Real-Time Energy Monitoring in IoT-enabled Mobile Devices
随着物联网(IoT)范例的快速发展,预计在不久的将来电气设备将具有IoT能力。这使得能够细粒度地跟踪这些设备的个体能耗数据,提供与位置无关的每设备计费。因此,它比最先进的基础设施的基于位置的计量更细粒度,传统上在建筑物或家庭级别上聚合,定义要计费的实体。然而,这种装置内能量计量容易受到操纵和欺诈。作为补救措施,我们提出了一种分散的计量架构,使具有物联网功能的设备能够测量自己的能耗。在这种架构中,设备级消费还被报告给系统级聚合器,该聚合器使用区块链验证分布式信息并提供安全的数据存储,防止不受信任的实体操纵数据。使用实验测试平台上的评估,我们表明,所提出的架构支持设备的移动性,并使位置无关的能源消耗监测。
2020-04-29 cs.CR
Deployment Optimization of IoT Devices through Attack Graph Analysis
物联网(IoT)已成为我们工作和家庭生活中不可或缺的一部分。然而,这些物联网设备由于其低成本、低资源、供应商的多样性和专有固件而容易受到漏洞利用。此外,短距离通信协议(例如,蓝牙或ZigBee)为攻击者在组织内的横向移动提供了额外的机会。因此,IoT设备的类型和位置可能会显著改变组织网络的网络安全级别。在本文中,我们基于增强的攻击图分析来量化网络安全级别,该分析考虑了物联网设备的物理位置及其通信能力。我们使用深度优先分支定界(DFBnB)启发式搜索算法来解决两个优化问题:最小风险的完全部署(FDMR)和无风险恶化的最大效用(MURD)。提出了一种可容许的启发式算法来加速搜索。所提出的方法使用具有模拟物联网设备部署的真实网络进行评估。结果表明:(1)增强攻击图对量化组织内部署的物联网设备对安全性的影响的贡献,以及(2)优化物联网部署的有效性。
2019-04-11 cs.CR
Thesis Deployment Optimization of IoT Devices through Attack Graph Analysis
物联网(IoT)已成为我们工作和家庭生活中不可或缺的一部分。然而,这些物联网设备由于其低成本、低资源、供应商的多样性和专有固件而容易受到漏洞利用。此外,短距离通信协议(例如,蓝牙或ZigBee)为攻击者在组织内的横向移动提供了额外的机会。因此,IoT设备的类型和位置可能会显著改变组织网络的网络安全级别。在这项工作中,我们基于增强的攻击图分析来量化网络安全级别,该分析考虑了物联网设备的物理位置及其通信能力。我们使用深度优先分支定界(DFBnB)启发式搜索算法来解决两个优化问题:最小风险的完全部署(FDMR)和无风险恶化的最大效用(MURD)。提出了一种可容许的启发式算法来加速搜索。所提出的方法使用具有模拟物联网设备部署的真实网络进行评估。结果表明:(1)增强攻击图对量化组织内部署的物联网设备对安全性的影响的贡献,以及(2)优化物联网部署的有效性。
2019-11-15 cs.CR
A Location-based and Hierarchical Framework for Fast Consensus in Blockchain Networks
本文提出一种面向物联网区块链的基于位置的分层共识协议,利用节点声誉与距离信息选举子层领导者,并结合门限签名实现全局共识,相比 Raft 在通信成本、网络延迟和一致时间上均降低超过 50%。
2023-05-26 cs.CR cs.DC
Navigating Connected Car Cybersecurity: Location Anomaly Detection with RAN Data
针对联网汽车劫持与欺骗攻击,本文提出基于 RAN 事件监测的位置异常检测模块,利用数千万辆汽车数据识别同时出现在多地的恶意设备。
2024-07-02 cs.CR cs.NI
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
IoT Forensic Frameworks (DFIF, IoTDOTS,FSAIoT): A Comprehensive Study
在物联网中,数以百万计的电子产品,包括汽车、烟雾报警器、手表、眼镜、网络摄像头和其他设备,现在都连接到互联网(IoT)。除了个人在物联网领域获得的奢华和舒适,以及轻松快速地通信和获取信息的能力之外,另一个值得关注的方面是在这方面实现隐私和安全,特别是考虑到现有和新物联网设备数量的快速增长。与物联网安全相关的担忧、威胁和攻击一直被认为是一个潜在的、有问题的研究领域。这需要快速开发或创建具有物联网环境中犯罪性质的合适技术。另一方面,由于不同的位置、数据类型、使用的仪器和设备识别,刑事调查专家遇到了困难和障碍。本文对物联网的犯罪内容进行了深入的阐述。它比较了它的阶段与传统数字取证的详细阶段的相似性和差异,在处理电子犯罪中使用的框架,以及在这两种类型中使用的技术。本文介绍了数字取证领域的研究人员以前的讨论。对于物联网,这给我们带来了本文最重要的部分,这是对用于保护物联网领域通信的物联网犯罪框架的全面研究,例如数字取证调查框架(DFIF),智能环境数字取证框架(IoTDOTS),物联网取证状态获取(FSAIoT),并在其总体框架中讨论了挑战,并提供了解决方案和战略。
2022-03-24 cs.CR cs.NI
NETRA: Enhancing IoT Security using NFV-based Edge Traffic Analysis
这是智能设备或事物的时代,这些设备或事物正在推动物联网(IoT)的发展。它正在影响我们周围的每一个领域,使我们的生活依赖于这一技术壮举。值得高度关注的是,这些智能设备正被网络犯罪分子利用这些设备中的异构性、微小的安全功能和漏洞作为目标。传统的集中式IT安全措施在可扩展性和成本方面存在局限性。因此,这些智能设备需要在更靠近其位置的地方进行监控,理想情况下是在物联网网络的边缘。在本文中,我们将探讨如何在网络边缘实现一些安全功能,以保护这些智能设备。我们解释了网络功能虚拟化(NFV)的重要性,以便在网络边缘部署安全功能。为了实现这一目标,我们引入了NETRA --一种新型的基于Docker的轻量级架构,用于虚拟化网络功能以提供物联网安全。此外,我们强调了所提出的架构在存储,内存使用,延迟,吞吐量,负载平均,可扩展性方面优于标准化NFV架构的优势,并解释了为什么标准化架构不适合物联网。我们研究了基于NFV的物联网安全边缘分析的性能,并表明可以在不到一秒的时间内以超过95%的准确率检测到攻击。
2018-05-28 cs.CR cs.NI
A Context-Aware Information-Based Clone Node Attack Detection Scheme in Internet of Things
物联网(IoT)网络的快速扩展性质开始引起包括灵巧家庭、智能交通、智能健康和工业环境在内的一系列应用的兴趣。这项尖端技术使个人能够通过由传感器和执行器组成的上千个物联网设备实时和远程跟踪和控制其集成环境,这些设备积极参与传感,处理,存储和共享信息。尽管如此,物联网设备经常部署在敌对环境中,其中对手试图捕获和破坏它们,以夺取整个网络的控制权。潜在恶意行为的一个这样的示例是IoT设备的克隆,其中攻击者可以物理地捕获设备,获得一些敏感信息,复制设备,并将它们智能地部署在期望的位置以进行各种内部攻击。物联网网络上的设备克隆攻击是一个重要的安全问题,因为它允许选择性转发,sink-hole和黑洞攻击。为了解决这个问题,本文提供了一种有效的方案来检测物联网网络上的克隆节点攻击,该方案利用物联网设备的语义信息(称为从部署环境中感知的上下文信息)来安全地定位它们。通过结合位置证明和扩展椭圆曲线数字签名技术的批量验证,设计了一种位置证明机制,以加速选定可信节点的验证过程。我们证明了我们的计划的安全性和它的弹性安全克隆节点攻击检测进行全面的安全分析。我们提出的方案的性能提供了一个高度的检测精度与最小的检测时间,并显着降低了计算,通信和存储开销。
2021-06-30 cs.CR
H-LPS: a hybrid approach for user's location privacy in location-based services
提出基于混淆与协作的混合位置隐私方案H-LPS,在提供高隐私保护的同时保持良好服务准确性,并验证其优于现有方案。
2025-01-22 cs.CR
BlockLoc: Secure Localization in the Internet-of-Things using Blockchain
一些物联网应用程序紧密依赖于设备的位置。然而,定位算法可以很容易地通过注入错误的位置而受到损害。在本文中,我们提出了一种基于区块链的物联网(IoT)安全定位算法。该算法使用一个公共账本(区块链),其中包含节点位置及其邻居节点列表。该分类账在IoT设备之间共享。一旦物联网设备被定位,其新位置和邻居节点列表就会被添加到区块链中。这些共享的本地化数据稍后将被其他物联网设备用于其本地化过程。为了避免恶意节点发送虚假位置的攻击,在将其添加到区块链之前,需要验证所声称位置的正确性。此外,节点(物联网设备)之间交换的数据经过签名,以保证其真实性和完整性。将这些安全机制集成到本地化过程中可以排除错误数据,从而减少本地化错误。仿真结果表明,在存在恶意节点的情况下,加入安全机制后,算法的定位精度得到了提高。
2019-04-30 cs.CR
Domain-Agnostic Hardware Fingerprinting-Based Device Identifier for Zero-Trust IoT Security
本文提出EPS-CNN框架,利用CNN从双面包络功率谱生成设备身份,作为零信任架构中的认证层,在跨域场景下实现高准确率,提升物联网设备识别的鲁棒性与适应性。
2024-02-08 cs.CR cs.NI eess.SP
IoT Notary: Attestable Sensor Data Capture in IoT Environments
现代物联网环境(如智能建筑)要求最终用户信任系统发布的数据捕获规则。这种信任错位的原因有几个-物联网系统可能故意违反规则,或者物联网设备可能由于网络攻击而将用户数据传输给恶意第三方,导致个人隐私或服务完整性的丧失。为了解决这些问题,我们提出了IoT Notary,这是一个确保物联网系统和应用程序信任的框架。IoT Notary为实时传感器数据提供安全的日志密封,以生成可验证的“完整性证明”,验证者可以基于此证明捕获的传感器数据符合发布的数据捕获规则。IoT Notary是TIPPERS的一个组成部分,TIPPERS是一个智能空间系统,已部署在加州大学欧文分校,在校园内提供各种基于位置的实时服务。我们在实时WiFi连接数据上进行了大量实验,以评估IoT Notary,结果表明IoT Notary带来了标称开销。安全日志仅占用21%的存储空间,而用户即使使用资源有限的设备,也可以在不到两秒的时间内验证一天的数据。
2021-08-04 cs.CR cs.DB cs.DC
Federated Kalman Filter for Secure IoT-based Device Monitoring Services
University of Guelph(圭尔夫大学)
本文提出一种结合联邦卡尔曼滤波器、联邦学习与私有区块链的平台,用于解决物联网设备监控服务中的隐私问题,实验证明其在基于RSSI的定位数据估计上具有显著改进潜力。
2023-04-03 cs.CR cs.LG cs.NI
Artificial Intelligence and Location Verification in Vehicular Networks
设备声称的位置信息将在未来的无线网络中发挥越来越大的作用,例如5G,物联网(IoT)。在这种背景下,核实这种声称的位置信息将是一个日益重要的问题。一个正式的信息理论位置验证系统(LVS)可以在一定程度上解决这个问题,但这样的系统通常在理想的假设范围内的先验信息的比例,真正的用户在该领域内。在这项工作中,我们使用神经网络(NN)来解决这个关键的限制,显示这样一个基于NN的LVS是如何能够有效地发挥作用,即使真正的用户的比例是完全未知的先验。我们展示了这种新形式的LVS的改进性能,基于车辆网络背景下多个验证基站的到达时间测量,量化我们的NN-LVS如何在一系列预期的现实条件下优于独立的信息理论LVS。我们还展示了当用户信号中加入非现场线(NLoS)偏差时,NN-LVS的有效性能。这种新的LVS可以应用于物联网领域内的一系列以位置为中心的应用。
2019-05-03 cs.CR eess.SP
IoT Notary: Sensor Data Attestation in Smart Environment
现代物联网环境(如智能建筑)要求最终用户信任系统发布的数据捕获规则。这种信任错位的原因有几个-物联网系统可能故意违反规则,或者物联网设备可能由于网络攻击而将用户数据传输给恶意第三方,导致个人隐私或服务完整性的丧失。为了解决这些问题,我们提出了IoT Notary,这是一个确保物联网系统和应用程序信任的框架。IoT Notary为实时传感器数据提供安全的日志密封,以生成可验证的“完整性证明”,验证者可以基于此证明捕获的传感器数据符合发布的数据捕获规则。IoT Notary是TIPPERS的一个组成部分,TIPPERS是一个智能空间系统,已在UCI部署,在校园内提供各种基于位置的实时服务。IoT Notary对验证收取名义上的开销,因此用户可以在不到两秒的时间内验证他们一天的数据。
2019-08-27 cs.CR cs.DB cs.DC
Extricating IoT Devices from Vendor Infrastructure with Karl
本文提出智能家居框架 Karl,将物联网计算与存储迁移到用户本地设备,并通过管道权限和出口策略两种安全机制,在保留模块化灵活性的同时实现对设备数据流的细粒度控制与合理解释。
2023-05-31 cs.CR
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
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
Decentralized Blockchain for Privacy-Preserving Large-Scale Contact Tracing
在COVID-19大流行期间,使用短距离通信(SRC)技术的活动跟踪应用程序和基于位置的服务的需求突然增加,特别是对于自动接触跟踪。公众和政策对相关实际问题的关注不断增加,其中包括\textit{1) how to protect data security and location privacy? 2) how to efficiently and dynamically deploy SRC Internet of Thing (IoT) witnesses to monitor large areas?}为了回答这些问题,本文提出了一种分散的无许可区块链协议,名为\textit{Bychain}。具体而言,1)将交互式零知识证明协议与密钥托管机制相结合,提出了一种用于活动跟踪的隐私保护SRC协议及相应的广义块结构。因此,个人身份和链上位置信息的所有权之间的联系被解耦。同时,链上位置数据的所有者仍然可以在不向其他任何人透露私钥的情况下声称其所有权。2)提出了一种基于人工势场的激励分配机制,以激励物联网证人追求最大的监测覆盖部署。我们使用蓝牙5.0在现实世界中实现和评估了拟议的区块链协议。分析了各个过程的存储、CPU利用率、功耗、时延、安全性以及活动的性能。实验和安全性分析表明,提供了一个现实世界的性能评估。
2020-07-02 cs.CR cs.NI eess.SP
Detection of Unauthorized IoT Devices Using Machine Learning Techniques
Ben-Gurion University of the Negev(内盖夫本-古里安大学);Singapore University of Technology and Design(新加坡科技设计大学)
安全专家已经证明了物联网(IoT)设备对组织带来的众多风险。由于此类设备的广泛采用、其多样性、标准化障碍和固有的移动性,组织需要一种能够自动检测连接到其网络的可疑物联网设备的智能机制。特别是,应检测未包括在可信IoT设备类型白名单中的设备(允许在组织场所内使用)。在这项研究中,随机森林,一种有监督的机器学习算法,被应用于从网络流量数据中提取的特征,目的是从白名单中准确识别物联网设备类型。为了训练和评估多类分类器,我们从17个不同的物联网设备(代表9种类型的物联网设备)收集并手动标记网络流量数据。基于20个连续会话的分类和多数规则的使用,不在白名单上的物联网设备类型在96%的测试用例中被正确检测为未知(平均),白名单上的设备类型在99%的情况下被正确分类为实际类型。一些IoT设备类型比其他类型更快地被识别(例如,在连接到网络的五个TCP会话内成功检测到套接字和恒温器)。在分析110个连续会话后,实现了对未经授权的物联网设备类型的完美检测;白名单类型的完美分类需要346个连续会话,其中110个会话的准确率为99.49%。进一步的实验证明了在一个位置训练并在另一个位置测试的分类器的成功适用性。此外,还讨论了我们基于机器学习的物联网白名单方法对对抗攻击的弹性。
2017-09-14 cs.CR cs.CV
Zero-Knowledge Proof (ZKP) Authentication for Offline CBDC Payment System Using IoT Devices
Dept. of Computer Science Pondicherry University(计算机科学系 Pondicherry大学)
本文提出了一种结合安全元素、零知识证明和间歇性同步的隐私保护离线CBDC模型,用于物联网设备的离线支付。
2026-03-05 cs.AI cs.CE cs.CR