IoT Network Security from the Perspective of Adversarial Deep Learning
Intelligent Automation, Inc.（智能自动化公司）；Virginia Tech（弗吉尼亚理工大学）
机器学习在物联网（IoT）网络中有着丰富的应用，例如信息检索、流量管理、频谱感测和信号认证。虽然人们对理解机器学习的安全问题的兴趣激增，但它们对无线应用的影响尚未被理解，例如由于无线通信的开放和广播性质而容易受到各种攻击的物联网系统中的无线应用。为了支持具有不同优先级的异构设备的物联网系统，我们提出了基于对抗性机器学习的新技术，并将其应用于三种类型的空中（OTA）无线攻击，即干扰，频谱中毒和优先级违规攻击。通过观察频谱，攻击者从探索性攻击开始，通过构建预测传输结果的深度神经网络分类器来推断物联网发射机的信道接入算法。基于这些预测结果，无线攻击继续通过空中干扰数据传输或操纵感测结果（通过在感测阶段期间进行发送），以欺骗发送器在测试阶段做出错误的发送决策（对应于规避攻击）。当IoT发射器收集感测结果作为训练数据以重新训练其信道接入算法时，对手发起因果攻击以通过空中操纵到发射器的输入数据。我们发现，这些具有不同能量消耗和隐蔽性的攻击会导致物联网系统无线通信的吞吐量和成功率显著下降。然后，我们引入了一个防御机制，系统地增加了对手的不确定性在推理阶段，提高了性能。研究结果为如何使用深度学习攻击和防御物联网网络提供了新的见解。
2019-05-31 cs.CR cs.LG cs.NI
Secure IoT Routing: Selective Forwarding Attacks and Trust-based Defenses in RPL Network
低功耗和有损网络的IPv6路由协议（RPL）是一种重要的路由协议，可实现低功耗设备的物联网网络通信。RPL使用目标函数和路由约束来为网络中的每个节点找到优化的路由路径。然而，最近的研究表明，拓扑攻击，如选择性转发攻击，对物联网网络的安全路由构成了巨大的挑战。另一方面，许多传统的安全路由解决方案直接应用于资源受限的物联网网络时计算量很大。迫切需要为物联网网络开发轻量级安全路由解决方案。本文首先从攻击的角度出发，设计并实现了一系列先进的选择性转发攻击，能够灵活地选择转发包的类型和百分比，以能量有效的方式，甚至恶意中伤网络中的其他无辜节点。实验结果表明，所提出的攻击可以最大化攻击后果（即丢弃的数据包数量），同时保持未被检测到。此外，我们提出了一个轻量级的基于信任的防御解决方案，以检测和消除恶意选择性转发节点的网络。结果表明，所提出的防御解决方案可以实现很高的检测精度与非常有限的额外的能量使用（即3.4%）。
2022-01-18 cs.NI
Detecting Anomalous Microflows in IoT Volumetric Attacks via Dynamic Monitoring of MUD Activity
University of New South Wales（新南威尔士大学）；Carnegie Mellon University（卡内基梅隆大学）
本文提出利用SDN动态监控MUD活动并结合单类分类器，以微流分辨率检测物联网体量攻击，并通过多级推理、公开数据集和开源原型验证了其高准确率、低误报及可扩展性。
2023-04-11 cs.CR cs.LG cs.NI
IoTGeM: Generalizable Models for Behaviour-Based IoT Attack Detection
Department of Computer Science, Heriot-Watt University（赫瑞瓦德大学计算机科学系）
IoTGeM通过改进的滑动窗口和遗传算法实现行为基物联网攻击检测，展现出优于传统方法的泛化能力和高检测精度。
2025-06-12 cs.AI cs.CR cs.LG
Active Link Obfuscation to Thwart Link-flooding Attacks for Internet of Things
DDoS攻击是对物联网（IoT）的严重威胁。作为一种新的DDoS攻击类型，链路泛洪攻击（LFA）通过仅泛洪少量链路来破坏合法物联网设备与目标服务器之间的连接。在本文中，我们提出了一种主动的LFA缓解机制，称为Linkbait，这是一种主动和预防性的防御措施，可以抑制物联网的LFA。我们提出了一个链接混淆算法Linkbait，有选择地重新路由探测流隐藏目标链接从对手和误导他们识别诱饵链接作为目标链接。为了阻止攻击流量并进一步减少对物联网的影响，我们提出了一种受损物联网设备检测算法，该算法提取物联网LFA的独特流量模式，并利用支持向量机（SVM）来识别攻击流量。我们使用真实世界的实验和大规模的模拟评估Linkbait的性能。实验结果证明了Linkbait的有效性。
2021-09-24 cs.NI
IoT Network Security: Requirements, Threats, and Countermeasures
物联网设备越来越多地用于关键基础设施、企业和家庭。有几个复杂的网络攻击已经报告，许多网络已被证明容易受到主动和被动的攻击，泄露私人信息，允许未经授权的访问，并开放拒绝服务攻击。本文的目的首先是帮助网络运营商了解物联网网络安全解决方案的需求，其次是调查物联网网络攻击媒介、网络威胁和对策，重点是提高现有安全解决方案的鲁棒性。我们的第一个贡献强调了从制造商，服务提供商，消费者和当局等利益相关者的角度对物联网安全的观点。我们讨论了物联网和IT系统之间的差异，物联网安全解决方案的需求，并强调了物联网网络安全系统架构所需的关键组件。对于我们的第二个贡献，我们调查了物联网攻击的类型，根据它们的影响进行分组。我们讨论了各种攻击技术，威胁和现有对策的不足，旨在使未来的研究能够提高物联网网络安全性。
2020-08-21 cs.CR cs.NI
Detecting FDI Attack on Dense IoT Network with Distributed Filtering Collaboration and Consensus
物联网的兴起使得越来越多的个性化服务的发展成为可能，例如经常处理大量数据的工业服务。然而，随着物联网的发展，其威胁也越来越大。虚假数据注入（FDI）攻击是对物联网等数据网最有害的攻击之一。目前处理这种攻击的大多数系统都没有考虑到数据验证，特别是在数据聚类服务上。这项工作引入了CONFINIT，这是一种针对密集物联网数据传播服务的FDI攻击的入侵检测系统。它结合了看门狗监控和物联网设备之间的协作共识，以快速检测攻击者。在NS-3模拟器中对CONFINIT进行了密集工业物联网的评估，它的检测率为99%，假阴性率为3.2%，假阳性率为3.6%，在没有FDI攻击者的情况下，检测率高达35%。
2020-10-29 cs.CR cs.DC cs.NI
Launching Adversarial Attacks against Network Intrusion Detection Systems for IoT
Edinburgh Napier University（爱丁堡龙比亚大学）；University of Hertfordshire（赫特福德大学）
随着互联网上不断出现新设备和新兴技术，攻击面呈指数级增长。技术正在转向利润驱动的物联网市场，安全性是事后的想法。传统的防御方法已不足以高精度地检测已知和未知的攻击。机器学习入侵检测系统已经证明了它们在以高精度识别未知攻击方面的成功。然而，机器学习模型也容易受到攻击。对抗性示例可用于在部署之前评估设计模型的鲁棒性。此外，使用对抗性示例对于创建针对对抗性环境设计的鲁棒模型至关重要。我们的工作使用Bot-IoT数据集评估了传统机器学习和深度学习模型的鲁棒性。我们的方法包括两个主要途径。一是标签中毒，用于造成模型分类错误。二是快速梯度标志法，用于规避检测措施。实验表明，攻击者可以操纵或规避检测具有显着的概率。
2021-04-26 cs.CR cs.LG cs.NI
Securing Heterogeneous IoT with Intelligent DDoS Attack Behavior Learning
本文提出基于 MEC 的本地化 DDoS 防御框架 MECshield，通过中央控制器协调边缘智能过滤器并依据攻击行为训练 SOM，在三类典型 IoT 流量场景中优于现有方案。
2019-08-07 cs.NI
Enabling Cooperative IoT Security via Software Defined Networks (SDN)
物联网（IoT）正成为网络犯罪分子越来越有吸引力的目标。我们观察到，许多对物联网的攻击都是以合谋的方式发起的，例如暴力破解用户名和密码，以针对特定的受害者。然而，大多数时候，我们对这类攻击的防御机制是单独和独立进行的，这导致防御无效和薄弱。为此，我们建议利用软件定义网络（SDN）为传统的基于IP的物联网设备实现协作安全。SDN将控制平面和数据平面合并，可以帮助桥接应用层和网络层之间划分的知识。在本文中，我们讨论了物联网的安全问题和挑战，并提出了一个基于SDN的架构，以合作的方式实现物联网安全。此外，我们实现了一个平台，可以快速共享攻击信息与对等控制器和阻止攻击。我们在虚拟和物理SDN环境中使用OpenFlow交换机进行了实验。我们的评估结果表明，这两种环境都可以很好地扩展来处理攻击，但硬件实现比虚拟环境更有效。
2018-06-05 cs.NI
SDN-based In-network Honeypot: Preemptively Disrupt and Mislead Attacks in IoT Networks
在物联网（IoT）使用的网络环境中检测网络攻击并防止它们造成物理干扰在提供可靠服务方面发挥着重要作用。为了实现这一目标，我们提出了基于软件定义网络（SDN）的网络蜜罐，以破坏和误导对手暴露，而他们在准备攻击的早期阶段。与传统的需要专门硬件设置的蜜罐不同，网内蜜罐直接从可疑节点重新路由流量，并通过在正常流量中添加误导信息来智能地欺骗网络流量。对真实网络的初步评估表明，网内蜜罐对物联网网络性能的影响很小。
2019-05-30 cs.CR cs.NI
A Framework for Detection and Classification of Attacks on Surveillance Cameras under IoT Networks
针对物联网监控摄像头面临的暴力破解、零日及拒绝服务攻击，提出基于AI的机器学习框架，通过分析网络流量检测异常行为，利用真实数据集训练评估，实现快速入侵检测与响应。
2025-09-04 cs.CR cs.NI
Towards Intrusion Detection Systems for RPL-based IoT Networks using Foundation Models
Uppsala University（乌普萨拉大学）
本研究探索使用基础模型（MOMENT）检测和识别RPL物联网网络中的多种攻击类型，在Cooja模拟数据集上实现了与现有方法相当的检测性能并有效区分攻击类型。
2026-06-02 cs.CR cs.NI
Privacy-Preserving Detection of IoT Devices Connected Behind a NAT in a Smart Home Setup
Ben-Gurion University of the Negev（本-古里安大学）；iTrust - Singapore University of Technology and Design（iTrust——新加坡科技设计大学）
如今，电信服务提供商（电信公司）面临着由连接到客户网络的受损物联网设备执行的网络攻击。这种攻击不仅可能对攻击目标产生严重影响，而且可能对电信公司本身产生严重影响。为了减轻这些风险，我们提出了一种基于机器学习的方法，可以检测连接在国内NAT后面的特定易受攻击的物联网模型的设备，从而识别对电信公司的基础设施和服务可用性构成风险的家庭网络。作为保护国内客户隐私的努力的一部分，我们的方法仅依赖于NetFlow数据，而不检查有效载荷。为了促进这一领域的未来研究，我们分享了我们的新数据集，这些数据集是在我们的实验室中从许多不同的商业物联网设备中收集的。
2019-05-31 cs.CR cs.LG cs.NI
Timely Detection and Mitigation of Stealthy DDoS Attacks via IoT Networks
物联网（IoT）网络由传感器、执行器、移动和可穿戴设备组成，这些设备可以连接到互联网。由于市场上已有数十亿具有重大漏洞的此类设备，互联网服务以及一些也连接到互联网的网络物理系统面临着危险的威胁。具体来说，由于其现有的漏洞，物联网设备很容易受到损害，并成为一种新型的隐形分布式拒绝服务（DDoS）攻击的一部分，称为蒙古DDoS，其特点是其广泛分布的性质和每个来源的攻击规模小。本研究提出了一种新的基于异常的入侵检测系统（IDS），能够及时检测和缓解这种新兴类型的DDoS攻击。建议的IDS的检测和缓解隐身DDoS攻击的能力，甚至非常低的攻击大小，每个源通过数值和测试台实验证明。
2020-06-15 cs.CR cs.NI stat.ML
An Access Control for IoT Based on Network Community Perception and Social Trust Against Sybil Attacks
提出ELECTRON访问控制机制，利用设备社会相似性划分社区并评估社会信任，以抵御物联网中的女巫攻击，仿真显示其检测率和准确率均超过约90%。
2021-07-21 cs.NI cs.SI
ThingPot: an interactive Internet-of-Things honeypot
Mirai分布式拒绝服务（DDoS）攻击利用了物联网（IoT）设备的安全漏洞，从而清楚地表明攻击者已经将IoT置于其雷达上。因此，保护物联网势在必行，但为了做到这一点，了解此类攻击者的策略至关重要。为此，本文提出并部署了一种名为ThingPot的新型物联网蜜罐。蜜罐技术模仿可能被攻击者利用的设备，并记录其行为以检测和分析所使用的攻击向量。ThingPot是同类产品中的第一个，因为它不仅关注物联网应用协议本身，而且关注整个物联网平台。使用XMPP和REST API实现概念验证，以模仿Philips Hue智能照明系统。ThingPot已经部署了1.5个月，通过捕获的数据，我们发现了针对智能设备的五种类型的攻击和攻击向量。ThingPot的源代码是开源的。
2018-07-11 cs.CR cs.NI
Preventing Denial of Service Attacks in IoT Networks through Verifiable Delay Functions
无需许可的分布式账本提供了一种很有前途的方法来处理物联网（IoT）范式。由于物联网设备主要产生数据交易和小额支付，因此使用费用来管理网络访问的分布式账本并不是最佳选择。在本文中，我们研究了IOTA开发的一种专门为物联网设计的无费用架构。由于缺乏费用，恶意节点可以利用此功能生成无限数量的事务并执行拒绝服务攻击。我们建议通过可验证的延迟函数来减轻这些攻击。这些功能，这是不可并行化，难以计算，易于验证，最近才制定。在我们的工作中，我们设计了一个拒绝服务预防机制，解决网络异构性，有限的节点计算能力，和硬件特定的实现优化。可验证延迟函数大多从理论角度进行研究，但在实际应用中做得很少。因此，本文可以被认为是该领域的开创性工作，因为它在理论数学框架和现实问题之间架起了桥梁。
2020-06-02 cs.CR cs.NI
A Lightweight and Scalable Physical Layer Attack Detection Mechanism for the Internet of Things (IoT) Using Hybrid Security Schema
物联网，也被称为IoT，是指现在世界各地连接到互联网，收集和共享数据的数十亿设备。通过物联网传感器收集的数据量必须完全安全地控制。为了保护物联网传感器收集的信息，提出了一种轻量级的方法，称为发现洪水攻击-RPL（DFA-RPL）。建议DFA-RPL方法识别入侵节点在几个步骤中，以排除他们继续路由操作。因此，在DFA-RPL方法中，首先建立一个簇，并在DODAG中选择最合适的节点作为簇头，然后，由于RPL协议容易受到Flooding攻击，因此使用蚁群算法（ACO）分五步检测攻击。使用Flooding防止IoT网络上的恶意活动。换句话说，如果它检测到一个节点是恶意的，它会将该节点放在拘留列表中，并将其拘留一段时间。仿真结果表明，与IRAD和REATO方法相比，该方法在数据包传输率、检测率、误报率和漏报率等方面都具有一定的优越性。
2021-03-31 cs.CR cs.NI
Intelligent IoT Attack Detection Design via ODLLM with Feature Ranking-based Knowledge Base
San Francisco State University（旧金山州立大学）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
针对物联网DDoS攻击检测难题，提出基于设备端大语言模型（ODLLM）结合特征排序知识库的框架，实现高效准确检测，并在边缘计算中展现优越性能。
2025-03-27 cs.AI cs.CR cs.NI
Protecting IoT Servers Against Flood Attacks with the Quasi Deterministic Transmission Policy
本文提出并评估一种基于准确定性传输策略转发器（SQF）的架构，通过整形入站流量避免服务器内部拥塞，从而在UDP洪水攻击下保护IoT服务器，使其能有效识别攻击数据包。
2023-06-19 cs.CR cs.NI
How Secure Is Your IoT Network?
物联网设备在灵巧家庭、医院和企业网中的扩散非常普遍，并以超线性的方式持续增长。随着这种前所未有的增长，如何全面评估物联网网络的安全性？在本文中，我们将探索安全评估的两个维度，使用物联网设备及其底层组件的漏洞信息（$\textit{compositional security scores}$）和从网络中此类设备的通信和操作中捕获的SIEM日志（$\textit{dynamic activity metrics}$），提出$\textit{attack circuit}$的概念。这些措施用于评估物联网设备和整个物联网网络的安全性，证明攻击电路作为计算异构网络安全指标（可利用性，影响和机密性，完整性和可用性风险）的实用工具的有效性。我们提出了使用自然语言处理（NLP）和使用标准的安全评分程序计算的权重，以及有效的优化方法评估攻击电路的输入/输出对生成攻击电路。我们的系统可以根据攻击者的可利用性、影响或整体风险，深入了解攻击者可能利用的攻击路径。我们已经在物联网网络上进行了实验，以证明所提出的技术的有效性。
2019-12-28 cs.CR cs.NI
Enhancing Routing Security in IoT: Performance Evaluation of RPL Secure Mode under Attacks
随着低功耗和有损网络路由协议（RPL）成为物联网（IoT）网络中的路由标准，许多研究人员对该协议的安全性进行了研究。然而，据我们所知，还没有任何工作研究RPL标准中包含的安全机制的使用，主要是因为在任何物联网操作系统中还没有实现这些功能。RPL安全机制的部分实现最近针对Contiki操作系统提出（由Perazzo等人提出），这为我们提供了一个检查RPL安全机制的机会。在本文中，我们研究了常见的路由攻击下使用RPL安全机制的效果和挑战。首先，使用几个度量（例如，平均数据分组传送速率、平均数据分组延迟、平均功耗等）。该比较使用两种常用的无线电占空比协议来执行。其次，基于这种比较的观察结果，我们提出了两种技术，可以减少这种攻击的影响，而无需为RPL添加安全机制。这些技术的评估表明，RPL下的调查攻击的性能提高，除了虫洞攻击。
2020-07-11 cs.NI
Secure Routing in IoT: Evaluation of RPL Secure Mode under Attacks
随着低功耗和有损网络路由协议（RPL）成为物联网（IoT）网络中的路由标准，许多研究人员对该协议的安全性进行了研究。然而，没有任何工作（据我们所知）调查了协议标准中包含的安全机制的使用，因为在任何物联网操作系统中还没有实现这些功能。RPL安全机制的部分实现最近针对Contiki操作系统提出（由Perazzo等人提出），这为我们提供了检查RPL安全机制的机会。在本文中，我们研究了常见的路由攻击下使用RPL安全机制的效果和挑战。首先，使用几个度量（例如，平均数据包传送速率、平均数据包延迟、平均功耗.等等）。基于这种比较的观察结果，我们提出了一些建议，可以减少这种攻击的影响，而无需为RPL添加安全机制。
2019-08-13 cs.CR cs.NI
GRAVITAS: Graphical Reticulated Attack Vectors for Internet-of-Things Aggregate Security
Princeton University（普林斯顿大学）
物联网（IoT）和网络物理系统（CPS）可能由连接在复杂网络拓扑中的数千个设备组成。这些组件的多样性和复杂性构成了巨大的攻击面，使对手能够利用不同设备的安全漏洞来执行强大的攻击。尽管已经做出了显著的努力来提高这些系统中的单个设备的安全性，但是很少关注聚合级别的安全性。在本文中，我们描述了一个用于物联网/CPS的综合风险管理系统，称为GRAVITAS，可以识别未发现的攻击向量，并优化系统内的防御位置，以实现最佳性能和成本。虽然现有的风险管理系统只考虑已知的攻击，但我们的模型采用机器学习方法来推断未发现的漏洞，使我们能够识别手动渗透测试（笔测试）忽略的攻击。该模型足够灵活，可以分析几乎任何物联网/CPS，并为系统管理员提供具体的建议防御列表，可以以最佳成本减少系统漏洞。政府、公司和系统管理员可以使用GRAVITAS来大规模设计安全的物联网/CPS，在物联网/CPS设备即将无处不在的世界中提供安全性和效率的定量测量。
2021-05-31 cs.AI cs.CR cs.LG
A framework for mitigating zero-day attacks in IoT
物联网（IoT）旨在提供每个计算实体之间的连接。然而，这种便利也导致了更多的网络威胁，这些威胁可能会利用一段时间内存在的漏洞。其中一个漏洞是零日威胁，它可能导致零日攻击，这对企业和网络安全都是有害的。在这篇文章中，提出了一项关于物联网网络零日威胁的研究，并提出了一个基于上下文图的框架，以提供减轻这些攻击的策略。所提出的方法使用一个分布式的诊断系统进行分类的上下文在中央服务提供商以及在本地用户站点。一旦识别出潜在的零日攻击，就使用关键的数据共享协议来传输警报消息并重新建立网络实体与IoT设备之间的信任。结果表明，分布式方法是能够有效地减轻零日威胁与33%和21%的改善方面的运营成本和通信开销，分别与集中式诊断系统相比。
2018-04-16 cs.CR cs.NI
Optimal Secure Multi-Layer IoT Network Design
随着互联网和通信技术在过去几十年中的显著增长，物联网（IoT）正在实现异构物理设备与软件、传感器和致动器的无处不在的连接。物联网网络自然是两层的，云和蜂窝网络与底层设备到设备（D2D）通信共存。物联网的连接性在关键任务和民用应用的信息传播中发挥着重要作用。然而，物联网通信网络容易受到网络攻击，包括拒绝服务（DoS）和干扰攻击，导致物联网网络中的链路删除。在这项工作中，我们开发了一个异构物联网网络设计框架，网络设计人员可以在其中添加链路，以提供两个节点之间的额外通信路径，或者通过投入资源来保护链路免受攻击。通过预测战略性网络攻击，我们首先提供安全网络所需的链路数量的下限，然后开发一种方法来构建满足异构网络设计规范的网络。因此，所设计的异构物联网网络的每一层都能以最少的资源抵抗预定义级别的恶意攻击。最后，我们提供了战场物联网（IoBT）的案例研究，以证实和说明我们所获得的结果。
2019-05-22 cs.CR cs.GT cs.NI
Fuzzy-Logic Based IDS for Detecting Jamming Attacks in Wireless Mesh IoT Networks
本文的研究目标是在无线网状物联网中以分布式方式设计和评估基于模糊逻辑的干扰入侵检测。我们的方法使用在本地节点收集的信息，并从作为输入的模糊逻辑控制器的汇。为了找到最佳的输入集，无论是分布式的还是集中式的，我们对五种不同的参数组合进行了比较。调查使用的ETX，重传，每终端的数据包丢弃（PDPT）和数据包传输率（PDR）的值作为输入到一个模糊推理系统，得到干扰指数（JI）作为系统的输出。基于以下指标对所提出的方法进行评估：准确性、精密度、特异性、假阳性率（FPR）、召回率、假阴性率（FNR）和ROC曲线。为了评估这种方法，我们使用Contiki OS和Cooja模拟器工具在各种情况下实施实验。
2022-05-08 cs.NI
Event-triggered Online Proactive Network Association to Mobile Edge Computing for IoT
移动机器的超低延迟通信成为物联网（IoT）中的关键技术。主动网络关联已经被建议在移动边缘计算的帮助下支持超低延迟通信。为了解决系统的动态性和不确定性，本文提出了一种在线主动网络关联，以最小化平均任务延迟，同时考虑时间平均能耗约束。在分布式计算和网络环境下，利用半马尔可夫任务状态和独立同分布（i.i.d.）随机事件然后，我们促进了移动性感知的预期网络关联预测性地考虑由移动性引起的切换效果。基于马尔可夫决策过程（MDP）和李雅普诺夫优化，提出了一种两阶段在线前摄网络联想（TOPNA）决策算法，该算法不需要随机事件的知识和分布。仿真结果表明了该算法的有效性。
2019-05-10 cs.NI
Comparing Properties of Massively Multiplayer Online Worlds and the Internet of Things
随着物联网（IoT）的兴起，这意味着需要认识到架构需要处理数十亿设备及其交互。大型多人游戏规模的虚拟世界引擎是一个大型多人在线世界（MMOW）;当进入MMO规模时，虚拟世界引擎实现的一件事是在空间维度中布局的大量对象之间维持潜在的二次方数量的交互的成本。物联网的研究受到无线传感器网络研究的推动，但本文不是从设备角度出发，而是着眼于架构如何处理大规模的交互实体。域的MMOW检查受规模影响的属性。然后，对物联网的域进行评估，看看是否找到了这些属性中的每一个，以及如何处理每个属性。通过比较MMOW和物联网的当前技术水平，在可扩展性方面，说明了物联网的扩展问题，以及将MMOW与物联网合并到普适平台中的问题。最后介绍了MMOW与IoT接口的三个案例研究。
2016-03-10 cs.NI
Security of the Internet of Things: Vulnerabilities, Attacks and Countermeasures
无线传感器网络（Wireless Sensor Networks，WSNs）是第三个千年最有前途的技术之一，在我们的周围环境中有着广泛的应用。在各种应用中广泛采用WSNs的原因是它们具有非常吸引人的功能，例如，生产成本低，安装成本低，网络运行无人值守，自主长时间运行。通过在传感器节点中引入互联网接入能力和在互联网连接的设备中引入感测能力，无线传感器网络已经开始与物联网（IoT）融合。因此，物联网正在通过互联网提供对WSNs收集的大量数据的访问。然而，由于缺乏物理防线，即没有专用的基础设施，如网关来监视和观察网络中的信息流动，无线传感器网络和物联网的安全性是科学界的一大关注。此外，最近无线传感器网络与物联网的集成和协作将在安全方面带来新的挑战和问题。因此，对于使用这些系统的个人以及管理这些网络的安全管理员来说，这将是一场噩梦。因此，本文详细回顾了对无线传感器网络和物联网的安全攻击，以及预防、检测和缓解这些攻击的技术。在本文中，攻击被分类并主要分为两部分，针对WSNs和IoT的大多数或所有类型的攻击都在该保护伞下进行了研究：“被动攻击”和“主动攻击”。了解这些攻击及其相关的防御机制将有助于为物联网技术的扩散和公众接受铺平安全道路。
2019-10-29 cs.CR cs.NI
Current State of IPv6 Security in IoT
本报告介绍了物联网设备的IPv6安全现状。在2020年5月至2020年7月进行的这项研究中，我们探讨了IPv6的全球增长，并将其与中等规模网络中IPv6的实际增长进行了比较。如果IPv6已经被使用，攻击者是否已经在使用该协议进行攻击？为了回答这个问题，我们来看看当前利用IPv6的漏洞、攻击和恶意软件。我们的研究表明，虽然IPv6的采用率正在增长，但我们距离全面采用还需要数年时间。目前全球采用率为35%，但也有一些国家迅速采用IPv6，例如印度，该国启用了60%的IPv6。IPv6为攻击者和防御者带来了新的挑战。由于地址空间更大，设备发现活动将迫使攻击者设计新的技术和工具。防御者还必须调整他们的工具和监控技术，以便能够与IPv6合作。目前有超过1600万台设备暴露在IPv6上，但恶意软件作者似乎仍然主要集中在IPv4上。到目前为止，有一种恶意软件能够攻击IPv6网络。这可能会给防守者带来优势，他们现在有机会领先进攻者一步。
2021-05-05 cs.NI
Are Trees Really Green? A Detection Approach of IoT Malware Attacks
Università degli Studi di Cagliari（卡利亚里大学）；CINI, Consorzio Interuniversitario Nazionale per l’Informatica（意大利国家大学信息学联盟）
本文面向 IoT 恶意软件网络攻击，提出基于隐私保护流量统计特征的绿色检测方法，通过能耗与 Matthew 相关系数联合优化三种树模型超参数，在保持高检测性能的同时降低用电量。
2025-06-09 cs.AI cs.CR cs.NI
Threat Modelling in Internet of Things (IoT) Environment Using Dynamic Attack Graphs
针对物联网动态环境，提出基于动态攻击图的威胁建模方法，以快速识别攻击路径，并用Neo4j实现，通过医疗场景验证。
2024-02-05 cs.CR cs.DC cs.NI
IoT Device Identification Using Deep Learning
Ben-Gurion University（本·古里安大学）
物联网设备在组织中的使用越来越多，由于设备的安全性较低，攻击者可用的攻击向量数量增加。广泛采用的自带设备（BYOD）策略允许员工将任何物联网设备带入工作场所并将其连接到组织的网络，这也增加了攻击的风险。为了解决这一威胁，组织通常实施安全策略，其中只允许连接白名单上的物联网设备。为了监控这些策略的遵守情况并保护其网络，组织必须能够识别连接到其网络的物联网设备，更具体地说，识别未在白名单上的连接物联网设备（未知设备）。在这项研究中，我们将深度学习应用于网络流量，以自动识别连接到网络的物联网设备。与以前的工作相比，我们的方法不需要在网络流量上应用复杂的特征工程，因为我们使用从物联网设备网络流量有效载荷构建的小图像来表示物联网设备的通信行为。在我们的实验中，我们在公开的数据集上训练了一个多类分类器，成功识别了10个不同的物联网设备以及智能手机和计算机的流量，准确率超过99%。我们还训练了多类分类器来检测连接到网络的未经授权的物联网设备，总体平均检测准确率超过99%。
2020-02-25 cs.CR cs.LG cs.NI
Measurement Based Evaluation and Mitigation of Flood Attacks on a LAN Test-Bed
针对物联网服务器的IDS在攻击过载下缺乏实际运行评估的问题，研究搭建局域网测试床验证UDP洪泛攻击会致多核服务器IDS瘫痪，并提出一种毫秒级快速检测与丢包的缓解方案且完成实验评估。
2024-01-30 cs.CR cs.NI
Towards Efficient Integration of Blockchain for IoT Security: The Case Study of IoT Remote Access
蓬勃发展的物联网（IoT）市场引起了网络攻击者的极大兴趣。集中式基于云的物联网服务架构在安全性、可用性和可扩展性方面存在严重限制，并且容易受到单点故障（SPOF）的影响。最近，在区块链上提供物联网服务已经成为一种趋势，以提高安全性、隐私性和可靠性。然而，区块链的高成本，低吞吐量和长延迟的缺点使其不适合物联网应用。在本文中，我们回顾了现有的基于区块链的物联网解决方案，并提出了一个有效的区块链和物联网集成框架。根据该框架，我们设计了一种新型的区块链辅助的分散式物联网远程访问系统RS-IoT，该系统具有在不依赖任何可信第三方的情况下保护物联网设备免受零日攻击的优点。通过引入由智能合约执行的激励和惩罚措施，我们的工作实现了“经济方法”，以挫败大多数旨在获得金钱收益的攻击者。我们的工作提供了一个例子，说明如何使用区块链来确保去中心化环境中服务交易的公平性，并客观地惩罚不当行为。我们通过详细的安全分析来展示RS-IoT的安全性。最后，我们通过以太坊测试网区块链上的概念验证实现来展示其可扩展性，效率和可用性。
2019-11-30 cs.CR cs.DC cs.NI
Green Offloading in Fog-Assisted IoT Systems: An Online Perspective Integrating Learning and Control
School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）
在雾辅助物联网系统中，通常的做法是将任务从物联网设备卸载到其附近的雾节点，以减少任务处理延迟和能耗。然而，在线节能方案的设计仍然是一个开放的问题，因为各种不确定性的系统动力学，如处理能力和传输速率。此外，决策过程受到雾节点和物联网设备资源限制的约束，使设计更加复杂。在本文中，我们制定这样的任务卸载问题与未知的系统动力学作为一个组合的多臂强盗（CMAB）问题的长期约束的时间平均能耗。通过在线学习和在线控制的有效结合，我们提出了一个\textit{Learning-Aided Green Offloading}（LAGO）计划。在LAGO中，我们采用强盗学习方法来处理开发探索权衡，并利用虚拟队列技术来处理长期约束。我们的理论分析表明，LAGO可以减少平均任务延迟与一个可调的次线性遗憾界在有限的时间范围内，并满足长期的时间平均能量约束。我们进行了大量的模拟来验证这些理论结果。
2020-08-01 cs.AI cs.NI eess.SP
Mitigating IoT Botnet DDos Attacks through MUD and eBPF based Traffic Filtering
针对IoT设备易被纳入僵尸网络发动DDoS攻击的问题，提出基于扩展MUD规则的集成系统，搭配eBPF与iptables两种执行后端，验证了其防护有效性与低影响性。
2023-05-03 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
eBPF-Based Real-Time DDoS Mitigation for IoT Edge Devices
针对物联网边缘设备易遭DDoS攻击且传统防御不适配的问题，提出基于eBPF与XDP的内核级轻量缓解框架，经仿真和树莓派实测，100Mbps攻击下缓解率超97%，合法流量与系统稳定不受影响。
2025-07-13 cs.CR cs.NI
FedMADE: Robust Federated Learning for Intrusion Detection in IoT Networks Using a Dynamic Aggregation Method
针对联邦学习在物联网入侵检测中面临的数据异构、类别不平衡及鲁棒性问题，提出动态聚合方法FedMADE，通过按流量聚类和按贡献聚合提升少数类攻击准确率，兼具抗投毒性和低开销。
2024-08-13 cs.CR cs.NI
"Borrowing Arrows with Thatched Boats": The Art of Defeating Reactive Jammers in IoT Networks
在这篇文章中，我们介绍了一种新的欺骗策略，其灵感来自历史上最著名的军事战术之一“借箭用茅草船”，以击败低功耗物联网网络的反应式干扰攻击。我们提出的策略允许资源受限的物联网设备能够通过利用自己的干扰信号来击败强大的反应式干扰器。更具体地说，通过激励干扰器通过发送虚假传输来攻击信道，IoT系统不仅可以破坏干扰器的功率，而且还可以分别通过使用RF能量收集和环境反向散射技术来收集能量或利用干扰信号作为通信手段来发送数据。此外，我们还开发了一个低成本的深度强化学习框架，使硬件受限的物联网设备能够快速获得最佳防御策略，而无需提前获得有关干扰机的任何信息。仿真结果表明，我们提出的框架不仅可以非常有效地击败反应式干扰攻击，而且还可以利用干扰机的力量来提高物联网网络的系统性能。
2019-12-24 cs.NI eess.SP
CoAP-DoS: An IoT Network Intrusion Dataset
The Citadel（要塞军事学院）
随着物联网设备越来越多地集成到重要网络中，对安全物联网（IoT）设备的需求正在增长。许多系统依靠这些设备保持可用并提供可靠的服务。针对物联网设备的拒绝服务攻击是一个真正的威胁，因为这些低功耗设备非常容易受到拒绝服务攻击。支持机器学习的网络入侵检测系统在识别新威胁方面非常有效，但它们需要大量数据才能正常工作。有许多网络流量数据集，但很少有关注物联网网络流量的数据集。在物联网网络数据集中，缺乏CoAP拒绝服务数据。我们提出了一个新的数据集覆盖这一差距。我们通过收集来自真实CoAP拒绝服务攻击的网络流量开发了一个新的数据集，并比较了多个不同机器学习分类器上的数据。我们表明，数据集是有效的许多分类。
2022-06-29 cs.AI cs.CR cs.NI
Constrained Network Adversarial Attacks: Validity, Robustness, and Transferability
Ai movement, The International Artificial Intelligence Center of Morocco, UM6P（人工智能运动、摩洛哥国际人工智能中心、UM6P）；Sorbonne University, LIP6 - UMR 7606 CNRS（索邦大学、LIP6 - UMR 7606 CNRS）
本文研究了网络入侵检测系统中对抗攻击违反领域约束的问题，发现高达80.3%的对抗样本无效，并证明简单的MLP替代模型能生成更多有效且具可迁移性的对抗样本，强调需结合领域约束评估模型鲁棒性。
2025-05-02 cs.AI cs.CR cs.NI
Towards Big data processing in IoT: network management for online edge data processing
Tsinghua University（清华大学）；Hong Kong University of Science and Technology（香港科技大学）
数据负载大、覆盖范围广一直是物联网面临的关键问题。然而，在移动边缘计算（MEC）网络中，庞大的数据可以在边缘进行部分处理。本文讨论了一种基于MEC的大数据分析网络。分布式网络终端生成的原始数据由边缘服务器收集和处理。边缘服务器分离出大量冗余数据，并将提取的信息传输到中心云进行进一步分析。然而，考虑到边缘计算能力有限，庞大数据源中的部分原始数据可能会直接传输到云端。为了在线管理有限的资源，我们提出了一种基于李亚普诺夫优化的算法，以联合优化边缘处理器频率，发射功率和带宽分配的政策。该算法的目标是在不知道数据源概率分布的情况下，稳定数据处理延迟和节省能量。所提出的网络管理算法可能有助于未来物联网中的大数据处理。
2019-05-05 cs.AI cs.DC cs.IT
