们开发了RIoTS,一个安全风险评估框架借用系统可靠性理论,将供应链。我们还分析了供应商内部分组的影响,这些分组可能会对恶意供应链参与者的系统构成隐藏的风险。结果表明,所提出的分析能够揭示潜在供应商勾结对物联网生态系统构成的隐藏威胁。
2019-11-28 cs.CR
Zero-Trust Foundation Models: A New Paradigm for Secure and Collaborative Artificial Intelligence for Internet of Things
School of Electrical Engineering and Computer Science, TU Berlin(柏林技术大学电气与计算机工程学院);Real-Time and Embedded Computing Systems Research Centre (CISTER)(实时与嵌入式计算系统研究中心);Data61, CSIRO(数据61,澳大利亚联邦科学与工业研究组织);School of Computer Science and Engineering, the University of New South Wales(新南威尔士大学计算机科学与工程学院);State Key Laboratory of Public Big Data, College of Big Data and Information Engineering, Guizhou University(公共大数据国家重点实验室,贵州大学大数据与信息工程学院);Department of Computer Engineering, Qassim University(科威特大学计算机工程系);College of Computing and Data Science, Nanyang Technological University(南洋理工大学计算与数据科学学院);Division of Electrical Engineering, Department of Engineering, University of Cambridge(剑桥大学工程系电子工程系);Center for NeXt-Generation Communications (CXC), Koç University(下一代通信中心(CXC),科隆大学)
本文提出零信任基础模型(ZTFMs)范式,将零信任原则嵌入物联网基础模型全生命周期,并构建结合联邦学习与区块链等技术的综合框架,为安全可信的IoT基础设施奠定路线图。
2025-05-26 cs.AI cs.CR
Blockchain-based Smart-IoT Trust Zone Measurement Architecture
Malaysian Institute of Information Technology, Universiti Kuala Lumpur(吉隆坡大学马来西亚信息技术学院);Faculty of Computer & Information Systems, Islamic University of Madinah(麦地那伊斯兰大学计算机与信息系统学院)
随着IT行业的快速发展,物联网(IoT)已经获得了极大的关注,并成为我们环境的一个核心方面。在物联网中,事物(设备)在没有人为干预的情况下进行通信和交换数据。物联网生态系统的这种自主性和扩散使设备更容易受到攻击。在本文中,我们提出了一种物联网区块链设置中的行为监控器,可以为外部网络提供信任-信心。行为监视器提取每个设备的活动,并使用深度自动编码器分析行为。此外,我们还采用了可信执行技术(Intel SGX),为区块链上的应用程序和数据提供安全的执行环境。最后,在评估中,我们分析了三个被mirai攻击感染的物联网设备数据。评估结果表明,我们提出的方法的能力,在检测所需的准确性和时间。
2020-01-08 cs.CR cs.LG
Security and Machine Learning Adoption in IoT: A Preliminary Study of IoT Developer Discussions
物联网(IoT)被定义为地点和物理对象之间的连接(即,事物)经由智能计算设备通过因特网/网络。传统上,我们通过对物联网开发人员/从业人员进行调查来了解物联网生态系统/问题。另一种学习方法是分析流行的在线开发者论坛(如Stack Overflow(SO))中的物联网开发者讨论。然而,我们知道没有这样的研究,专注于物联网开发人员的安全性和ML相关的讨论在SO。本文提供了SO中物联网开发人员讨论的初步研究结果。我们发现大约12%的句子包含安全讨论,而大约0.12%的句子包含ML相关的讨论。我们发现,物联网开发人员在讨论安全问题时经常询问如何在物联网设备和用户之间安全地存储、共享和传输共享数据。我们还发现,物联网开发人员有兴趣将基于深度神经网络的ML模型应用到他们的物联网设备中,但他们发现将这些模型应用到资源受限的物联网设备中具有挑战性。我们的研究结果为物联网供应商和研究人员开发和设计新技术以提高物联网设备的安全性和ML采用提供了启示。
2021-04-01 cs.CR cs.SE