Internet of Things Security and Forensics: Challenges and Opportunities
物联网（IoT）设想无处不在的、连接的和智能的节点在提供各种服务的同时自主交互。物联网对象的广泛分布、开放性和相对较高的处理能力使其成为网络攻击的理想目标。此外，由于许多物联网节点正在收集和处理私人信息，它们正在成为恶意行为者的数据金矿。因此，安全性，特别是检测受损节点的能力，以及收集和保存攻击或恶意活动的证据，成为成功部署物联网网络的优先事项。在本文中，我们首先介绍了物联网领域现有的主要安全和取证挑战，然后简要讨论了针对已确定的挑战发表的论文。
2018-07-27 cs.CR
Open RAN Security: Challenges and Opportunities
开放式RAN（ORAN，O-RAN）代表了RAN（无线电接入网络）的一种新的行业级标准，它定义了支持供应商设备之间互操作的接口，并以较低的成本提供网络灵活性。Open RAN集成了网络软件化和人工智能的优势和进步，以增强RAN设备和操作的操作。Open RAN提供了新的可能性，使不同的利益相关者可以在这个开放的生态系统中开发RAN解决方案。然而，Open RAN的好处带来了新的安全和隐私挑战。由于Open RAN提供了与目前完全不同的RAN配置，如果管理不当，可能会导致严重的安全和隐私问题，利益相关者对Open RAN部署的安全性采取谨慎的态度是可以理解的。特别是，本文深入分析了与开放RAN架构相关的安全和隐私风险和挑战。然后，它讨论了可能的安全和隐私解决方案，以确保开放RAN架构，并提出了相关的开放RAN安全相关的安全标准化工作。最后，我们讨论了如何使用Open RAN在5G和RAN之外部署更先进的安全和隐私解决方案。
2022-12-03 cs.CR
Security Aspects of Quantum Machine Learning: Opportunities, Threats and Defenses
The Pennsylvania State University（宾夕法尼亚州立大学）
在过去的几年里，量子计算经历了一个井喷式的增长。量子计算的一个令人兴奋的途径是量子机器学习（QML），它可以利用高维希尔伯特空间从有限的数据中学习更丰富的表示，从而可以有效地解决复杂的学习任务。尽管人们对QML的兴趣越来越大，但还没有太多的研究讨论QML的安全方面。在这项工作中，我们探讨了QML在硬件安全领域的未来可能的应用。本文还揭示了QML的安全漏洞和新出现的攻击模式，并提出了相应的对策。
2022-04-07 cs.CR cs.LG quant-ph
Security in Brain-Computer Interfaces: State-of-the-art, opportunities, and future challenges
脑机接口通过恢复受损的听力、视力和运动能力，显著改善了患者的生活质量。在发展了它们的应用场景之后，BCI当前的趋势是实现新的创新的脑对脑和脑对互联网的通信范式。这种技术进步为攻击者提供了机会，因为用户的个人信息和身体完整性可能面临巨大风险。这项工作提出了BCI生命周期的现有版本，并以一种克服当前限制的新方法将其同质化。在此之后，我们提供了一个定性的特征的安全攻击影响BCI周期的每个阶段，分析其影响和对策文献中记载的。最后，我们反思经验教训，突出研究趋势和未来的挑战，有关安全的BCI。
2020-10-02 cs.CR cs.NI
Leveraging 3D Technologies for Hardware Security: Opportunities and Challenges
本文提出利用2.5D和3D集成技术的内在特性设计安全系统，包括屏蔽侧信道、有源中介层拆分制造、单片3D IC电路伪装和3D安全存内处理，以改进现有硬件安全对策并提供新安全特性。
2025-08-26 cs.CR cs.ET
Envisioning the Future of Cyber Security in Post-Quantum Era: A Survey on PQ Standardization, Applications, Challenges and Opportunities
本文全面研究了后量子密码方案的构造、漏洞与标准化进程，评估了其现实应用指标，并提出了向后量子时代过渡的愿景与未来方向。
2023-10-18 cs.CR
Generative Models for Security: Attacks, Defenses, and Opportunities
生成模型从样本数据集中学习数据的分布，然后可以生成新的数据实例。深度学习的最新进展带来了生成模型架构的改进，一些最先进的模型可以（在某些情况下）产生足够逼真的输出来愚弄人类。我们调查了最近在安全和隐私以及生成模型的交叉点上的研究。特别是，我们讨论了生成模型在对抗性机器学习中的使用，帮助自动化或增强现有的攻击，以及在入侵检测，生物识别欺骗和恶意软件混淆等背景下作为防御的构建模块。我们还描述了生成模型在不同应用中的使用，例如机器学习中的公平性、隐私保护数据合成和隐写术。最后，我们讨论了生成模型带来的新威胁：合成媒体的创建，如可用于虚假信息的deepfakes。
2021-07-29 cs.CR
Challenges and Opportunities in CPS Security: A Physics-based Perspective
网络技术（计算和通信）与物理世界的集成产生了称为网络物理系统（CPS）的复杂系统，例如制造，运输，智能电网和水处理。其中许多系统是关键基础设施的一部分，需要安全、可靠和安全地实时运行。与传统IT系统相比，CPS安全性具有挑战性。对手可以在网络和物理域中危害系统。然而，CPS中使用的独特技术和流程也为防御带来了机会。由于物理和网络组件的复杂交互，CPS安全性已通过多种方式进行处理。在这项工作中，采取了全面的研究，以总结的挑战和建议的解决方案，从基于物理的角度来保护CPS。
2020-04-07 cs.CR cs.SY eess.SY
SoK: Opportunities for Software-Hardware-Security Codesign for Next Generation Secure Computing
用户要求提高数据安全性。因此，安全性正迅速成为下一代计算系统中的一阶设计约束。研究人员和实践者正在探索各种安全技术以满足用户需求，诸如可信执行环境（例如，Intel SGX、ARM TrustZone）、同态加密和差分隐私。每种技术都提供了一定程度的安全性，但在威胁覆盖范围、性能开销以及实施和部署挑战方面有所不同。在本文中，我们提出了一个系统化的知识（SoK），这些设计考虑和权衡使用几个突出的安全技术。我们的研究揭示了\textit{software-hardware-security}协同设计的需要，以实现高效和有效的解决方案，保护用户数据。特别是，我们探讨如何跨应用程序，硬件和安全机制的设计考虑必须结合起来，以克服当前技术的根本限制，使我们可以最大限度地减少性能开销，同时实现足够的威胁模型覆盖。最后，我们提出了一套指导方针，以促进这些安全计算技术付诸实践。
2021-05-02 cs.AR cs.CR
A Survey on Artificial Noise for Physical Layer Security: Opportunities, Technologies, Guidelines, Advances, and Trends
本文综述了人工噪声（AN）在物理层安全中的应用，介绍了其发展背景、基本原理及通过降低窃听信道容量提升保密容量的机制，全面总结了基于AN的场景与结合技术，并讨论了未来需解决的技术挑战。
2025-09-16 cs.CR
Reinforcement Learning for Hardware Security: Opportunities, Developments, and Challenges
Texas A&M University（德克萨斯农工大学）
强化学习（RL）是一种机器学习范例，其中自主智能体通过与底层环境交互来学习做出最优决策序列。RL引导的工作流在解决电子设计自动化问题方面所展示的前景鼓励硬件安全研究人员利用自主RL代理来解决特定领域的问题。从硬件安全的角度来看，这种自主智能体很有吸引力，因为它们可以在未知的对抗环境中产生最佳动作。另一方面，集成电路供应链的持续全球化迫使芯片制造转向离岸、不可信的实体，导致对硬件安全性的担忧增加。此外，未知的对抗性环境和不断增加的设计复杂性使得防御者难以检测攻击者所做的细微修改（也称为“攻击者修改”）。硬件木马）。在这篇简短的文章中，我们概述了RL代理在检测硬件木马方面的发展，这是最具挑战性的硬件安全问题之一。此外，我们还概述了应用强化学习解决硬件安全问题的潜在机会并列出了挑战。
2022-08-29 cs.AI cs.CR cs.LG
Program Analysis of Commodity IoT Applications for Security and Privacy: Challenges and Opportunities
物联网（IoT）的最新进展已经实现了诸如灵巧家庭、个人监控设备和增强型制造的无数领域。物联网现在已经无处不在--几乎在每一个可以想象的环境中都在使用新的应用程序，这导致了基于设备的交互和自动化的采用。然而，物联网也提出了有关这些数字增强空间的安全性和隐私性的问题。程序分析在识别这些问题方面至关重要，但物联网中程序分析的应用和范围在很大程度上尚未被技术社区探索。在本文中，我们研究了物联网中需要程序分析技术的隐私和安全问题，重点是迄今为止针对这些系统的已识别攻击和防御措施。基于对五个物联网编程平台的研究，我们确定了程序分析和安全社区研究工作的关键见解，并将程序分析技术的有效性与安全和隐私问题联系起来。最后，我们研究了最近的物联网分析系统，并探索了它们的实现。通过这些探索，我们强调了在校准物联网系统使用环境方面的关键挑战和机遇。
2018-12-24 cs.CR cs.PL
Future G Network's New Reality: Opportunities and Security Challenges
未来G网络通过ISAC技术构建网络物理环境，带来自主系统等新能力，但面临感知层安全威胁，需采用分层纵深防御策略并加强标准化与治理。
2025-10-10 cs.CR
Emulation-based System-on-Chip Security Verification: Challenges and Opportunities
University of Florida（佛罗里达大学）
本文探讨了基于仿真的系统级芯片安全验证的挑战与机遇，分析了其在高吞吐量执行和安全分析中的作用，提出了包括仪器化、刺激生成、运行时监控和证据驱动分析在内的验证流程，并讨论了AI辅助仿真、数字安全双胞胎等新兴方向。
2026-04-16 cs.CR
Generative AI for Internet of Things Security: Challenges and Opportunities
Singapore University of Technology and Design（新加坡科技设计大学）；National University of Singapore（新加坡国立大学）
本研究考察生成式人工智能（GenAI）在物联网安全中的应用现状，结合案例与MITRE缓解措施分析其强化安全的潜力、现存挑战及研究缺口，为该领域未来研究奠定基础并提供新见解。
2025-02-13 cs.AI cs.CR
Smart contracts for the Internet of Things: opportunities and challenges
随着物联网（IoT）的出现，人们期望事物在其生命周期内生活在不同的“域”和“上下文”中。由Things生成并与之关联的信息应该相应地由多个不同的利益相关者管理。此外，与事物相关的信息的范围可以从私人和机密到公共和可审计。在这个生动的环境中，身份识别、安全性和互操作性预计将具有挑战性。在本文中，我们将讨论智能合约和区块链技术如何为可行的解决方案创造潜力。为此，我们提出了基于智能合约的解决方案，以提高安全性和信息管理，我们确定了新的机遇和挑战，并提供了安全建议和指导方针。
2019-01-23 cs.CR cs.CY
A Survey of DeFi Security: Challenges and Opportunities
本文系统梳理DeFi各区块链层与应用层漏洞、真实攻击及多层优化策略，总结安全挑战与未来研究方向。
2022-10-25 cs.CR
A Comprehensive Survey on the Security of Smart Grid: Challenges, Mitigations, and Future Research Opportunities
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）；University of North Texas（北得克萨斯大学）
该综述全面梳理智能电网安全的系统架构、攻击向量（含协同攻击）、多类防御策略及研究挑战，展望了大语言模型应用、对抗性机器学习威胁等未来研究方向。
2024-07-10 cs.AI cs.CR
Challenges and Opportunities in Securing the Industrial Internet of Things
鉴于物联网在互联消费设备方面取得的巨大成功，我们观察到一种自然趋势，即在工业环境中同样互联设备，称为工业物联网或工业4.0。虽然工业组件的这种耦合提供了许多好处，但它也带来了严重的安全挑战。虽然与消费者物联网有许多相似之处，但保护工业物联网也带来了挑战，但也带来了机遇，主要是由于组件的使用寿命更长和网络规模更大。在本文中，我们确定了工业物联网的独特安全目标和挑战，与消费者部署不同，这些目标和挑战主要来自安全和生产力要求。为了解决这些安全目标和挑战，我们对工业物联网安全研究工作进行了全面调查，讨论了它们的适用性，并分析了它们的安全优势。
2021-11-23 cs.CR cs.NI
Metaverse: Survey, Applications, Security, and Opportunities
作为各种新兴数字技术的融合，Metaverse旨在建立一个虚拟共享的数字空间。它与延展实境、数字孪生、区块链等技术密切相关。它的目标是建立一个基于现实世界的数字空间，形成虚拟经济体系，拓展人类活动空间，为社会、经济等领域注入新的活力。在这篇文章中，我们做出了以下贡献。本文首先介绍了虚拟实境的发展历程、定义、特征等基本概念。然后，分析了Metaverse的总体框架和支撑技术，总结了Metaverse常用领域的现状。最后，重点分析了虚拟实境中存在的安全和隐私问题，并给出了相应的解决方案或方向。我们还讨论了元宇宙的挑战和可能的研究方向。我们相信，这一全面的审查可以提供一个概述的Metaverse和研究方向的一些多学科的研究。
2022-10-14 cs.CR cs.DB
Large Language Models and Attention-Based AI for Hardware Design and Security: Progress, Challenges, and Opportunities
The University of Arizona（亚利桑那大学）
研究基于注意力的人工智能模型与大语言模型在硬件设计与安全领域的应用，利用大语言模型和HDL数据集创建自动化系统，探讨其在逻辑设计和硬件安全方面的集成，通过研究多种方法和案例凸显变革潜力并应对挑战。
2026-07-29 cs.CR
Big Data: Opportunities and Privacy Challenges
数据汇集和计算统计学的最新进展，加上计算机处理能力的提高，以及存储成本的暴跌，使得有效分析大量异构数据集的技术无处不在。通过将这些技术（通常称为大数据技术）应用于越来越多的内部和外部数据源，企业和机构可以发现数据项之间隐藏的相关性，并提取创新和经济增长所需的可操作见解。一方面，大数据技术带来了巨大的前景，另一方面，它们提出了关键的安全、隐私和道德问题，如果不加以解决，这些问题可能成为实现大数据预期机遇和长期成功的重大障碍。在本文中，我们讨论了大数据对个人和整个社会的好处，重点关注七个关键用例：大数据用于业务优化和客户分析，大数据和科学，大数据和医疗保健，大数据和金融，大数据和新兴的能源分配系统，大/开放数据作为政府开放和效率的推动因素，以及大数据安全。除了利益和机会，我们还讨论了安全，隐私和道德问题。
2015-02-03 cs.CR
Towards Secure Wireless Mesh Networks for UAV Swarm Connectivity: Current Threats, Research, and Opportunities
无人机越来越多地出现在成群或编队中，以利用合作行为，形成飞行自组织网络。这些支持无人机的网络可以满足多种复杂的任务要求，并被视为未来通信网络中许多新兴用例的潜在推动者。然而，这种网络的特征在于高度动态和移动的环境，没有中央网络基础设施的保证，这可能导致连接和安全问题。虽然无线网状网络被设想为此类场景的解决方案，但这些网络也有自己的挑战和安全漏洞。在本文中，我们分析了无人机群内的无线网状网络的应用所产生的关键安全性和弹性问题。具体来说，我们强调了在无人机群领域应用当前网格技术的主要挑战，并暴露了通信堆栈中现有的漏洞。在此基础上，我们提出了一个安全为重点的无人机网状通信架构。最后，从这些漏洞的识别，我们讨论了无人机群连接的独特挑战所带来的研究机会。
2021-07-12 cs.CR cs.NI
Edge AI Empowered Physical Layer Security for 6G NTN: Potential Threats and Future Opportunities
本文概述了6G NTN中物理层面临的潜在风险，并回顾了边缘AI增强物理层安全的前沿设计策略，为构建下一代可信6G电信网络奠定基础。
2024-11-14 cs.CR cs.NI
Federated Learning: Attacks, Defenses, Opportunities, and Challenges
本文针对联邦学习（FL）因安全隐私争议未获广泛信任的问题，全面梳理其攻击面与防御措施，发现安全问题多于隐私问题，通信瓶颈、投毒及后门攻击为主要威胁，并提出未来研究方向以推动FL落地。
2024-03-10 cs.CR
A Survey on Blockchain for Big Data: Approaches, Opportunities, and Future Directions
在过去的几年里，大数据在各种科学和工程领域引起了强烈的兴趣。尽管有许多优点和应用，但为了更好的服务质量，大数据中存在许多有待解决的挑战，例如，大数据分析、大数据管理以及大数据隐私和安全。区块链以其去中心化和安全性的特点，具有改善大数据服务和应用的巨大潜力。在这篇文章中，我们提供了一个关于大数据区块链的全面调查，重点是最新的方法，机会和未来的方向。首先，我们简要概述了区块链和大数据以及它们集成背后的动机。接下来，我们调查了各种用于大数据的区块链服务，包括用于安全大数据采集、数据存储、数据分析和数据隐私保护的区块链。然后，我们回顾了在不同垂直领域（如智能城市，智能医疗，智能交通和智能电网）中使用区块链进行大数据应用的最新研究。为了更好地理解，还介绍和分析了一些具有代表性的区块链大数据项目。最后，挑战和未来的方向进行了讨论，以进一步推动在这个有前途的领域的研究。
2021-02-05 cs.CR cs.DC
Frictionless Authentication Systems: Emerging Trends, Research Challenges and Opportunities
身份验证和授权是保护各种在线系统、服务和内容的关键安全层。然而，可穿戴设备和移动设备的日益普及、对无摩擦体验的期望以及多样化的用户环境将对用户身份验证的方式提出挑战。消费者需要随时随地从任何设备进行安全和隐私感知的访问，没有任何障碍。本文回顾了无摩擦认证系统的新趋势和挑战，并确定了进一步研究的机会，涉及到用户注册，认证方案的可用性，以及移动和可穿戴连续认证系统的安全性和隐私权衡。
2018-02-20 cs.CR
Artificial Intelligence and Machine Learning in 5G Network Security: Opportunities, advantages, and future research trends
Macquarie University（麦考瑞大学）；King Saud University（沙特国王大学）；Victoria University（维多利亚大学）
5G网络最近的技术和架构进步已经证明了它们的价值，因为部署已经在世界各地开始。从接入到核心网络的关键性能提升因素是关键使能网络功能的软件化、云化和虚拟化。随着网络的快速发展，系统中的风险、威胁和漏洞也随之而来。因此，确保端到端（E2 E）安全性成为一个至关重要的问题。人工智能（AI）和机器学习（ML）可以在针对各种各样的威胁的高效安全协议的设计、建模和自动化方面发挥至关重要的作用。AI和ML已经在不同领域证明了它们在分类、识别和自动化方面的有效性，并且具有更高的准确性。由于5G网络的主要卖点是更高的数据率和速度，因此很难使用典型/传统的保护措施来应对来自不同点的各种威胁。因此，AI和ML可以在保护高度数据驱动的软件化和虚拟化网络组件方面发挥核心作用。本文介绍了AI和ML驱动的5G网络安全应用，它们的含义和可能的研究方向。此外，概述了5G架构中用于威胁分类和异常检测的关键数据汇集点。
2020-07-09 cs.CR cs.LG
Threats and Opportunities: Blockchain Meets Quantum Computation
本文考虑了量子计算发展所体现的蓬勃发展的区块链技术的不足之处。我们指出，未来的区块链技术将不断受到来自以下方面的威胁：1）加速nonce的生成; 2）更快地搜索哈希冲突; 3）打破经典加密的安全性。我们还证明了将一些量子特性融入区块链使其更强大，更高效。例如，人们可以建立一个量子安全的区块链系统，利用量子密钥分发（QKD），量子同步和可检测的拜占庭协议（DBA）可以帮助区块链系统在存在大量恶意节点的情况下实现更快的共识。
2020-11-06 cs.CR
The Evolution of Keylogger Technologies: A Survey from Historical Origins to Emerging Opportunities
本文综述键盘记录器从历史起源到当代形态的技术演进，并评估反键盘记录器在新兴网络安全策略下是否仍具意义。
2023-12-16 cs.CR
Cybersecurity in Power Grids: Challenges and Opportunities
输电和配电中的波动性增加迫使电网运营商扩大其对通信基础设施的使用，以监测和控制其电网。由此产生的通信增加为恶意行为者创造了更大的攻击面。事实上，对电网的网络攻击已经在最近成功地造成了暂时的大规模停电。在本文中，我们分析了电网的通信基础设施，得出电网在网络安全方面的根本挑战。基于这些挑战，我们确定了一系列广泛的攻击向量和攻击场景，威胁到电网的安全。为了应对这些挑战，我们建议依靠深度防御战略，其中包括（i）设备和应用程序安全，（ii）网络安全，（iii）物理安全以及（iv）政策，程序和意识的措施。对于每一个类别，我们都提炼和讨论了一套全面的最先进的方法，并确定了加强互联电网网络安全的进一步机会。
2021-10-05 cs.CR cs.NI cs.SY
Opportunities and Challenges in Securely Reusing and Repurposing Mobile Devices
École Polytechnique de Bruxelles, BEAMS, Université Libre de Bruxelles（布鲁塞尔自由大学）
本文研究移动设备在原始生态系统外被重用时安全机制的有效性，通过分析PinePhone的启动链完整性、可信执行环境隔离和硬件绑定秘密保护，揭示了重构信任锚的复杂性，并推断出安全重用的要求。
2026-06-05 cs.CR
Blockchain for Edge of Things: Applications, Opportunities, and Challenges
近年来，区块链网络在加密货币以外的许多研究领域引起了人们的极大关注，其中之一就是通过边缘计算和物联网（IoT）的结合实现的边缘物联网（EoT）。在这种情况下，具有去中心化、不变性和可追溯性等独特功能的区块链网络有可能以更高的安全级别重塑和改造传统的EoT系统。特别是，区块链和EoT的融合导致了一种新的范式，称为BEoT，被认为是未来服务和应用的有前途的推动者。在本文中，我们对BEoT技术的最新发展进行了最新的回顾，并发现其在许多应用领域中的巨大机遇。我们通过提供区块链和EoT的最新介绍以及它们的最新进展来开始我们的调查。随后，我们讨论了BEoT在智能交通、智能城市、智能医疗、灵巧家庭和智能电网等广泛工业应用中的应用。讨论和分析了BEoT范式中的安全挑战，以及访问认证、数据隐私保护、攻击检测和信任管理等关键服务。最后，一些关键的研究挑战和未来的方向也突出了煽动在这个有前途的领域进一步研究。
2021-10-11 cs.CR cs.DC
Security and Privacy for Artificial Intelligence: Opportunities and Challenges
The Cyber Security Cooperative Research Centre (CSCRC)（网络安全合作研究中心（CSCRC））；Penn State（宾夕法尼亚州立大学）；RMIT University（皇家墨尔本理工大学）；The University of Technology Sydney（悉尼科技大学）
人工智能（AI）的日益普及为解决许多社会经济和环境挑战提供了机会;然而，如果不确保AI支持的技术，这就无法实现。近年来，大多数人工智能模型都容易受到先进和复杂的黑客技术的攻击。这一挑战激发了对抗性人工智能的协同研究，目的是开发强大的机器和深度学习模型，这些模型可以适应不同类型的对抗性场景。在本文中，我们提出了一个整体的网络安全审查，展示了对人工智能应用程序的对抗攻击，包括对抗知识和能力，以及生成对抗示例的现有方法和现有的网络防御模型等方面。我们解释了数学AI模型，特别是强化和联邦学习的新变体，以演示攻击向量如何利用AI模型的漏洞。我们还提出了一个系统框架，用于演示针对AI应用程序的攻击技术，并审查了几种保护AI应用程序免受这些攻击的网络防御。我们还强调了了解对抗性目标及其能力的重要性，特别是最近针对行业应用程序的攻击，以开发评估安全AI应用程序的自适应防御。最后，我们描述了人工智能技术的安全和隐私领域的主要挑战和未来的研究方向。
2021-02-09 cs.AI cs.CR
A Comprehensive Overview of Large Language Models (LLMs) for Cyber Defences: Opportunities and Directions
本文综述了大型语言模型在网络防御中的应用，分类涵盖威胁情报、漏洞评估等七大领域，分析了从Transformer到GPT的演进、各领域优劣、挑战及未来研究方向。
2024-05-23 cs.CR
Side-Channel Attacks on RISC-V Processors: Current Progress, Challenges, and Opportunities
微处理器上的侧信道攻击，如RISC-V，表现出安全漏洞，导致几个设计挑战。因此，对这些安全漏洞进行全面的研究和分析势在必行。在本文中，我们提出了一个简短而全面的研究，在现代微处理器的安全漏洞方面的侧信道攻击和他们各自的缓解技术。本文重点分析了利用功耗的硬件侧信道攻击和利用缓存的软件侧信道攻击侧信道攻击。为此，我们深入分析了RISC-V微处理器缓存攻击的适用性和实际意义及其相关挑战。最后，基于比较研究和我们的分析，我们强调了一些关键的研究方向，以开发强大的RISC-V微处理器，是弹性的侧信道攻击。
2021-06-16 cs.AR cs.CR
Safe and Secure Wireless Power Transfer Networks: Challenges and Opportunities in RF-Based Systems
基于RF的无线功率传输网络（WPTN）被部署为经由RF波通过空中向嵌入式设备传输功率。到目前为止，研究人员已经投入了大量的精力来设计WPTNs，以最大限度地提高几个目标，如收获的功率，能量中断和充电延迟。然而，固有的安全性和安全性问题通常被忽视，如果WPTNs要普及，这些问题需要解决。本文重点介绍了WPTNs的安全和安全问题，并强调了它们在基于RF的WPTNs的高效和可靠运行方面的重要性。我们提供了在这个新兴领域的新的研究机会的概述。
2016-02-11 cs.CR cs.NI
Securing Wireless Communication in Critical Infrastructure: Challenges and Opportunities
本文分析关键基础设施从专用有线网络转向公共共享异构无线网络带来的安全挑战，并提出一系列保障高安全标准的机遇。
2023-11-02 cs.CR cs.NI
Blockchain for the IoT: Opportunities and Challenges
区块链技术一直在改变金融行业，并在过去十年中创造了一种新的加密经济。去中心化信任和分布式账本等基本概念对于分布式和大规模物联网（IoT）应用程序来说是有希望的。然而，由于缺乏理解和固有的架构挑战，区块链在这个领域中的应用在加密货币之外的应用很少。在本文中，我们描述了物联网区块链应用的机会，并研究了构建基于区块链的物联网应用所面临的挑战。
2018-05-08 cs.CR cs.CY cs.DC
IoT Security Challenges and Mitigations: An Introduction
物联网在社会中的使用可能已经无处不在，巨大的攻击面为恶意行为者提供了多种机会。这篇简短的论文首先介绍了物联网及其安全问题，包括物联网层模型和拓扑结构，物联网标准化工作和协议的概述。然后重点转移到物联网漏洞和具体的缓解建议。这项工作的目标受众是那些相对较新的物联网，但与现有的网络相关的知识。得出的结论是，设备资源限制和缺乏物联网标准是重要的问题。存在研究机会来开发高效的物联网IDS和节能的加密技术，这些技术足够轻巧，可以合理部署。对标准化协议和基于通道的安全解决方案的需求是明确的，并得到立法指令的支持，以确保高标准，防止设备制造方面的成本削减。
2021-12-29 cs.CR cs.NI
Missed Opportunities: Measuring the Untapped TLS Support in the Industrial Internet of Things
将工业设备从以前孤立的网络转移到互联网的持续趋势需要对安全性进行根本性的改变，以维护安全和安全的操作。因此，为了确保端到端的安全通信和认证，（i）传统的工业协议，例如，Modbus，被改造为TLS支持，以及（ii）现代协议，例如，MQTT直接设计为使用TLS。为了了解这些变化是否确实导致安全的工业物联网部署，即，使用根据安全最佳实践配置的基于TLS的协议，我们对覆盖整个IPv4地址空间的10个工业协议进行了Internet范围的安全评估。我们的研究结果表明，改造现有的协议和新开发的安全替代品，在野外几乎不引人注目。虽然我们发现新协议的TLS采用率高于传统协议（7.2% vs. 0.4%），但TLS的总体采用率很低（6.5%的主机）。因此，大多数工业部署（934，736台主机）都不安全地连接到Internet。此外，我们发现42%支持TLS的主机（26，665台主机）显示出安全缺陷，例如，缺少访问控制。最后，我们表明，支持配置系统安全，例如，通过配置模板，有望加强安全性。
2022-06-01 cs.CR cs.NI
Trends, Opportunities, and Challenges in Using Restricted Device Authentication in Fog Computing
在物联网中受限的设备上可用的资源很少，这是我们考虑安全性时的一个重要问题。从这个角度来看，我们的工作提出了一个敏捷的系统审查文献涉及物联网，身份验证和雾计算的作品。因此，在这些领域的交叉点发现的相关工作，机会和挑战被带来，支持在这些领域工作的其他研究人员和开发人员。
2022-09-30 cs.CR cs.NI
A Survey of Machine and Deep Learning Methods for Internet of Things (IoT) Security
Qatar University（卡塔尔大学）；Temple University（天普大学）；University of Idaho（爱达荷大学）
物联网（IoT）集成了数十亿个智能设备，这些设备可以在最少的人为干预下相互通信。它是计算计算史上发展最快的领域之一，预计到2020年底将有500亿台设备。一方面，物联网在增强几个可以提高生活质量的现实智能应用方面发挥着至关重要的作用。另一方面，物联网系统的交叉性和部署此类系统所涉及的多学科组件带来了新的安全挑战。为物联网设备及其固有漏洞实施加密、身份验证、访问控制、网络安全和应用程序安全等安全措施是无效的。因此，应加强现有的安全方法，以有效地保护物联网系统。机器学习和深度学习（ML/DL）在过去几年中取得了长足的进步，机器智能已经从实验室好奇心转变为几个重要应用中的实用机器。因此，ML/DL方法对于将物联网系统的安全性从仅仅促进设备之间的安全通信转变为基于安全的智能系统非常重要。这项工作的目标是提供ML /DL方法的全面调查，这些方法可用于为物联网系统开发增强的安全方法。提出了与固有或新引入的威胁相关的物联网安全威胁，并讨论了各种潜在的物联网系统攻击面以及与每个面相关的可能威胁。然后，我们全面回顾了用于物联网安全的ML/DL方法，并介绍了每种方法的机会、优点和缺点。我们讨论了将ML/DL应用于物联网安全的机遇和挑战。这些机遇和挑战可以作为未来潜在的研究方向。
2018-07-29 cs.CR cs.LG cs.NI
Post-Quantum Blockchain: Challenges and Opportunities
本文综述量子计算对依赖传统密码学的区块链技术的威胁，指出SHA-256和ECDSA等易被量子算法攻破，提出后量子密码学（PQC）构建后量子区块链（PQB）的方案，为研究者提供PQB安全指南并探讨该领域未来的挑战与机遇。
2025-08-23 cs.CR
Financial Crimes in Web3-empowered Metaverse: Taxonomy, Countermeasures, and Opportunities
目前，虚拟实境的概念已经引发了从大众到各大行业的广泛关注。随着区块链和Web3技术的快速发展，去中心化的虚拟实境生态吸引了大量用户和资本的涌入。由于缺乏行业标准和监管规则，Web3授权的虚拟实境生态系统见证了各种金融犯罪，如诈骗，代码利用，洗交易，洗钱以及非法服务和商店。为此，对Web3赋能的虚拟世界金融安全威胁进行总结和分类，以维护其生态的长期健康发展，显得尤为迫切和关键。在本文中，我们首先概述了背景，基础，和应用的Web3元。然后，我们对自去中心化元世界发展以来出现的安全风险和金融犯罪进行了全面的概述和分类。对于每一种金融犯罪，我们集中讨论三个问题：a）现有的定义，b）相关的案例和分析，c）现有的学术研究对这类犯罪。接下来，从学术研究和政府政策的角度，总结了当前虚拟实境中的反犯罪措施和技术。最后，我们讨论了行为挖掘的机遇和挑战，以及虚拟实境中金融活动的潜在监管。希望通过本文的综述，帮助读者更好地了解这一新兴生态中潜在的安全威胁，并为打击金融犯罪提供见解和参考。
2022-12-27 cs.CR
Zero Trust: Applications, Challenges, and Opportunities
本文综述了Zero Trust范式在网络安全中的理论基础与实际应用，探讨其在云环境、远程工作和物联网中的保护作用，并指出结合AI与机器学习技术可有效克服挑战，增强安全效能。
2023-09-07 cs.CR
I Experienced More than 10 DeFi Scams: On DeFi Users' Perception of Security Breaches and Countermeasures
该研究通过访谈和大样本问卷调研，发现DeFi用户因逐利动机忽视安全风险，受害者往往不修正安全习惯就转投新平台挽回损失，提出需加强行业监管保护用户。
2024-06-22 cs.CR
Critical Infrastructure Protection: Generative AI, Challenges, and Opportunities
本文面向国家关键基础设施的网络安全风险，分析信任、隐私、韧性及安全与安保融合问题，并提出结合生成式AI和LLMs的CIP生命周期与行业应用框架。
2024-05-08 cs.CR
Malware Detection and Analysis: Challenges and Research Opportunities
恶意软件在复杂性和数量上不断增长。在过去的十年中，反恶意软件机制取得了显着的进展。然而，一些紧迫的问题（例如，未知恶意软件样本检测）仍然需要充分解决。本文首先简要介绍了恶意软件和反恶意软件，然后总结了各种研究挑战。这是一篇理论和观点文章，希望能补充以前的文章和作品。
2021-01-21 cs.CR
Experience Report on the Challenges and Opportunities in Securing Smartphones Against Zero-Click Attacks
零点击攻击不需要用户交互，并且通常利用零日（即，即时聊天应用程序（如WhatsApp和iMessage）中的漏洞，以获得对受害者智能手机的root访问权限并泄露敏感数据。在本文中，我们报告我们的经验，试图保护智能手机免受零点击攻击。我们首先列举了几个我们认为防止针对智能手机的零点击攻击所必需的属性来解决这个问题。然后，我们创建了一个满足所有已识别属性的安全设计，并尝试使用现成的组件构建它。我们的主要想法是将攻击面从用户的智能手机转移到沙箱虚拟智能手机生态系统，其中每个聊天应用程序都是独立运行的。我们对所构建系统的性能和可用性评估突出了几个缺点，以及保护现代智能手机免受零点击攻击的根本挑战。在这份经验报告中，我们讨论了我们学到的经验教训，并分享了对现代移动设备实现万无一失的安全性所需的缺失组件的见解。
2022-11-06 cs.CR
Blockchain and Biometrics: A First Look into Opportunities and Challenges
在过去的几年里，区块链技术已经成为一个蓬勃发展的话题，使得将老式的操作转变为更快速，安全和廉价的方法成为可能。在这项研究中，我们探讨了区块链在生物识别方面的潜力，分析了这两种技术如何相互受益。这项研究的贡献是双重的：1）我们简要概述了区块链和生物识别技术，重点是将它们结合起来时出现的机遇和挑战，2）我们更详细地讨论了生物识别模板保护的区块链。
2019-03-13 cs.CR
Digital Data Security and Copyright Protection Using Cellular Automata
许多挑战的出现和通信手段以及计算机网络和互联网的迅速发展。数字信息革命对人类社会产生了巨大的影响。今天的数据已经可以以数字格式（文本、图像、音频和视频）获得，这导致了许多创造性创新机会的出现，也带来了一种新的挑战
2013-06-29 cs.CR
Privacy, Security and Trust in the Internet of Neurons
阿帕网，互联网，服务互联网，物联网，技能互联网。接下来呢？我们推测，从现在起的15-20年内，我们将拥有神经元互联网，这是一种新的互联网范式，人类将能够仅使用大脑双向连接到网络。神经元的互联网将提供新的，巨大的机会，由于不断访问无限的信息。它将赋予所有技术行业之外的人权力，实际上它将赋予所有人权力，让每个人都能够访问和使用技术产品和服务，即使没有笔记本电脑，平板电脑或智能手机。因此，神经元互联网将最终完成目前尚不成熟的知识和技术民主化。但它也将带来一些巨大的挑战，特别是在安全性（以及隐私和信任）方面。在本文中，我们推测到2038年神经元互联网的全球部署，并就其破坏性影响进行头脑风暴，讨论实现它所需的主要技术（和神经学）突破，它提供的新机遇以及它提出的安全挑战。我们还详细介绍了新的系统模型，威胁模型和安全属性，需要在互联网的神经元的隐私，安全和信任的原因。
2018-07-11 cs.CR cs.CY
LLMs for Secure Hardware Design and Related Problems: Opportunities and Challenges
New York University Abu Dhabi（纽约大学阿布扎克分校）；NYU Tandon School of Engineering（纽约大学塔能工程学院）
本文探讨了大语言模型在电子设计自动化和硬件安全领域的应用，分析了其在生成RTL代码、自动生成测试平台以及弥合高层次规格与硅芯片之间语义差距方面的潜力，同时指出了其引入的严重安全漏洞，并总结了当前研究的最新进展和未来研究方向。
2026-06-04 cs.AR cs.CR cs.LG
