Privacy Mining from IoT-based Smart Homes
Simula Research Laboratory(西穆拉研究实验室);University of Oslo(奥斯陆大学)
近来,各种各样的智能设备被部署在各种环境中以提高人类生活质量。基于物联网的重要应用之一是用于医疗保健的灵巧家庭,特别是针对老年人。基于物联网的灵巧家庭使老年人的健康得到适当的监测和照顾。然而,长者的隐私可能会因网络通信未完全保护或其他原因而从灵巧家庭中泄露。为了证明这个问题是多么严重,我们在本文中介绍了一个隐私挖掘方法(PMA)挖掘隐私从灵巧家庭进行一系列的推理和分析所产生的传感器数据集由灵巧家庭。实验结果表明,PMA能够推导出一个全局的传感器拓扑结构的灵巧家庭和披露老人的隐私,他们的房子布局。
2018-09-11 cs.CY cs.LG stat.ML
Privacy Perspectives and Practices of Chinese Smart Home Product Teams
King's College London(伦敦国王学院);University of St Andrews(圣安德鲁斯大学);University of Warwick(华威大学)
本研究通过访谈27名中国智能家居产品团队成员,分析其隐私视角、实践及风险策略,发现中国相关法律及文化社会因素影响隐私平衡,并针对性提出团队建议与社会技术法律干预方案。
2025-10-28 cs.CY cs.HC
Smart Home, security concerns of IoT
物联网(IoT)在家庭环境中已变得广泛流行。人们正在将他们的家更新为灵巧家庭;然而,拥有许多具有始终开启的环境传感器的互联网连接设备的隐私问题仍然没有得到充分解决。默认和弱密码、廉价的材料和硬件以及未加密的通信被认为是物联网设备的主要威胁和漏洞。还提供了解决方案和对策:选择强密码,强身份验证机制,检查暴露或默认凭据的在线数据库以减轻第一个威胁;从信誉良好的公司选择灵巧家庭设备并实施SDN以应对Dos/DDoS威胁;最后是IDS,HTTPS协议和VPN用于窃听。本文的结论是处理进一步的挑战,“缺乏技术支持”,其中自动配置方法应进行分析,这既可以简化安装/维护,并提高安全性的自我配置步骤的灵巧家庭设备。
2020-07-06 cs.CR cs.CY
Data Privacy in IoT Equipped Future Smart Homes
智能设备正变得与日常生活密不可分,并在提供智能服务和远程监控方面快速发展。为了提供个性化和定制化的服务,需要更多的个人数据汇集。因此,智能服务正变得越来越个性化,并引起了人们对数据隐私和安全的担忧。在本文中,数据隐私的要求,在灵巧家庭环境配备了“物联网”的数据和模型的隐私挑战得到解决。
2020-08-11 cs.CR cs.CY
A Smart Home System based on Internet of Things
物联网(IoT)描述了通过互联网共享数据的可识别事物的网络基础设施。灵巧家庭是物联网的应用之一。在灵巧家庭中,家用电器可以被远程监控和控制。这就提出了对物联网系统可靠安全解决方案的需求。授权和身份验证是需要考虑的具有挑战性的物联网安全操作。例如,对灵巧家庭系统的未经授权的访问(如网络攻击)可能会通过控制传感器和执行器,为小偷打开大门而造成危险。本文应用多因素身份验证的额外安全层作为减少未经授权访问的预防方法。其中一个因素是面部识别,由于其非侵入性的生物识别技术,它最近变得流行起来,这种技术很容易与大多数趋势计算机和智能手机上的摄像头一起使用。本文分析了现有物联网灵巧家庭系统中存在的差距,并提出了通过包括必要的系统模块和增强用户注册和登录认证来克服这些差距的改进建议。我们提出了实现这样一个系统的软件架构。据我们所知,现有的物联网灵巧家庭管理研究在其建议的软件架构的认证操作中不支持人脸识别和活性检测。
2020-09-11 cs.CR cs.CY
Discovering Smart Home Internet of Things Privacy Norms Using Contextual Integrity
用于消费者"智能"家居的物联网(IoT)设备的激增引发了对用户隐私的担忧。我们提出了一种基于上下文完整性(CI)隐私框架的调查方法,可以快速有效地发现大规模的隐私规范。我们应用该方法来发现隐私规范的灵巧家庭的背景下,调查1,731美国成年人在亚马逊机械土耳其为2,800美元,在不到六个小时,我们测量了3,840信息流的可接受性代表的组合空间的灵巧家庭设备发送消费者信息的第一和第三方收件人在各种条件下。我们的研究结果为物联网设备制造商提供了可操作的建议,包括设计最佳实践和采用我们的方法进行进一步研究的说明。
2018-05-15 cs.CY cs.HC
AI For Privacy in Smart Homes: Exploring How Leveraging AI-Powered Smart Devices Enhances Privacy Protection
University of Oxford(牛津大学);Institute of AI(人工智能研究所)
本研究通过深度访谈和Grounded Theory分析,探讨了AI驱动的智能家居设备如何通过个性化支持增强隐私保护,揭示了用户期望与伦理安全挑战,并为设计师和开发者提供了指导建议。
2025-09-17 cs.CY cs.HC
Cybersecurity Guidance for Smart Homes: A Cross-National Review of Government Sources
Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI)(可扩展数据分析与人工智能中心);Leipzig University, Germany(莱比锡大学)
本文通过跨国民众审查,分析政府为智能家庭用户提供的网络安全指导类型和内容,发现政府提供大量通用安全建议和报告渠道,但针对智能家庭的结构化事件响应指导较少。
2026-03-23 cs.CR cs.CY
On the Principle of Accountability: Challenges for Smart Homes & Cybersecurity
本章介绍问责制原则及其在数据保护治理中的作用。我们专注于灵巧家庭网络安全管理背景下的问责制意味着什么,考虑到欧盟一般数据保护法对保护个人数据的要求。本次讨论的背景是数据保护法的两个关键新发展。首先,由于所谓的家庭豁免范围缩小,法律正在进入家庭。同时,家庭住户现在可能有法律责任遵守GDPR,因为他们发现自己共同负责合规,因为他们可能需要确定物联网设备供应商收集数据汇集的方式和目的。作为一个复杂的社会技术空间,我们考虑问责要求和这类新的国内数据控制者(DDC)的能力之间的相互作用。具体而言,我们考虑了基于边缘的安全分析在管理灵巧家庭网络安全风险方面的价值和局限性,并回顾了一系列原型和研究。我们还反思了家庭环境中的人际权力动态,例如设备控制;灵巧家庭中围绕隐私和安全管理的现有社会实践;以及可能阻碍DDC依赖此类解决方案的能力的可用性问题。最后,我们反思了1)家庭集体安全管理的必要性,以及2)设备用户、账户持有人、物联网设备/软件/固件供应商和第三方之间日益复杂的灵巧家庭责任分工。
2020-06-19 cs.CY cs.HC
Dynamic Conflict Resolution of IoT Services in Smart Homes
我们提出了一种新的冲突解决框架,物联网服务在多居民灵巧家庭。该框架采用了一种基于时间邻近策略的偏好提取模型。我们使用基于矩阵分解的方法(即,奇异值分解)。引入了当前驻留项矩阵和理想驻留项矩阵的概念,作为满足冲突解决框架的关键标准。最后,在真实数据集上进行了一组实验,以证明所提出的方法的有效性。
2021-10-13 cs.CY cs.DC
Using consumer behavior data to reduce energy consumption in smart homes
本文讨论了如何使用模式和居民的喜好,可以有效地学习,让灵巧家庭自主实现节能。提出了一种适用于实际灵巧家庭事件数据的频繁序列模式挖掘算法。所提出的算法的性能进行比较,现有的算法的完整性/正确性的结果,运行时间以及内存消耗和阐述不同的解决方案的缺点。我们还提出了一个推荐系统的基础上开发的算法,为用户提供建议,以减少他们的能源消耗。推荐系统被部署到一组测试家庭。测试参与者对建议对他们舒适度的影响进行评级。我们使用这种反馈来调整系统参数,使其在第二个测试阶段更加准确。
2015-10-01 cs.CY stat.ML
Investigating Bystander Privacy in Chinese Smart Home Apps
King’s College London(伦敦国王学院);University of St Andrews(圣安德鲁斯大学);University of Warwick(华威大学);INGENIO (CSIC-Universitat Politècnica de València)(INGENIO(西班牙国家研究委员会-巴伦西亚理工大学))
本研究分析了中国49款智能家庭应用的隐私政策与实践,发现旁观者隐私保护不足,提出改进隐私透明度和可信度的设计建议。
2026-02-09 cs.CY cs.HC
Smart Home Environment Modelled with a Multi-Agent System
University POLITEHNICA of Bucharest(布加勒斯特理工大学)
本文提出用三个智能体和五个位置模拟情境感知智能家居环境,通过预定义规则降低设备运行成本,并展望未来健康监测功能。
2023-03-28 cs.AI cs.CY cs.MA
Ubiquitous Smart Home System Using Android Application
Mokpo National University(木浦国立大学)
本文提出一种低成本独立智能家庭系统,通过Android应用与微网页服务器通信,集成多种传感器实现环境控制与安防功能。
2014-02-10 cs.CY cs.SY eess.SY
Wearable Health Monitoring System for Older Adults in a Smart Home Environment
University of Kentucky(肯塔基大学)
物联网的出现使互联和集成的智能健康监测系统的设计成为可能。这些智能健康监测系统可以在智能家居环境中实现,为老年人提供长期护理。在本文中,我们提出了一个可穿戴健康监测系统,适合老年人在智能家居环境中的设计。所提出的系统提供了在智能家居环境中监测个人的压力、血压和位置的解决方案。在这项工作中提出的压力检测模型使用嵌入在智能腕带中的皮肤电活动(EDA),光电容积脉搏波(PPG)和皮肤温度(ST)传感器来检测生理压力。压力检测模型使用从唾液皮质醇获得的压力标签进行训练和测试,唾液皮质醇是临床上建立的生理压力的生物标志物。一个基于语音的原型也实现了所提出的系统集成在智能家居环境中的可行性进行了分析,通过模拟数据采集和流的情况。我们还提出了一个血压估计模型,使用PPG信号和先进的回归技术与可穿戴健康监测系统中的压力检测模型集成。最后,一个语音辅助室内定位系统的设计提出了与智能家居环境内的建议系统集成。提出的可穿戴健康监测系统是实现具有广泛诊断能力的智能家居环境的一个重要方向,这样的系统可以用于在舒适的家中为老年人提供长期和个性化的护理。
2021-06-09 cs.CY cs.HC cs.LG
A Conflict Detection Framework for IoT Services in Multi-resident Smart Homes
我们提出了一种新的框架来检测多居民灵巧家庭中物联网服务之间的冲突。提出了一种新的物联网冲突模型,考虑到物联网服务的功能和非功能属性。我们设计了一个冲突本体,正式表示不同类型的冲突。结合知识驱动和数据驱动的方法,提出了一种混合冲突检测算法。在真实数据集上的实验结果表明了该方法的有效性。
2020-04-27 cs.CY cs.DC
Personal Data Protection in Smart Home Activity Monitoring for Digital Health: A Case Study
本文针对智能家居ADL监测用于认知衰退早期检测时的隐私挑战,分享了应用隐私设计原则开发并部署基于传感器的HAR系统的案例经验,以平衡数字健康需求与个人数据保护。
2025-03-27 cs.CY cs.HC
Measuring Cognitive Status from Speech in a Smart Home Environment
人口正在老龄化,并且越来越精通技术。联合国预测,到2050年,世界上六分之一的人将超过65岁(2019年为十一分之一),在欧洲和北美,这一比例将增加到四分之一。与此同时,65岁以上的美国成年人拥有智能手机的比例从2013年到2017年上升了24个百分点,大多数人家中都有互联网。智能设备和灵巧家庭技术具有深刻的潜力,可以改变人们的年龄,他们在晚年独立生活的能力,以及他们与他们的护理圈的互动。认知健康是老年人独立和幸福的关键组成部分,灵巧家庭提供了许多以连续、不引人注目的方式测量认知状态的机会。在这篇文章中,我们专注于语音作为认知健康的测量工具。现有的认知评估方法受到许多限制,这些限制可以通过灵巧家庭语音感测技术来解决。我们首先介绍一个关于从语音中测量认知状态的简短教程,包括一些有用的开源软件工具箱的指针,供感兴趣的读者使用。然后,我们提出了一个概述的初步结果,从试点研究的主动和被动灵巧家庭语音传感的认知健康的测量,并得出结论,在这一领域的下一波工作的一些建议和挑战声明,以帮助克服技术和伦理障碍的成功。
2021-10-18 cs.AI cs.CL cs.CY
Potential customer mining application of smart home products based on LightGBM PU learning and Spark ML algorithm practice
本文以中国电信上海公司为例,研究了基于大数据的智能产品潜在客户挖掘的案例。基于大数据表的海量数据,利用机器学习和数据分析技术,运用LightGBM算法、PySpark机器学习算法、Positive Unlabeled Learning算法,预测客户是否购买全屋产品,为客户精准营销转化为人工智能,大数据容量,推动公司智能产品的发展。
2020-06-22 cs.CY cs.IR
X-BCD: Explainable Sensor-Based Behavioral Change Detection in Smart Home Environments
EveryWare Lab, Dept. of Computer Science, University of Milan(米兰大学计算机科学与EveryWare实验室)
本文提出X-BCD框架,通过多模态智能家庭传感器数据检测和表征活动规律变化,结合变化点检测和聚类演变追踪,生成自然语言解释,用于临床解读。
2026-02-02 cs.CY cs.HC
Exploring the Privacy and Security Challenges Faced by Migrant Domestic Workers in Chinese Smart Homes
本文通过对26名外籍家政工人和5家机构人员的访谈,揭示了中国智能家居中MDWs面临的隐私安全挑战及权力失衡问题,并提出了应对建议。
2025-04-02 cs.CR cs.CY cs.HC
SafeAccess+: An Intelligent System to make Smart Home Safer and Americans with Disability Act Compliant
The University of Memphis(孟菲斯大学)
灵巧家庭正变得无处不在,但它们并不符合《美国残疾人法案》(ADA)。配备符合ADA标准的设备和服务的灵巧家庭对残疾人至关重要(即,视力障碍和行动不便),以提高独立性、安全性和生活质量。尽管灵巧家庭技术取得了很大进步,但仍存在一些基本的设计和实施问题。例如,当有人敲门或按门铃时,残疾人经常感到不安全。在本文中,我们提出了一个名为“SafeAccess+”的智能系统,以建立更安全和符合ADA的处所(例如灵巧家庭,办公室)。SafeAccess+的主要功能是:1)监控房屋内外并识别进入的人员; 2)为用户提供相关信息以评估进入的威胁(例如,入室盗窃、抢劫)和正在发生的犯罪3)允许用户准许朋友/家人安全进入住宅。我们已经解决了几个技术和研究的挑战:-开发模型来检测和识别人/活动,生成图像描述,设计ADA兼容的终端系统。此外,我们还设计了一个展示概念验证的智能门原型。预计这些房地将在战略位置安装摄像头,便于全天候监测房地,以识别进入人员并生成图像说明。该系统根据图像描述生成预结构化消息,以评估传入的威胁并立即通知用户。通过严格的定量评价,保证了模型的完整性和通用性。使用PYTHEIA量表测量了用户对系统的满意度和信度,评定为优秀(内部一致性-Cronbach’s α为0.784,重测信度为0.939)
2021-09-14 cs.AI cs.CV cs.CY