A Survey of Honeypots and Honeynets for Internet of Things, Industrial Internet of Things, and Cyber-Physical Systems
物联网（IoT）、工业物联网（IIoT）和网络物理系统（CPS）已经成为我们日常生活中必不可少的环境，例如我们的家庭、建筑、城市、健康、交通、制造、基础设施和农业。然而，由于其固有的局限性，它们已成为受欢迎的攻击目标。蜜罐和蜜网可以通过吸引攻击者并欺骗他们认为他们已经获得了对真实系统的访问权限来理解和防御对物联网，IIoT和CPS环境的攻击。蜜罐和蜜网可以补充其他安全解决方案（即，防火墙、入侵检测系统- IDS）来形成对恶意实体的强大防御。本文对针对物联网、工业物联网和CPS的蜜罐和蜜网进行的研究进行了全面的调查。它提供了对现有蜜罐和蜜网的分类和广泛分析，阐述了最先进的蜜罐/蜜网研究的关键设计因素，并概述了未来物联网，IIoT和CPS环境下蜜罐和蜜网的开放问题。
2021-08-04 cs.CR
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
SIPHON: Towards Scalable High-Interaction Physical Honeypots
近年来，新兴的物联网（IoT）引发了人们对联网嵌入式设备安全性的日益关注。在这项工作中，我们专注于蜜罐的适应性，以提高物联网的安全性。到目前为止，低交互蜜罐在物联网的背景下使用。这样的蜜罐是有限的，很容易被检测到，因此，需要找到如何开发高交互性，可靠的物联网蜜罐的方法，以吸引熟练的攻击者。在这项工作中，我们提出了SIPHON架构-物联网设备的可扩展高交互蜜罐平台。我们的架构利用物理上位于一个位置的物联网设备，并通过分布在世界各地的所谓虫洞连接到互联网。由此产生的架构允许在大量地理分布的IP地址上暴露很少的物理设备。我们证明了所提出的架构在一个大规模的实验中，39虫洞的情况下，在9个国家的16个城市。基于此设置，6台物理IP摄像机，1台NVR和1台IP打印机在互联网上呈现为85台真实的物联网设备，在两个月内每天吸引700 MB的流量。收集的流量的初步分析表明，在一些城市的设备吸引了显着更多的流量比别人（范围从600 000传入的TCP连接最流行的目的地不到50000为最不受欢迎）。我们记录了超过400次使用1826个不同凭据对我们设备的Web界面进行暴力登录的尝试，其中11次尝试成功。此外，我们还注意到，有人试图登录VPN和SSH端口，其中一些使用了最近披露的Mirai恶意软件中的凭据。
2017-01-12 cs.CR
An Automated and Comprehensive Framework for IoT Botnet Detection and Analysis (IoT-BDA)
不安全的互联网连接设备的激增导致了物联网僵尸网络的出现，这些僵尸网络可以快速增长，并可能执行高影响力的网络攻击。解决物联网僵尸网络的相关研究涉及分别使用蜜罐和沙箱捕获或分析物联网僵尸网络样本。两者之间缺乏集成意味着蜜罐捕获的样本必须手动提交到沙箱中进行分析，这会导致延迟，在此期间僵尸网络可能会改变其操作。此外，所提出的沙箱的有效性受到反分析技术的潜在使用以及无法识别有效检测和识别物联网僵尸网络的特征的限制。在本文中，我们提出并评估了一个新的框架，即IoT-BDA框架，用于自动捕获，分析，识别和报告物联网僵尸网络。该框架由蜜罐与一个新的沙箱集成组成，该沙箱支持更广泛的硬件和软件配置，可以识别妥协和攻击的指标，以及反分析，持久性和反取证技术。这些功能可以使僵尸网络检测和分析，以及感染补救更有效。该框架将调查结果报告给黑名单和滥用服务，以促进僵尸网络暂停。本文还介绍了已发现的反蜜罐技术和降低蜜罐检测风险的措施。在七个月的时间里，该框架捕获、分析和报告了4077个独特的物联网僵尸网络样本。分析结果表明，一些物联网僵尸网络使用了传统僵尸网络中常见的反分析、持久化和反取证技术。
2021-09-10 cs.CR
Strategic Deployment of Honeypots in Blockchain-based IoT Systems
Multidisciplinary Engineering Texas A&M University（多学科工程学系塔拉斯克大学）；Computer Science & Cybersecurity Metro State University（计算机科学与网络安全明尼苏达州立大学）；Engineering Technology & Industrial Distribution Texas A&M University（工程技术与工业分布塔拉斯克大学）
本文提出一种AI驱动的蜜罐动态部署模型，结合IDS与智能合约，并通过贝叶斯博弈分析攻防交互，以增强区块链物联网系统的安全性。
2024-05-21 cs.AI cs.CR cs.NI
Blockchain Meets Adaptive Honeypots: A Trust-Aware Approach to Next-Gen IoT Security
School of Computer Science and Technology, Algoma University, Canada（计算机科学与技术学院，阿尔戈马大学，加拿大）；School of Electrical Engineering and Computer Science, University of Ottawa, Canada（电气工程与计算机科学学院，渥太华大学，加拿大）
本文提出了一种结合区块链和自适应陷阱的可信方法，用于增强下一代物联网的安全性，通过改进的随机森林和扩散卷积循环神经网络实现高效的入侵检测与防护。
2025-04-22 cs.AI cs.CR cs.ET
An Adaptive Honeypot Configuration, Deployment and Maintenance Strategy
由于蜜罐最初是作为一种先进的网络安全概念出现的，因此它们遭受了部署和维护策略不佳的问题。最先进的部署是一个手动过程，其中蜜罐需要由网络管理员配置和维护。本文提出了一种基于机器学习技术的蜜罐动态配置、部署和维护策略。我们的方法具有网络中的机器和设备的识别机制。对这些实体进行了分析和分组。基于集群，蜜罐被智能地部署在网络中。该方法无需配置和维护，是蜜罐技术在现代网络安全中的一大优势。
2021-11-06 cs.CR
Design and Development of an Intelligent LLM-based LDAP Honeypot
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）
本文设计并实现了一种基于大语言模型的LDAP蜜罐，通过模拟关键身份管理协议服务，以灵活逼真的交互实现攻击早期检测与威胁分析，提升基础设施防御能力。
2025-09-20 cs.AI cs.CR
Primer -- A Tool for Testing Honeypot Measures of Effectiveness
蜜罐是一种用于捕获恶意活动的欺骗性技术。该技术对于研究攻击者行为、工具和技术非常有用，但可能难以实现和维护。从历史上看，缺乏有效性的措施阻止了研究人员评估蜜罐的实施。其结果是无效的实现导致性能低下，对合法服务的模仿有缺陷，以及攻击者过早发现。在此之前，我们开发了一个分类的措施，在动态蜜罐实现的有效性。这些措施量化了动态蜜罐在对其环境进行指纹识别、从对手那里捕获有效数据、欺骗对手以及智能监控自身及其周围环境方面的有效性。作为开发自动化有效性测试的一步，这项工作介绍了一个工具，用于启动目标蜜罐进行评估。我们概述了该工具的设计，并提供定量校准数据的形式的结果。
2020-11-01 cs.CR
How To Mitigate And Defend Against DDoS Attacks In IoT Devices
本文分析了IoT网络中DDoS攻击的性质与影响，提出了包含IPv6 ULA、边缘计算、SDN、蜜罐欺骗和基于机器学习的入侵检测系统等分层缓解策略，以帮助工程师和研究人员实施实用对策保护IoT基础设施。
2025-07-15 cs.CR
TwinPot: Digital Twin-assisted Honeypot for Cyber-Secure Smart Seaports
Istanbul Technical University（伊斯坦布尔理工大学）；Edinburgh Napier University（爱丁堡龙比亚大学）
本文提出TwinPot数字孪生辅助蜜罐与智能攻击检测机制，结合MANSIM构建智慧海港攻击数据集，实现同时检测内部和外部攻击。
2023-10-25 cs.AI cs.CR cs.NI
Modeling and Analyzing Attacker Behavior in IoT Botnet using Temporal Convolution Network (TCN)
将僵尸网络列入黑名单的传统反应式方法无法适应快速变化的网络攻击环境。自动化和主动的方法来检测和阻止僵尸网络主机将极大地有利于行业。攻击者的行为分析被证明是有效的，对各种各样的攻击类型。然而，以前的作品，只专注于网络流量的异常，以检测僵尸和僵尸网络。在这项工作中，我们采取了更强大的方法来分析异构事件，包括网络流量，文件下载事件，SSH登录和攻击者在受损主机输入的命令链。我们已经部署了几个蜜罐来模拟Linux shell，并允许攻击者访问shell。我们已经收集了一个大型数据集的异构威胁事件的蜜罐。然后，我们结合和建模的异构威胁数据来分析攻击者的行为。然后，我们使用了一种称为时间卷积网络（TCN）的深度学习架构来对数据进行顺序和预测分析。$85-97\%$的预测精度验证了我们的数据模型以及我们的分析方法。在这项工作中，我们还开发了一种自动化机制来收集和分析这些数据。对于自动化，我们使用了CYbersecurity信息交换（CYBEX）。最后，我们将TCN与长短期记忆（LSTM）和门控递归单元（GRU）进行了比较，并表明TCN在手头的任务上优于LSTM和GRU。
2021-08-27 cs.CR
Self-adaptive Traffic Anomaly Detection System for IoT Smart Home Environments
本文提出由蜜罐服务器与网关构成的 IoT 自适应流量异常检测系统，利用实时流量持续更新模型，以检测已知与未知网络攻击。
2024-03-05 cs.CR
Intelligent Detection of Non-Essential IoT Traffic on the Home Gateway
DEIB, Politecnico di Milano（Politecnico di Milano 工程学院）；University College London（伦敦大学学院学院）；Imperial College London（伦敦帝国学院）
本文提出 ML-IoTrim 系统，利用机器学习在边缘分析网络行为并分类网络目的地，实现智能家居中非必要 IoT 流量的检测与阻止，无需传统允许列表即可保护隐私并支持大规模部署。
2025-04-22 cs.CR cs.LG
Design and implementation of intelligent packet filtering in IoT microcontroller-based devices
Aeronautics Institute of Technology (ITA)（航空技术学院）；University of São Paulo (USP)（圣保罗大学）；Universidade Federal de Minas Gerais (UFMG)（米纳斯吉拉斯联邦大学）
针对物联网设备安全方案稀缺的问题，提出低资源占用的ML数据包过滤器T800，在ESP32上验证其可通过拦截恶意流量提升算力，还提供适配多系统的性能评估策略，助力资源受限IoT设备安全增强。
2023-05-30 cs.CR cs.LG cs.NI
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
Intelligent ARP Spoofing Detection using Multi-layered Machine Learning (ML) Techniques for IoT Networks
针对物联网中ARP欺骗威胁大、传统检测失效的问题，提出融合多类模型的分层机器学习检测框架，边缘用轻量模型、中心用深度模型，在CICIDS2017等数据集上准确率超97%，为物联网主动安全防护提供支撑。
2025-06-23 cs.CR cs.CY
An Intelligent Mechanism for Monitoring and Detecting Intrusions in IoT Devices
University of Coimbra（科英布拉大学）；Instituto Pedro Nunes（佩德罗·努内斯研究所）
本研究提出一种基于主机的入侵检测系统，结合联邦学习与多层感知机神经网络，以高准确率检测IoT设备网络攻击并增强数据隐私保护。
2023-06-23 cs.AI cs.CR cs.DC
Secure Phrase Search for Intelligent Processing of Encrypted Data in Cloud-Based IoT
短语搜索允许检索包含精确短语的文档，这在基于云的物联网的许多机器学习应用中发挥着重要作用，例如智能医疗数据分析。为了保护敏感信息不被服务提供商泄露，文档（例如，临床记录）在外包给云之前通常由数据所有者加密。然而，这使得搜索操作成为一项极具挑战性的任务。现有的用于多关键词搜索操作的可搜索加密方案无法执行短语搜索，因为它们无法确定查询短语中的多个关键词在云服务器侧的加密数据上的位置关系。在本文中，我们提出了P3，这是一种高效的隐私保护短语搜索方案，用于基于云的物联网中的智能加密数据处理。我们的方案利用同态加密和双线性映射来确定加密数据上多个查询关键字的位置关系。它还利用概率陷门生成算法来保护用户的搜索模式。全面的安全分析证明了P3所实现的安全保证。我们实现了一个原型，并在真实世界的数据集上进行了广泛的实验。评价结果表明，与现有的多关键字搜索方案相比，P3可以大大提高搜索精度与适度的开销。
2018-09-21 cs.CR
A Computationally Intelligent Hierarchical Authentication and Key Establishment Framework for Internet of Things
我们对物联网（IoT）的高度期望以及它将如何积极影响我们的生活方式取决于它的安全和可信的实施，特别是在健康或金融等敏感领域。物联网平台和解决方案必须以安全和透明的方式提供机密性、完整性和可用性（CIA）。由于物联网的规模非常大，传统的集中式安全配置解决方案无法以原始形式使用。本文讨论了物联网中的身份验证问题，这是提供CIA的基础。我们提出了一个层次化的安全架构，这个问题，并专注于计算轻量级认证协议，可以智能地分布在多个级别的计算负载，并有效地推动对上层的负载。
2020-08-19 cs.CR
Deep learning based intelligent IDS for Large-scale IoT networks
Department of Computer Science, Birla Institute of Technology and Science（计算机科学系，比拉理工学院）
本文提出两种轻量级深度学习基于的智能入侵检测系统，用于提升物联网网络安全性，通过CICIoT2023数据集评估，CNN和LSTM模型在二分类、分组分类和多分类中均取得高准确率。
2026-03-21 cs.AI cs.CR
FedMint: Intelligent Bilateral Client Selection in Federated Learning with Newcomer IoT Devices
Lebanese American University（黎巴嫩美国大学）；Polytechnique Montréal（蒙特利尔理工学院）；Khalifa University（哈利法大学）；Zayed University（扎耶德大学）；New York University（纽约大学）；Mohammad Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
联邦学习（Federated Learning，FL）是一种新的分布式隐私保护学习范式，它支持多个参与者（例如，物联网设备）用于训练机器学习模型。然而，选择将有助于这种合作培训的参与者是非常具有挑战性的。采用随机选择策略会带来很大的问题，因为数据质量以及参与者之间的计算和通信资源存在异质性。虽然在文献中已经提出了几种方法来克服随机选择的问题，这些方法中的大多数遵循单边选择策略。事实上，他们的选择策略只基于联邦服务器端，而忽略了过程中客户机设备的利益。为了克服这个问题，我们在本文FedMint，智能客户端选择方法联邦学习物联网设备上使用博弈论和自举机制。我们的解决方案包括以下设计：（1）用于客户端IoT设备和联合服务器的偏好功能，以允许它们根据诸如准确性和价格之类的若干因素对彼此进行排名，（2）在其设计中考虑双方偏好的智能匹配算法，以及（3）利用多个联合服务器的协作以便为新连接的IoT设备分配初始准确度值的自举技术。根据我们的模拟结果，我们的策略在最大化客户端设备的收入和全球联邦学习模型的准确性方面超过了VanillaFL选择方法。
2022-10-31 cs.CR cs.DC cs.GT
Evaluation of Cyber Attacks Targeting Internet Facing IoT : An Experimental Evaluation
信息和通信技术（ICT）在21世纪的快速发展导致了一种新的技术范式的出现;被称为物联网或IoT。物联网是当今智能基础设施的核心，它通过简化智能数字设备之间的互连并实现机器对机器（M2M）通信来帮助创建无处不在的物联网。到目前为止，有许多物联网用例的例子，帮助这个世界上的每个人使他们的生活更轻松，更方便。随着物联网的最新进展，针对这些普遍存在的物联网环境的各种网络攻击，甚至可能导致危及人们的生命;这与它有关。一般来说，这个物联网可以被认为是连接到互联网进行相互通信的每个数字对象。因此，在这方面，为了分析来自互联网的网络威胁，我们正在进行实验评估，以分析接收到的利用物联网设备的开放式安全外壳（SSH）连接服务的请求，在我们的情况下，Raspberry Pi设备连续六天以上连接到互联网。通过在Raspberry Pi上打开SSH服务，它就像一个蜜罐设备，我们可以记录和检索所有登录尝试请求。受评估针对普适物联网环境中对象的物联网安全攻击的启发，在检索通过开放SSH连接发出的所有登录请求后，我们提供了一个全面的分析，以及我们对请求来源和入侵者重点领域的观察;在这项研究中。
2021-10-20 cs.CR
Towards Secure IoT: Securing Messages Dissemination in Intelligent Traffic Systems
几年前，物联网中的汽车领域被视为理论概念，今天我们已经看到了不仅无人驾驶汽车的可能性，而且物联网在智能车辆中的应用，包括停车，维护环境，保护生命和平滑车辆运动。我们意识到迫切需要在车载自组织网络（VANET）中使用简单高效的安全协议来实现网络节点的快速移动，并利用沿途基站网关的存在将协议继承到不同的VANET中，这将减少通信开销时间的初始化和每次节点传递到新基站区域时的安全密钥初始化。本文将传感器网络中的安全协议应用到VANET中，实现了VANET的安全通信，仿真分析表明，VANET实现了实际的安全通信，并可以继承到其他子VANET中。本文的贡献是增强拟议的协议，尽可能少的密码计算开销，使其适用于使用安全原语的VANET的高移动性的性质;这保证了安全性，同时允许快速认证车辆通过一个VANET到下一个取决于其在交通网络中的方向。
2019-07-23 cs.CR
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
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
Hash-MAC-DSDV: Mutual Authentication for Intelligent IoT-Based Cyber-Physical Systems
以物联网（IoT）形式连接的网络物理系统（CPS）容易受到各种安全威胁，这是由于IoT设备的基础设施部署较少。这些网络的设备到设备（D2 D）认证确保了部署区域中信息的完整性、真实性和机密性。文献提出了不同的方法来解决CPS技术中的安全问题。然而，它们大多基于集中式技术或特定的系统部署，具有较高的计算和通信成本。因此，有必要开发一种有效的方案，可以解决物联网设备CPS技术中的安全问题。本文提出了一种轻量级的Hash-MAC-DSDV（Hash Media Access Control Destination Sequence Distance Vector）路由方案，以解决CPS技术中的认证问题，并以物联网网络的形式连接。为此，分别从本地链和公共链开发了物联网设备（多WSNs）的CPS。所提出的方案通过Hash-MAC-DSDV相互方案来确保D2 D认证，其中在第一阶段中注册各个设备的MAC地址，并在第二阶段中在网络中通告。该方案允许合法设备修改其路由表并单播单向散列认证机制，以将其捕获的数据从源传输到目的地。我们的评估结果表明，哈希- MAC-DSDV超过现有的计划在攻击检测，能源消耗和通信指标。
2021-05-17 cs.CR cs.NI
An Intelligent Transaction Migration Scheme for RAFT-based Private Blockchain in Internet of Things Applications
多访问边缘计算（MEC）和RAFT共识的集成使得在可信的基站和网关上部署区块链成为可能，为物联网（IoT）应用提供高效和防篡改的边缘数据服务。然而，减少在区块链上存储数据的延迟仍然是一个挑战，特别是当某个区域的异常触发的数据流超过块生成速度时。这封信提出了一种物联网应用中基于RAFT的私有区块链智能交易迁移方案，将繁忙区域的交易智能迁移到空闲区域。仿真结果表明，该方案在高数据流情况下能明显降低延迟。
2021-05-21 cs.CR
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
RES-HD: Resilient Intelligent Fault Diagnosis Against Adversarial Attacks Using Hyper-Dimensional Computing
University of California San Diego（加州大学圣地亚哥分校）；San Diego State University（圣地亚哥州立大学）
工业物联网（I-IoT）通过持续监控设备和分析收集的数据，实现完全自动化的生产系统。机器学习方法通常用于这种系统中的数据分析。网络攻击是对I-IoT的严重威胁，因为它们可以操纵合法输入，破坏ML预测并导致生产系统中断。超维计算（HDC）是一种受大脑启发的机器学习方法，已被证明具有足够的准确性，同时非常强大，快速和节能。在这项工作中，我们使用HDC对不同的对抗攻击的智能故障诊断。我们的黑盒对抗攻击首先训练一个替代模型，并使用这个训练过的模型创建扰动测试实例。然后将这些示例转移到目标模型。分类精度的变化被测量为攻击前后的差异。这种变化衡量了学习方法的弹性。我们的实验表明，与最先进的深度学习方法相比，HDC带来了更具弹性和轻量级的学习解决方案。与最先进的方法相比，HDC具有高达67.5%的弹性，同时训练速度快达25.1%。
2022-03-14 cs.CR cs.LG
IoT Security Techniques Based on Machine Learning
将各种设备集成到网络中以提供先进和智能服务的物联网（IoT）必须保护用户隐私并应对诸如欺骗攻击、拒绝服务攻击、干扰和窃听等攻击。在这篇文章中，我们研究了物联网系统的攻击模型，并回顾了基于机器学习技术的物联网安全解决方案，包括监督学习，无监督学习和强化学习。我们专注于基于机器学习的物联网认证、访问控制、安全卸载和恶意软件检测方案，以保护数据隐私。在本文中，我们讨论了在实际物联网系统中实施这些基于机器学习的安全方案所需要解决的挑战。
2018-01-19 cs.CR
A Survey on Intelligent Internet of Things: Applications, Security, Privacy, and Future Directions
University of Luxembourg（卢森堡大学）；Nantes University（南特大学）；École Centrale Nantes（南特中央理工学院）；Politecnico di Torino（都灵理工大学）；University of Ulsan（蔚山大学）；University of Alabama in Huntsville（阿拉巴马大学亨茨维尔分校）；Trinity College Dublin, The University of Dublin（都柏林大学圣三一学院）
本文全面综述智能物联网（IIoT）范式，梳理其在多领域的应用，分析安全与隐私问题及应对方案，并指出未来研究挑战与方向。
2024-06-21 cs.AI cs.CR cs.ET
Security Framework for IoT Devices against Cyber-Attacks
物联网（IoT）是通过互联网将具有不同应用领域的异构智能设备互连。智能设备的数量庞大和网络的复杂性使得设备之间的数据和通信变得不可能。各种传统的安全控制不足以防止对这些信息丰富的设备的大量攻击。随着加强现有的方法，外围防御，入侵检测系统（IDS），证明在大多数情况下是有效的。然而，传统的IDS方法是不适合的，以减轻不断出现的零日攻击。能够检测不熟悉的入侵的智能机制似乎是一个有前景的解决方案。本文探讨了针对物联网架构的流行攻击及其相关防御机制，以确定针对不同网络实践和攻击类别的适当保护措施。此外，物联网架构的安全框架提供了一系列安全增强技术。
2019-11-26 cs.CR
A Survey of Analysis Methods for Security and Safety verification in IoT Systems
物联网（IoT）在过去几年中在所有生活学科中迅速发展。物联网为不同领域的用户提供自动化和智能控制，如家庭自动化、医疗保健系统、汽车等。鉴于连接的物联网设备数量巨大，这种增长导致其环境中相当大的物联网应用程序之间的大量自动交互，使物联网应用程序更智能，用户更愉快。但是，物联网应用程序的一些不可预见的交互和任何潜在的恶意行为都可能对其用户造成严重的不安全和不安全后果，主要是非专家，他们缺乏关于物联网自动化过程潜在影响的必要知识。在本文中，我们研究了物联网系统的安全性和安全验证问题。我们调查了利用程序分析来验证物联网应用程序的安全性和安全属性的技术。该研究提出了一套分类和分类属性，以提高我们对这一领域的研究景观的理解。此外，我们还讨论了调查工作中考虑的主要挑战以及可以采用的潜在解决方案，以确保物联网系统的安全性。
2022-03-03 cs.CR cs.SE
Leveraging Machine Learning Techniques in Intrusion Detection Systems for Internet of Things
本文综述了机器学习和深度学习技术在物联网入侵检测系统中的应用，评估多种ML/DL方法及生成式AI和LLMs的作用，并提出应对挑战的综合框架。
2025-04-09 cs.CR cs.NI
LDA-2IoT : A Level Dependent Authentication using Two Factor for IoT Paradigm
基于物联网的服务的广泛扩展正在改变人们的生活习惯。凭借庞大的数据生成和智能决策支持系统，物联网正在支持许多行业改进其产品和服务。物联网开发人员面临的主要挑战是设计一个安全的数据传输系统和一个值得信赖的设备间和用户设备通信系统。数据从传感设备开始其旅程，并通过不同的介质到达用户仪表板。两个IoT设备之间的身份验证提供了一个可靠且轻量级的密钥生成系统。在本文中，我们提出了一种新的物联网模式的身份验证方法。我们假设一个基于ECC的通用物联网（LDA 2IoT）的两因素级别相关身份验证，其中层次结构中特定级别的用户可以访问部署在层次结构的下层或同级的传感器。我们基于Dolev Yao通道和广泛接受的基于随机预言的ROR模型对拟议的LDA 2IoT进行了安全分析。我们提供了使用MQTT协议的建议方案的实施。最后，我们通过将其与其他现有方案进行比较，对所提出的LDA 2IoT系统进行了性能分析。
2022-07-06 cs.CR
Microservices in IoT Security: Current Solutions, Research Challenges, and Future Directions
近年来，物联网（IoT）技术在不同的重要领域（包括医疗保健，教育，农业，能源管理等）中出现了多种智能应用，物联网旨在通过互联网将多个智能设备（如传感器，监控系统和智能家电）互连，以控制，存储，交换和分析收集的数据。物联网环境中的主要问题是，它们可能存在潜在的漏洞，被恶意用户非法访问，这威胁到收集数据的安全和隐私。为了面对这个问题，最近已经使用基于微服务的架构进行了一些工作，以最大限度地减少与物联网数据相关的安全威胁和攻击。通过使用微服务，这些作品提供了可扩展，可重用和可重新配置的安全功能。在本文中，我们的目标是提供一个关于基于微服务的方法来保护物联网应用程序的调查。该调查将帮助从业者了解物联网安全领域持续存在的挑战，并探索新的和有前途的研究机会。据我们所知，本文是第一份调查使用微服务技术保护物联网应用的调查。
2021-05-17 cs.CR cs.SE
