IoTC2: A Formal Method Approach for Detecting Conflicts in Large Scale IoT Systems
物联网（IoT）已经成为诸如医疗保健、交通基础设施、灵巧家庭、智能购物和电子商务等不同领域的通用范例。凭借其可互操作的功能，现在可以将物联网的所有领域连接在一起，为用户提供合格的服务。由于许多物联网设备可以同时连接和通信，因此可能会发生触发致动器或环境特征的冲突动作的事件。然而，很少有研究工作，在物联网系统中使用形式化的方法来检测冲突的情况。本文提供了一种形式化的方法，物联网冲突管理（IoTC 2），以确保控制器和执行器的行为相对于冲突的安全。任何违反策略的行为都会导致检测到冲突。我们定义了控制器、动作和触发事件的安全策略，并使用Prolog实现了这些策略，以证明逻辑的完整性和可靠性。除此之外，我们还在Matlab Simulink环境中使用其内置的模型验证模块实现了检测策略。在Simulink中创建了灵巧家庭环境，并展示了冲突如何影响动作和相应的功能。我们还实验了我们的方法在模拟环境中的可扩展性，效率和准确性。
2018-12-10 cs.CR cs.CY
A Survey on Sensor-based Threats to Internet-of-Things (IoT) Devices and Applications
物联网（IoT）的概念在现代技术时代比以往任何时候都更加流行。从小型家用设备到大型工业机器，物联网的愿景使设备与周围的物理世界连接成为可能。这种日益普及的趋势也使得物联网设备和应用程序成为攻击者关注的焦点。已经存在几种类型的恶意活动，试图损害物联网设备的安全和隐私。一个有趣的新兴威胁向量是滥用物联网设备上传感器的攻击。物联网设备容易受到基于传感器的威胁，因为缺乏适当的安全措施来控制应用程序对传感器的使用。通过利用传感器（例如，加速度计、陀螺仪、麦克风、光传感器等）在物联网设备上，攻击者可以从设备中提取信息，将恶意软件传输到设备，或触发恶意活动以危害设备。在本调查中，我们探讨了针对物联网设备的各种威胁，并讨论了它们的传感器如何被滥用于恶意目的。具体来说，我们对物联网设备现有的基于传感器的威胁以及专门为保护物联网设备传感器而开发的对策进行了详细的调查。此外，我们还讨论了物联网设备在基于传感器的威胁背景下的安全和隐私问题，并总结了未来的研究方向。
2018-02-06 cs.CR
On the Safety Implications of Misordered Events and Commands in IoT Systems
配备嵌入式执行器和传感器的物联网设备以物联网应用程序的形式提供自定义自动化。物联网应用程序订阅事件，并在收到时发送触发一组致动器的致动命令。事件和驱动命令遵循物联网生态系统中的路径，例如传感器到边缘，边缘到云和云到执行器，这些连接之间具有不同的网络和处理延迟。特别是当IoT系统云与其他云交互时，可能会发生显著的延迟。由于延迟的这种变化，云可能以不正确的顺序接收事件，并且反过来，设备可能接收并致动乱序的命令。在本文中，我们首先研究了八个主要的物联网平台，并表明它们没有对事件排序做出强有力的保证来解决这些问题。然后，我们分析物联网组件之间的端到端交互，从事件的创建到命令的调用。由此，我们确定并正式确定了导致不良状态的事件和命令中的乱序的根本原因。我们在一个包含35个物联网设备的模拟灵巧家庭中部署了23个应用程序，以评估乱序问题。我们的实验证明了大量的无序事件和命令，通过不同的交互路径发生。通过这项工作，我们揭示了乱序问题的根源和程度，并指导未来的工作，以确保物联网系统中的正确排序。
2021-05-03 cs.CR
PCAP-Backdoor: Backdoor Poisoning Generator for Network Traffic in CPS/IoT Environments
University of Pittsburgh（匹兹堡大学）
本文提出PCAP-Backdoor技术，针对CPS/IoT网络流量数据集进行后门投毒攻击，仅投毒1%训练数据即可使模型误分类，且难以被现有防御技术检测。
2025-01-28 cs.CR cs.LG cs.NI
Transparent and Tamper-Proof Event Ordering in the Internet of Things Platforms
如今，对基于事件动作的事件链中的事件之间的因果关系的审计和诊断（例如，为什么灵巧家庭中的灯是打开的？）物联网（IoT）平台是不可信和不可靠的。当前的物联网平台缺乏透明和防篡改的事件排序技术，因为它们的日志机制以设备为中心。在本文中，我们开发了一个框架，通过提出区块链协议和采用矢量时钟系统，分别为资源受限的异构物联网设备量身定制，促进物联网平台中的防篡改透明性和事件顺序。为了应对不合适的存储（例如，账本）和计算能力（例如，工作量证明难题）的商业现成的物联网设备中的区块链的要求，我们提出了一个部分一致的切割协议和工程师的模块化算法为基础的轻量级工作量证明难题，分别。据我们所知，这是第一个为资源受限的异构物联网平台设计的区块链。我们基于向量时钟系统的事件排序协议对于物联网平台来说也是新颖的。我们使用一个物联网网关和30个物联网设备来实现我们的框架。我们用10个并发的基于事件链的事件链进行实验，每个链涉及20个设备，每个设备参与5个不同的链。结果表明，我们的框架可以在2.5秒内对这些事件进行排序，同时每个设备仅消耗140 mJ的能量。因此，结果表明，所提出的平台是许多物联网应用的实际选择，如灵巧家庭，交通监控和犯罪调查。
2022-08-11 cs.CR cs.NI
Dynamic Black-box Backdoor Attacks on IoT Sensory Data
University of Pittsburgh, Pittsburgh, USA（匹兹堡大学）
针对基于物联网传感数据的识别系统存在的安全风险，提出一种新型动态触发器生成技术实施黑盒对抗攻击，在多种数据集和分类器模型上成功且输入扰动极小，并对比分析其与其他技术的性能、隐蔽性及防御机制影响。
2025-11-18 cs.CR cs.LG
ShieldScatter: Improving IoT Security with Backscatter Assistance
轻量级协议和低功耗无线电技术为物联网（IoT）进入我们的日常生活提供了许多机会，而由于缺乏复杂的安全协议，它们的极简设计也使物联网设备容易受到许多主动攻击。最近的进展提倡使用天线阵列来提取细粒度的物理层签名，以减轻这些主动攻击。然而，它增加了物联网设备无法承受的能耗和硬件成本方面的负担。为了克服这种困境，我们提出了ShieldScatter，一个轻量级的系统，将无电池的反向散射标签连接到单天线设备，以保护系统免受主动攻击。ShieldScatter的关键见解是通过仔细部署反向散射标签来有意创建多路径传播签名。这些特征可用于构建敏感的配置文件，以识别信号到达的位置，从而检测威胁。我们原型ShieldScatter与USRP和环境反向散射标签，以评估我们的系统在各种环境中。实验结果表明，即使攻击者距离合法设备仅15厘米，仅使用三个反向散射标签的ShieldScatter也可以减轻97%的欺骗攻击尝试，同时仅对7%的合法流量触发错误警报。
2018-10-16 cs.CR
PFirewall: Semantics-Aware Customizable Data Flow Control for Smart Home Privacy Protection
物联网（IoT）平台使用户能够部署家庭自动化应用程序。与此同时，随着大量敏感设备数据流流向物联网平台，隐私问题也随之出现。大多数流向平台的数据实际上不会触发自动化操作，而一旦设备绑定到平台，房主目前就无法控制。我们提出了PFirewall，一个可定制的数据流控制系统，以增强物联网平台用户的隐私。PFirewall自动生成数据最小化策略，仅公开最小量的数据以实现自动化。此外，PFirewall还为房主提供接口，通过定义用户指定的策略来定制个人隐私偏好。为了实施这些策略，PFirewall透明地干预和调解IoT设备与平台之间的通信，而无需修改平台、IoT设备或集线器。四个真实测试平台的评估结果表明，PFirewall将发送到平台的物联网数据减少了97%，而不会影响家庭自动化，并有效地减轻了用户活动推断/跟踪攻击和其他隐私风险。
2021-04-07 cs.CR
Securing IoT Devices by Exploiting Backscatter Propagation Signatures
低功耗无线电技术为物联网（IoT）进入我们的日常生活提供了许多机会，而它们的极简设计也使物联网设备容易受到许多主动攻击。最近的进展使用天线阵列来提取细粒度的物理层签名以识别攻击者，这增加了物联网设备的能源和硬件成本负担。在本文中，我们提出了ShieldScatter，一个轻量级的系统，重视低成本的标签单天线设备，以屏蔽系统免受主动攻击。ShieldScatter的关键见解是通过仔细部署标签来有意创建多路径传播签名。这些特征可用于构建敏感的配置文件，以识别信号到达的位置，从而检测威胁。此外，我们还设计了一个标签随机方案和多接收器组合的方法来检测一个强大的攻击者谁拥有强大的先验知识的合法用户。我们使用USRP和标签对ShieldScatter进行原型设计，以在各种环境中评估我们的系统。结果表明，即使强大的攻击者靠近合法设备，ShieldScatter也可以减轻95%的攻击尝试，同时仅对7%的合法流量触发错误警报。
2021-05-31 cs.CR
WISE: Lightweight Intelligent Swarm Attestation Scheme for IoT (The Verifier's Perspective)
物联网（IoT）的日益普及通过将越来越多有吸引力的攻击目标（即嵌入式设备）连接到互联网来扩大攻击面。保护这些设备的一个关键组件是软件完整性检查，通常通过远程证明（RA）实现。RA被实现为交互式协议，由此可信方（验证器）验证潜在受损的远程设备（证明器）的软件完整性。在绝大多数物联网应用中，智能设备以集群方式运行，因此需要高效的集群认证方案。在本文中，我们提出了WISE，第一个智能群认证协议，旨在尽量减少通信开销，同时保持足够的安全性。WISE依赖于一种资源高效的智能广播身份验证方案，其中设备被组织在细粒度的多集群中，并且在需要时，最有可能受到攻击的设备会被证明。考虑到群中每个设备的证明历史和不同特征（和约束），智能地选择候选设备。我们表明，WISE非常适合资源受限的嵌入式设备，在异构物联网网络中具有高效率和可扩展性，并提供可调节的安全级别。
2018-11-18 cs.CR
IFTTT vs. Zapier: A Comparative Study of Trigger-Action Programming Frameworks
随着在线服务和物联网平台的日益普及，以及开发人员通过RESTful API对设备和服务的访问越来越多，正在产生一类新的框架来支持移动操作编程。这些框架为最终用户提供了一个接口，可以在一个中间操作模型中桥接不同的RESTful API，并轻松创建跨不同平台的自动化任务。过去的工作的特点是空间的用户创建的广告动作组合的背景下，IFTTT，一个流行的广告动作框架。在这项工作中，我们的特点的空间可能的功能，这些框架开放给最终用户的背景下，两个主要的框架-IFTTT和Zapier-并讨论我们的比较分析这些框架的结果。我们从这两个框架中的1051个通道/应用程序中创建了6406个触发器和动作的快照，并比较了可用功能，通道分布以及它们之间共享的功能。我们研究用户定义自己的渠道，触发器和行动的能力，分析这些框架的增长，并讨论在这一领域的未来研究机会。
2017-09-08 cs.CR
Continual Backdoor Training in IoT/CPS
本文提出一种针对物联网/信息物理系统中持续学习的后门攻击方法，通过形式化威胁模型、分析持续学习放大后门持久性的原因，并评估不同条件下的攻击效果，揭示了保障终身学习安全的关键挑战。
2026-06-16 cs.CR cs.LG
Analyzing The Mirai IoT Botnet and Its Recent Variants: Satori, Mukashi, Moobot, and Sonic
本文详细分析了Mirai物联网僵尸网络及其四个知名变种的攻击方法、影响与感染机制，总结其针对的常见漏洞并提出防御方向，为IoT安全防护提供参考。
2025-08-03 cs.CR
How Secure is Distributed Convolutional Neural Network on IoT Edge Devices?
Tennessee Technological University（田纳西理工大学）
卷积神经网络（CNN）已在许多应用中获得成功。在资源受限的边缘设备上部署CNN已被证明具有挑战性。采用了跨不同边缘设备的CNN分布式部署。在本文中，我们提出了木马攻击CNN部署在一个分布式的边缘网络在不同的节点。我们提出了五种分布式CNN推理的隐形攻击场景。这些攻击分为触发电路和有效载荷电路。这些攻击在深度学习模型（LeNet，AlexNet）上进行了测试。结果显示了各个层的脆弱性程度以及它们对最终分类的重要性。
2020-06-16 cs.CR cs.CV
Federated TON_IoT Windows Datasets for Evaluating AI-based Security Applications
现有的网络安全解决方案基本上是使用基于知识的模型开发的，这些模型通常无法触发新的网络攻击家族。随着人工智能（AI），特别是深度学习（DL）算法的蓬勃发展，这些安全解决方案已经插入了AI模型，以发现、跟踪、缓解或响应新的安全事件。这些算法需要大量的异构数据源来训练和验证新的安全系统。本文介绍了新数据集的描述，即所谓的ToN_IoT，它涉及从物联网服务的遥测数据集、Windows和Linux的操作系统数据集以及网络流量数据集收集的联合数据源。本文介绍了Windows操作系统的TON_IoT数据集的测试床和描述。该测试平台分为边缘层、雾层和云层。边缘层涉及物联网和网络设备，雾层包含虚拟机和网关，云层涉及与其他两层链接的云服务，如数据分析。这些层使用软件定义网络（SDN）平台和网络功能虚拟化（NFV）平台（使用VMware NSX和vCloud NFV平台）进行动态管理。Windows数据集是从内存、处理器、网络、进程和硬盘的审计跟踪中收集的。这些数据集将用于评估各种基于人工智能的网络安全解决方案，包括入侵检测、威胁情报和狩猎、隐私保护和数字取证。这是因为数据集具有广泛的近期正常和攻击特征和观察，以及真实的地面实况事件。这些数据集可以通过此链接公开访问[1]。
2020-10-04 cs.CR
Walnut: A low-trust trigger-action platform
触发动作平台是一种将物联网设备与Web服务连接起来的新型系统。例如，流行的IFTTT平台可以将Fitbit与谷歌日历连接起来，根据睡眠历史添加就寝时间提醒。然而，这些平台存在机密性和完整性风险，因为它们在公共云基础设施上运行并计算敏感的用户数据。本文介绍了核桃的设计，实施和评估，低信任的密码操作平台，模仿IFTTT的功能，同时确保数据的机密性和计算的正确性，在一个低资源成本。Walnut的关键使能器是一种新的两方安全计算协议，该协议（i）有效地执行字符串替换，这是一种常见的计算，并且（ii）在来自不同供应商的异构可信硬件机器上复制计算，以确保计算输出的正确性，只要其中一台机器不受损害。对Walnut的评估表明，它相对于不安全的基线具有合理的可部署性和低开销--除了一小部分程序外，所有程序的CPU开销是3.6倍，网络开销是4.3倍。
2020-09-25 cs.CR
Systems-Level Attack Surface of Edge Agent Deployments on IoT
Imperial College London（帝国理工学院）；ByteDance（字节跳动）
研究分析了三种物联网边缘代理部署架构的系统级攻击面，发现边缘部署虽减少云数据暴露，但 fallback 机制会削弱主权，且溯源链易被绕过。
2026-04-21 cs.CR
Data Privacy in Trigger-Action Systems
触发操作平台（TAP）允许用户连接独立的基于Web的服务或物联网服务，以实现有用的自动化。它们提供了一个简单的界面，可帮助最终用户创建在不同的Internet服务之间传递数据的查询-计算-操作规则。不幸的是，TAP引入了大规模的安全风险：如果它们被攻破，攻击者将获得数百万用户的敏感数据。为了避免这种风险，我们提出了eTAP，这是一个隐私增强的加密操作平台，它可以执行加密计算操作规则，而无需以明文形式访问用户的私人数据，也无需了解任何有关计算结果的信息。我们使用乱码电路作为一个基本的，并利用独特的结构的密码计算动作规则，使他们的实用。我们正式声明并证明我们协议的安全保证。我们原型化了eTAP，它支持流行的商业TAP（如IFTTT和Zapier）上最常用的操作。具体来说，它支持对私有触发器数据的布尔、算术和字符串操作，可以运行IFTTT用户100%的前500条规则和Zapier上93.4%的所有公共可用规则。基于现有的10个规则，行使各种各样的操作，我们表明，eTAP有一个温和的性能影响：平均规则执行延迟增加70毫秒（55%），吞吐量减少59%。
2021-05-24 cs.CR
AutoIoT: Automated IoT Platform Using Large Language Models
提出基于大型语言模型和形式化验证的自动化物联网平台 AutoIoT，通过设备信息提取、规则生成、冲突检测与规避实现端到端自动化，帮助用户生成无冲突规则并辅助开发者生成检测代码。
2024-11-16 cs.CR
Detecting Compromised IoT Devices Using Autoencoders with Sequential Hypothesis Testing
Florida State University（佛罗里达州立大学）；University of Hawaii（夏威夷大学）
本文提出CUMAD框架，通过集成自编码器异常检测与SPRT序贯假设检验来积累证据，有效降低受损IoT设备检测的误报率并实现快速检测。
2024-04-21 cs.CR cs.LG
Cracking IoT Security: Can LLMs Outsmart Static Analysis Tools?
Toronto Metropolitan University（多伦多都会大学）
本文评估大语言模型在物联网交互威胁检测中的性能，发现其在语义理解上有潜力，但在结构推理方面表现不佳，需结合符号分析提升可靠性。
2026-01-02 cs.AI cs.CR
DB-PAISA: Discovery-Based Privacy-Agile IoT Sensing+Actuation
DB-PAISA提出基于拉取的物联网设备发现机制，仅在用户请求时响应，基于主动根信任保证安全，无需硬件修改，原型验证了可行性。
2024-12-16 cs.CR
Introducing the Cyber-Physical Data Flow Diagram to Improve Threat Modelling of Internet of Things Devices
emgarde；Abertay University（阿伯泰大学）；Kiel University of Applied Sciences（基尔应用技术大学）；University of Strathclyde（思克莱德大学）
本文提出一种针对物联网设备的网络安全流图方法，通过建模硬件以帮助制造商识别威胁并开发防护措施，实验和调查结果表明该方法能发现更多攻击场景，提升威胁识别能力。
2026-04-24 cs.CR
Authenticating On-Body IoT Devices: An Adversarial Learning Approach
通过将用户作为连接的新维度，近年来，身体上的物联网（IoT）设备获得了相当大的发展势头，同时也引发了严重的隐私和安全问题。现有的认证这些设备的方法将自己限制在专用传感器或指定的用户动作上，从而破坏了它们的广泛接受。本文通过将无线物理层（PHY）签名与上层协议集成，采用通用身份验证解决方案克服了这些限制。关键的使能技术是从接收到的信号中构建代表性的无线电传播轮廓，并开发对抗性多玩家神经网络以准确地识别潜在的无线电传播模式并促进身体上的设备认证。一旦听到可疑的传输，我们的系统会触发一个基于PHY的挑战-响应协议，以深入防御主动攻击。我们证明了在平衡状态下，我们的对抗模型可以提取关于传播模式的所有信息，并消除由运动方差和环境变化引起的任何不相关信息。我们使用通用软件无线电外设（USRP）设备建立了我们的系统的原型，并进行了广泛的实验，在典型的室内和室外环境中的各种静态和动态的身体运动。实验结果表明，我们的系统实现了91.6%的平均认证准确率，与0.96的接收器工作特征曲线（AUROC）下的高面积和更好的泛化性能相比，传统的非对抗性的方法。
2020-05-21 cs.CR
Hybrid Hierarchical Runtime Verification for Edge-IoT Security: Combining MonPoly and RTLola
Clone Systems（Clone Systems公司）；International Hellenic University（国际希腊大学）；Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）；University of Thessaly（色萨利大学）
针对边缘物联网监控的结构性挑战，提出三层分层运行时验证框架，结合 MonPoly 与 RTLola，实现跨设备协调攻击与静默绕过检测，并在 Docker 测试平台上验证了其有效性与低延迟。
2026-10-08 cs.CR cs.DC cs.LO
PFirewall: Semantics-Aware Customizable Data Flow Control for Home Automation Systems
新兴的物联网（IoT）平台为集成异构IoT设备和部署家庭自动化应用提供了方便的解决方案。然而，随着设备数据现在流向物联网平台，严重的隐私威胁出现了，这些平台可能会受到各种攻击。我们在新兴的家庭自动化系统中观察到两种对隐私不友好的做法：首先，流向平台的大多数数据都是多余的，因为它们不会触发任何家庭自动化;其次，房主目前对他们的数据几乎没有控制权。我们提出PFirewall，一个可定制的数据流控制系统，以提高用户的隐私。PFirewall分析自动化应用程序以提取其语义，这些语义自动转换为数据最小化策略;这些策略仅将最小化的数据流发送到平台以执行应用程序，因此攻击者推断用户隐私的能力受到严重损害。此外，PFirewall还为用户提供功能和接口，以根据个人隐私偏好定义和实施可自定义的策略。PFirewall采用优雅的中间人设计，透明地执行数据最小化和用户定义的策略来处理原始数据流，并在IoT设备和平台之间（通过集线器）调解处理后的数据，而无需修改平台或IoT设备。我们实现了PFirewall与两个流行的平台：SmartThings和openHAB，并建立了两个现实世界的测试床，以评估其性能。评估结果表明，PFirewall非常有效：它将发送到平台的物联网数据减少了97%，并成功执行了用户定义的策略。
2019-10-22 cs.CR
ARGUS: Context-Based Detection of Stealthy IoT Infiltration Attacks
Technical University of Darmstadt（达姆施塔特工业大学）
物联网应用领域、设备多样性和连接性正在快速增长。物联网设备控制着灵巧家庭和建筑物、智能城市和智能工厂中的各种功能，使这些设备成为攻击者的诱人目标。另一方面，不同应用场景的巨大可变性和设备的固有异构性使得可靠地检测异常物联网设备行为并将其与良性行为区分开来非常具有挑战性。现有的检测攻击的方法大多限于直接危及单个物联网设备的攻击，或者需要预定义的检测策略。它们无法检测利用IoT系统的控制平面来触发非预期/恶意上下文中的动作的攻击，例如，当灵巧家庭居民不在时打开智能锁。在本文中，我们解决了这个问题，并提出了ARGUS，这是第一个用于检测物联网环境中上下文攻击的自学习入侵检测系统，其中攻击者恶意调用物联网设备操作以达到其目标。ARGUS根据环境中IoT设备的状态和操作监控上下文设置。无监督深度神经网络（DNN）用于对典型的上下文设备行为进行建模并检测在异常上下文设置中发生的动作。这种无监督的方法确保了ARGUS不仅限于检测以前已知的攻击，而且还能够检测新的攻击。我们在异构的真实智能家居环境中评估了ARGUS，每个设置的F1分数至少为99.64%，假阳性率（FPR）最多为0.03%。
2023-02-16 cs.CR cs.LG
Dynamic real-time risk analytics of uncontrollable states in complex internet of things systems, cyber risk at the edge
物联网（IoT）引发了新型的网络风险。因此，新物联网设备和服务的集成需要对物联网网络安全态势进行自我评估。安全态势指的是组织预测、预防和应对网络威胁的网络安全实力。目前，技术水平存在差距，因为没有量化物联网网络风险态势的自我评估方法。为了解决这一差距，进行了实证分析的12个网络风险评估方法。分析的结果和主要发现被呈现为物联网系统的当前和目标风险状态，然后是关于转型路线图的结论和建议，描述物联网系统如何通过新的目标导向依赖模型实现目标状态。根据目标状态，我们指的是符合组织一般安全要求的网络安全目标。该研究论文研究并采用了物联网风险评估的四种替代方案，并将目标导向的依赖模型确定为所研究的风险评估模型中的主导方法。本文中的新目标导向依赖模型可以评估复杂物联网系统中的不可控风险状态，并可用于物联网网络风险态势的定量自我评估。
2020-11-23 cs.CR cs.CY
BARTPredict: Empowering IoT Security with LLM-Driven Cyber Threat Prediction
Badji Mokhtar-Annaba University（巴吉·穆克塔尔-安纳巴大学）；University of La Rochelle（拉罗谢尔大学）；National Higher School of Technology and Engineering -Annaba（安纳巴国家技术与工程高等学校）
本文提出BARTPredict框架，结合微调的BART和BERT大语言模型主动预测并识别物联网网络中的恶意流量，在CICIoT2023数据集上取得98%准确率，实现了从被动检测到主动预测的转变。
2025-01-03 cs.AI cs.CR
Discovering and Understanding the Security Hazards in the Interactions between IoT Devices, Mobile Apps, and Clouds on Smart Home Platforms
灵巧家庭将数十个家庭设备连接到互联网，物联网云运行各种家庭自动化应用程序。在带来前所未有的便利性和可访问性的同时，也给用户带来了各种安全隐患。以前的研究从几个方面研究了灵巧家庭的安全性。然而，我们发现，参与实体之间的相互作用的复杂性（即，设备、物联网云和移动应用程序）尚未得到系统的研究。在这项工作中，我们对五个广泛使用的灵巧家庭平台进行了深入分析。结合固件分析、网络流量拦截和黑盒测试，我们对参与实体之间的交互细节进行了逆向工程。在此基础上，我们分别推导出了三个实体的合法状态转换图。使用这些状态机作为参考模型，我们确定了一组意外的状态转换。为了确认和触发意外的状态转换，我们实现了一组幻影设备来模拟真实设备。通过指示幻影设备干预正常的实体间交互，我们发现了几个新的漏洞和一系列针对现实世界灵巧家庭平台的攻击。
2019-06-26 cs.CR cs.NI
The DAO Induction Attack Against the RPL-based Internet of Things
RPL是低功耗和有损网络（LLN）的新兴路由标准。LLN是物联网（IoT）的关键组成部分，因此其安全性对于物联网时代至关重要。在这项工作中，我们提出了DAO归纳攻击，一种新的攻击RPL。在此攻击中，恶意内部人员或受损节点定期递增其DTSN编号。每个这样的增量可以触发/引起网络中的大量控制消息传输。我们表明，这降低了网络性能的端到端的延迟，丢包率和功耗。为了缓解这种情况，我们提出了一种轻量级的解决方案来检测DAO归纳攻击。我们的解决方案几乎不对物联网设备施加任何开销，这一点很重要，因为这些设备通常在功率、内存和处理方面受到限制。
2020-03-24 cs.CR cs.NI
From Source Code to Network Profile: Automated and Traceable MUD Profile Generation for IoT Devices
University of Padua（帕多瓦大学）；Eindhoven University of Technology（埃因霍温理工大学）
本文提出 AutoMUD，一种从物联网设备源代码自动生成可追溯 MUD 配置文件的工具，通过静态提取与语言模型推理恢复完整通信行为，并链接规则到代码出处，实验证明其能生成有效配置并支持错误检测与修正。
2026-09-28 cs.CR cs.SE
Authority-Bound Governance of Heterogeneous AI Security Decisions in Telecom and IoT Networks
G Innovation Centre, Institute for Communication Systems, University of Surrey, UK（Surrey大学6G创新中心，通信系统研究所）
研究针对电信/物联网欺诈控制请求，将其重构为区块链关联可审计决策管理。采用QLoRA调整大语言模型分支及多种方法评分、决策，经实验验证不同方法效果，分析区块链遥测数据，揭示相关指标差异原因。
2026-10-06 cs.AI cs.CR
PiBase: An IoT-based Security System using Raspberry Pi and Google Firebase
Kansas State University（堪萨斯州立大学）
智能环境是数字设备通过互联网相互连接并同步运行的环境。在这样的环境中，安全是至关重要的。本文讨论了智能环境中的授权访问和入侵检测方面。PiBase是一款基于物联网（IoT）的应用程序，有助于检测入侵者并提供安全性。该应用程序的硬件包括Raspberry Pi，用于检测环境中红外辐射运动的PIR运动传感器，Android手机和摄像头。该应用程序的软件是用Java，Python和NodeJS编写的。连接到Raspberry Pi的PIR传感器和Pi摄像头模块有助于检测人类入侵。机器学习算法，即基于Haar特征的级联分类器和线性二进制模式直方图（LBPH），分别用于人脸检测和人脸识别。该应用程序允许用户创建一个非入侵者列表，任何不在列表中的人都被识别为入侵者。该应用程序仅在发生入侵时通过使用Google Firebase Cloud Messaging服务触发通知应用程序来提醒用户。用户可以选择通过应用程序将检测到的入侵者添加到非入侵者列表中，以避免进一步检测为入侵者。Haar Cascade算法的人脸检测召回率为94.6%。因此，该系统既高效又相对低成本。
2021-07-29 cs.CR cs.CV cs.LO
A Resilient Runtime-Verification Fabric for Security Monitoring of Critical Edge-IoT Infrastructure
Clone Systems（克隆系统）；International Hellenic University（国际希腊大学）；Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）；University of Thessaly（色萨利大学）
针对关键边缘物联网基础设施的运行时验证，提出弹性投递层RV-Fabric，通过双代理架构和五项连续性保证，使不完整数据流不能产生无条件的完全通过，故障注入实验证明其优于共享日志基线。
2026-10-07 cs.CR cs.DC
Closing the Loop: An Access-Control Architecture for Automated, Anomaly-Driven Network Revocation in IoT Deployments
Security Training Consulting Inc.（安全培训咨询公司）；Informatics Institute, Istanbul Technical University（信息学院，伊斯坦布尔技术大学）
研究物联网设备网络异常检测后自动执行的问题，提出用标准协议构建访问控制架构，由异常信号驱动，经测试在单设备上效果良好，能可靠触发响应，完成设备逐出和证书撤销，还将探讨多设备泛化。
2026-07-14 cs.AI cs.CR
Smart Grid Security: A Verified Deep Reinforcement Learning Framework to Counter Cyber-Physical Attacks
针对智能电网易受信息物理攻击导致停电的问题，提出一种基于形式化验证的深度强化学习框架，通过触发保护序列有效中和攻击并支持GPU实时验证。
2024-09-24 cs.CR
Flying Drones to Locate Cyber-Attackers in LoRaWAN Metropolitan Networks
FOLLOWME项目研究利用无人机结合网络遥测与无线定位，在LoRaWAN城域网中定位并追踪移动网络攻击者，以解决攻击溯源难题。
2025-09-19 cs.CR cs.NI
