On the Safety Implications of Misordered Events and Commands in IoT Systems
配备嵌入式执行器和传感器的物联网设备以物联网应用程序的形式提供自定义自动化。物联网应用程序订阅事件,并在收到时发送触发一组致动器的致动命令。事件和驱动命令遵循物联网生态系统中的路径,例如传感器到边缘,边缘到云和云到执行器,这些连接之间具有不同的网络和处理延迟。特别是当IoT系统云与其他云交互时,可能会发生显著的延迟。由于延迟的这种变化,云可能以不正确的顺序接收事件,并且反过来,设备可能接收并致动乱序的命令。在本文中,我们首先研究了八个主要的物联网平台,并表明它们没有对事件排序做出强有力的保证来解决这些问题。然后,我们分析物联网组件之间的端到端交互,从事件的创建到命令的调用。由此,我们确定并正式确定了导致不良状态的事件和命令中的乱序的根本原因。我们在一个包含35个物联网设备的模拟灵巧家庭中部署了23个应用程序,以评估乱序问题。我们的实验证明了大量的无序事件和命令,通过不同的交互路径发生。通过这项工作,我们揭示了乱序问题的根源和程度,并指导未来的工作,以确保物联网系统中的正确排序。
2021-05-03 cs.CR
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
Zero Trust Real-Time Lightweight Access Control Protocol for Mobile Cloud-Based IoT Sensors
针对物联网传感器面临的安全威胁,提出一种零信任实时轻量级访问控制协议,通过传感器协调器定义策略、利用默克尔树持续信任评估并卸载计算任务,兼顾安全、可扩展性与高可用性。
2023-10-14 cs.CR
Securing Cloud-Based Internet of Things: Challenges and Mitigations
本文针对物联网及云化部署带来的网络安全与隐私挑战,系统调查了PaaS/IaaS模式下物联网服务面临的主要安全威胁,并提出主动缓解策略以增强整体安全性。
2024-12-31 cs.CR
Self-Serviced IoT: Practical and Private IoT Computation Offloading with Full User Control
物联网(IoT)设备的快速增长引发了严重的隐私问题,因为这些设备可以访问各种敏感数据。目前依赖制造商的云服务来处理这些数据的现状尤其成问题,因为一旦数据离开家,用户就会放弃控制权。最近发生的多起事件进一步质疑供应商是否真的可以信任用户的数据。与此同时,用户希望获得物联网设备和基于ML的云推理所支持的引人注目的功能,这迫使他们订阅云服务器管理的云服务。使用本地家庭集线器的替代方案需要大量的硬件投资、管理和可扩展性限制。本文提出了自助式物联网(SSIOT),这是一种使用混合中心云设置的全新方法,可以为物联网应用程序实现隐私感知计算卸载。独特的是,SSIOT能够将机会性计算卸载到公共云提供商,同时仍然确保最终用户保留对其私有数据的完全端到端控制,从而减少对公共云提供商的信任。我们表明,SSIOT可以利用新兴的功能即服务计算(例如AWS Lambda),使这些卸载具有成本效益,可扩展性和高性能,只要能够解决无状态,有限资源和安全隔离的关键限制。我们构建了一个端到端的SSIOT原型,并使用几个微基准测试和代表现实世界物联网用例的示例应用程序对其进行评估。我们的研究结果表明,SSIOT是高度可扩展的,相比之下,只有本地的方法,斗争只有2-4个应用程序并行。我们还表明,SSIOT是具有成本效益的(运行智能门铃每年10美元),与仅本地的集线器相比,即使使用硬件ML加速器,其额外延迟也最小。
2022-05-09 cs.CR
Blockchain Integrated Federated Learning in Edge-Fog-Cloud Systems for IoT based Healthcare Applications A Survey
本文综述了区块链与联邦学习在边缘-雾-云物联网系统中的集成架构、功能及其在医疗保健应用中的实现,以应对数据孤岛和隐私限制问题。
2024-06-08 cs.CR
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
Permissioned Blockchain-Based Security for SDN in IoT Cloud Networks
云网络的进步使传统网络元素和各行各业的新设备都能够连接,从而形成物联网(IoT)。在物联网环境中,改善和扩展网络组件以及降低成本对于维持指数增长至关重要。在这个领域中,软件定义网络(SDN)正在以一种新的范式革新网络基础设施。SDN将控制/路由逻辑与数据传输/转发分开。这种分裂导致SDN中的许多问题,例如DDoS攻击的漏洞。已经提出了许多解决方案(包括基于区块链的)来克服这些问题。在这项工作中,我们提供了一个基于区块链的解决方案,该解决方案在冗余SDN(负载平衡)中提供,以服务于数百万个物联网设备。区块链被认为是防篡改的,并且由于账本的复制和对账本的验证和添加的共识而不可能被破坏。因此,它非常适合物联网网络中的SDN。区块链技术为每个人提供了去中心化信任的工作证明。实验结果表明,增益和效率方面的准确性,更新过程中,和带宽利用率。
2020-02-02 cs.CR
System Security Framework for 5G Advanced /6G IoT Integrated Terrestrial Network-Non-Terrestrial Network (TN-NTN) with AI-Enabled Cloud Security
本文提出面向5G Advanced/6G IoT集成TN-NTN架构的AI云安全框架,利用AI原生平台实现实时威胁检测与智能策略执行,强调零信任、联邦学习和分层安全,以应对异构网络的安全挑战。
2025-08-07 cs.CR
Blockchain, Fog and IoT Integrated Framework: Review, Architecture and Evaluation
在下一代计算中,云、互联网和智能设备的作用将是巨大的。如今,我们都熟悉“聪明”这个词。这个词在我们的日常生活中被多次使用。物联网(IoT)将从不同的资源中产生不同类型的信息。它可以在云中存储和处理大数据。雾作为云和物联网之间的接口。物联网节点也被称为雾节点,这些节点能够访问网络范围内的任何地方。区块链是一种以安全的顺序记录交易的新方法。在物联网架构中开发新的基于区块链的集成框架是解决物联网公共节点之间通信安全问题的新兴方法之一。这项研究探索了一种将区块链技术与雾和物联网网络集成的新方法,并为智能设备的互联网提供通信安全性。该框架在物联网网络中进行了测试和实现。结果呈阳性。
2020-06-05 cs.CR
Microbenchmarking Cloud Cryptographic Workloads for Privacy-Preserving Healthcare IoT
Embry–Riddle Aeronautical University(埃默里-里德尔航空大学);Texas A&M University - Central Texas(德克萨斯农工大学中央德州分校)
本研究通过微基准测试评估了AWS和Azure上FaaS与KMS集成环境中加密工作负载的性能,分析了CPU架构、编程语言、内存配置等因素,为医疗物联网应用找到了优化配置。
2026-05-22 cs.CR
Lightweight and Resilient Signatures for Cloud-Assisted Embedded IoT Systems
本文提出轻量且坚韧签名方案,通过硬件辅助实现高效、安全的物联网签名,解决云辅助环境下的密钥安全问题。
2026-01-07 cs.CR
Let the Cloud Watch Over Your IoT File Systems
智能设备生成安全敏感数据,并将其保存在设备上的存储中以实现持久性。然而,目前智能设备上的存储堆栈提供了薄弱的安全保障:不仅因为堆栈依赖于易受攻击的商品操作系统,而且还因为智能设备部署在安全措施方面已知较弱。为了在智能设备上保护这样的数据,我们提出了一种新颖的存储堆栈架构,其i)在可信执行环境(TEE)中保护文件数据; ii)将文件系统逻辑和元数据外包到TEE之外; iii)在云中运行仅元数据的文件系统副本,用于连续地验证设备上的文件系统行为。为了实现该架构,我们构建了基于TrustZone的存储堆栈Overwatch。Overwatch解决了独特的挑战,包括细粒度识别元数据,隐藏网络延迟,以及应对云断开。在一套三个真实世界的应用程序中,Overwatch显示出适度的安全开销。
2019-02-17 cs.CR
Atlas: Enabling Cross-Vendor Authentication for IoT
Stony Brook University(石溪大学)
Atlas通过扩展Web PKI到物联网,实现跨供应商设备认证,无需硬件更改,降低延迟并提高可靠性。
2026-02-09 cs.CR
Enhancing Data Security for Cloud Computing Applications through Distributed Blockchain-based SDN Architecture in IoT Networks
区块链(BC)和软件定义网络(SDN)是最近研究中最突出的新兴技术。这些技术在各自的应用程序中提供安全性、完整性和机密性。云计算也是几年来流行的综合技术。机密信息通常与云基础设施共享,以使客户能够访问远程资源,例如计算和存储操作。然而,云计算也带来了重大的安全威胁、问题和挑战。因此,为了克服这些困难,我们建议在云计算平台中集成区块链和SDN。在这项研究中,我们介绍了更好地保护云的架构。此外,我们利用分布式区块链方法在所提出的架构中传达安全性,机密性,隐私性,完整性,适应性和可扩展性。BC为用户提供了一个分布式或去中心化的高效环境。此外,我们提出了一种SDN方法,以提高云基础设施的可靠性,稳定性和负载均衡能力。最后,我们提供了一个实验评估的性能,我们的SDN和BC为基础的实现使用不同的参数,还监测系统中的一些攻击,并证明其有效性。
2022-11-28 cs.CR
Enhancing IoT Security and Privacy with Trusted Execution Environments and Machine Learning
针对物联网设备向不可信云传输敏感信息的安全问题,提出将外设驱动隔离在可信执行环境中、用安全机器学习分类过滤敏感数据的方案,提升物联网系统的安全与隐私性。
2023-05-04 cs.CR
Secure IoT Data Analytics in Cloud via Intel SGX
物联网设备在我们日常生活中的日益普及正在产生大量数据,其中大部分是私人信息,需要仔细维护和安全的存储系统来确保数据的完整性和保护。此外,巨大的物联网生态系统为用户提供了通过将其设备和其他服务与基于规则的程序互连来实现系统自动化的机会。用于存储和处理敏感物联网数据的云服务很容易受到外部威胁的影响。因此,需要保护敏感的物联网数据和基于规则的程序免受网络攻击。为了应对这一重要挑战,在本文中,我们提出了一个框架来维护物联网数据的机密性和完整性以及基于规则的程序执行。我们设计的框架,以保护数据隐私,利用可信执行环境(TEE),如英特尔SGX,和端到端的数据加密机制。我们通过在SGX中使用模拟和真实的物联网设备数据安全地执行基于规则的程序来评估该框架。
2020-08-10 cs.CR cs.DB
Brokering Policies and Execution Monitors for IoT Middleware
基于事件的系统是许多基于云的物联网(IoT)平台的核心。Broker体系结构风格和发布者-订阅者设计模式的这种组合为智能设备提供了一种相互通信和协调的方式。这些基于云的物联网框架的当前设计缺乏以下措施:(i)保护设备免受恶意云断开的影响,(ii)在通信方之间实施信息流控制,以及(iii)在存在受损设备的情况下实施协调协议。在这项工作中,我们建议扩展模块化的基于事件的系统架构的Fiege等人,纳入经纪政策和执行监测,以应对上述三项保护挑战。我们形式化了我们的保护方案的操作语义,探讨了如何使用该方案来执行BLP风格的信息流控制和RBAC风格的保护域,在开源MQTT代理中实现了该建议,并评估了保护机制的性能影响。
2018-09-27 cs.CR
A Deployment-Aware Feasibility Framework for Machine Learning-Based IoT Intrusion Detection Across Edge, Fog, and Cloud Architectures
Eastern Michigan University(东密歇根大学)
本文提出一个部署感知的可行性框架,通过定量评分模型评估机器学习入侵检测方法在边缘、雾和云架构中的适用性,为物联网安全设计提供实用指导。
2026-10-08 cs.CR
LEP-CNN: A Lightweight Edge Device Assisted Privacy-preserving CNN Inference Solution for IoT
在资源受限的物联网设备上及时支持卷积神经网络(CNN)推理一直是新兴智能系统面临的突出挑战。为了减轻物联网设备的负担,主流的解决方案是将通常由数十亿次操作组成的CNN推理任务卸载到公共云。然而,“卸载到云”解决方案在将敏感数据移动到云时可能会导致隐私泄露。为了保护隐私,研究界已经求助于先进的加密原语和近似技术来支持CNN对加密数据的推断。因此,这些尝试会导致物联网设备上不切实际的计算开销,并降低CNN的性能。此外,依赖远程云可能会导致额外的网络延迟,甚至在网络连接关闭时使系统功能障碍。我们提出了一种非常轻量级的边缘设备辅助私有CNN推理解决方案,即LEP-CNN。LEP-CNN的主要设计基于一种新的在线/离线加密方案。LEP-CNN的解密是通过利用CNN最耗时操作的线性特性离线预先计算的。因此,LEP-CNN允许物联网设备安全地卸载超过99%的CNN操作,边缘设备可以像在明文上一样高效地对加密数据执行CNN推理。LEP-CNN还提供完整性检查选项,帮助物联网设备检测错误结果,成功率超过99%。在AlexNet上的实验表明,对于资源受限的物联网设备,LEP-CNN可以将CNN推理速度提高35倍以上。利用CryptoNets实现了一个基于同态加密的AlexNet,并与LEP-CNN进行了比较,以证明LEP-CNN在时间敏感场景下具有比基于同态加密的隐私保护神经网络更好的性能。
2019-01-14 cs.CR
CryptoDNA: A Machine Learning Paradigm for DDoS Detection in Healthcare IoT, Inspired by crypto jacking prevention Models
提出受加密劫持检测启发的轻量级机器学习框架CryptoDNA,通过行为分析与动态异常检测在医疗物联网中以超96%准确率检测DDoS攻击,兼顾低开销与强可扩展性。
2025-01-30 cs.CR
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
Prisec II -- A Comprehensive Model for IoT Security: Cryptographic Algorithms and Cloud Integration
针对物联网设备计算能力有限的问题,提出一个包含四级安全加密的模型,并集成云计算优化处理效率,以增强5G网络中的数据安全性和传输效率。
2024-07-23 cs.CR cs.DC
Forensic Investigation of P2P Cloud Storage: BitTorrent Sync as a Case Study
云计算已被视为物联网(IoT)的技术使能器。为了确保最有效地收集基于物联网的证据,法医从业人员必须对来自不同云服务的人工制品有一个当代的理解。在本文中,我们试图确定使用BitTorrent Sync 2.0版的数据残留。我们使用运行Windows 8.1,Mac OS X Mavericks 10.9.5,Ubuntu 14.04.1 LTS,iOS 7.1.2和Android KitKat 4.4.4的移动和计算机设备进行研究的结果表明,可以恢复与安装,卸载,登录,注销和文件同步相关的人工制品,这是物联网取证的潜在来源。我们还提出了一个司法健全的调查方法BitTorrent同步。
2017-07-15 cs.CR
IoT Blockchain Solution for Air Quality Monitoring in SmartCities
物联网云支持的社会应用在最近的过去急剧增加,这是由于创新的推动,特别是通过启动计划,在农业,医疗保健,工业等各个领域。现有的物联网云解决方案导致从业者或研究人员陷入严重的安全隐患和性能低下的混乱局面。本文提出了一种基于区块链的物联网云实施方案,以解决智慧城市中存在的问题。它特别强调了SmartCities中空气质量监测系统链码的实施;使用实验说明了名为IoT启用的空气质量监测系统区块链(IB-AQMS)的拟议架构。文中给出了实验结果。
2020-03-29 cs.CR cs.NI
AEAKA: An Adaptive and Efficient Authentication and Key Agreement Scheme for IoT in Cloud-Edge-Device Collaborative Environments
针对云-边-端协同环境中资源受限设备认证方案局限性的问题,提出自适应且高效的认证与密钥协商方案AEAKA,通过动态发起认证、边缘辅助和哈希算法减轻负载并保障安全,在安全性和效率上优于现有方法。
2024-11-14 cs.CR
A Brain-Inspired Trust Management Model to Assure Security in a Cloud based IoT Framework for Neuroscience Applications
University of Padova(帕多瓦大学);Jahangirnagar University(贾汉吉尔纳加尔大学);American International University - Bangladesh(孟加拉美国国际大学);University of Sheffield(谢菲尔德大学);Anglia Ruskin University(安格利亚鲁斯金大学);Saitama University(埼玉大学);University of Stirling(斯特灵大学)
物联网(IoT)和云计算的迅速普及使神经科学家能够收集多层次和多通道的大脑数据,以更好地了解大脑功能,诊断疾病和设计治疗方法。为了确保当前物联网和云基础设施支持的端到端(E2E)设备之间安全可靠的数据通信,需要在物联网和用户端进行信任管理。本文介绍了一种基于神经模糊的大脑启发信任管理模型(TMM),以保护物联网设备和中继节点,并确保数据可靠性。该模型利用自适应神经模糊推理系统和加权加法方法分别估计节点的行为信任和数据信任来评估节点的可信度。与现有的基于模糊的TMM相比,NS2仿真结果证实了所提出的TMM在识别通信网络中的恶意节点方面的鲁棒性和准确性。随着基于云的物联网框架在神经科学研究中的使用越来越多,将所提出的TMM集成到现有基础设施中将确保E2E设备之间的安全可靠的数据通信。
2018-01-11 cs.AI cs.CR q-bio.NC
Checking Information Flow in Cloud-based IoT Access Control Policies (Extended Version)
IMT School for Advanced Studies Lucca(卢卡高等研究学院)
该研究针对云物联网访问控制策略,通过形式化建模AWS IoT Core组件、定义信息流图并结合SMT求解器实现工具IOT:POKER,以识别设备间非预期信息流带来的安全漏洞。
2026-07-31 cs.CR cs.LO cs.SE
IoT Expunge: Implementing Verifiable Retention of IoT Data
物联网(IoT)系统的不断发展旨在通过提供多种增值服务来简化最终用户的日常生活。然而,物联网系统可能会捕获和存储有关云中个人的敏感个人数据,从而危及用户隐私。新兴的立法,如加州的CalOPPA和欧洲的GDPR,支持强有力的隐私法来保护云中的个人数据。其中一项法律涉及严格执行数据保留政策。本文提出了一个名为IoT Expunge的框架,该框架允许传感器数据提供商将数据存储在云平台中,以确保执行保留策略。此外,云提供商还提供可验证的证据,证明其遵守保留策略。在现实世界的智能建筑测试平台上的实验结果表明,IoT Expunge对用户施加了最小的开销,以根据数据保留策略验证数据。
2020-03-10 cs.CR cs.DB cs.DC
Towards Practical Privacy-Preserving Analytics for IoT and Cloud Based Healthcare Systems
现代医疗保健系统现在依赖于先进的计算方法和技术,例如物联网(IoT)设备和云,以前所未有的规模和深度收集和分析个人健康数据。患者、医生、医疗服务提供者和研究人员依赖于从这些数据源导出的分析模型来远程监控患者、早期诊断疾病并找到个性化的治疗和药物。然而,如果没有适当的隐私保护,进行数据分析就会成为隐私噩梦的根源。在这篇文章中,我们提出了在医疗保健信息系统中开发实用的隐私保护分析的研究挑战。该研究基于kHealth --一种正在开发和测试用于疾病监测的个性化数字医疗信息系统。我们分析了相关各方的数据和分析要求,确定了隐私资产,分析了现有的隐私基板,并讨论了隐私,效率和模型质量之间的潜在权衡。
2018-04-11 cs.CR cs.CY
Deep Learning for Signal Authentication and Security in Massive Internet of Things Systems
Virginia Tech(弗吉尼亚理工大学)
由于系统的大规模性及其对中间人和窃听攻击的敏感性,安全信号认证可以说是物联网(IoT)环境中最具挑战性的问题之一。本文提出了一种新的深度学习方法,用于物联网信号的动态认证以检测网络攻击。所提出的学习框架基于长短期记忆(LSTM)结构,使物联网设备(IoTD)能够从其生成的信号中提取一组随机特征,并将这些特征动态地水印到信号中。这种方法使从物联网设备收集信号的云能够有效地验证信号的可靠性。此外,在大规模物联网场景中,由于计算限制,云无法同时认证所有的物联网设备,因此提出了一种博弈论框架,通过预测易受攻击的物联网设备来改善云的决策过程。推导了该博弈的混合策略纳什均衡,并证明了均衡处期望效用的唯一性。在大规模物联网系统中,由于云的大量可用动作,分析推导MSNE是具有挑战性的,因此,提出了一种收敛于MSNE的学习算法。此外,为了应对云无法访问未经认证的物联网设备的状态的不完全信息情况,提出了深度强化学习算法来动态预测未经认证的物联网设备的状态,并允许云决定对哪些物联网设备进行认证。仿真结果表明,在攻击检测延迟小于1秒的情况下,可以以几乎100%的可靠性从物联网设备传输消息。
2019-06-03 cs.CR cs.GT cs.LG
Discovering and Understanding the Security Hazards in the Interactions between IoT Devices, Mobile Apps, and Clouds on Smart Home Platforms
灵巧家庭将数十个家庭设备连接到互联网,物联网云运行各种家庭自动化应用程序。在带来前所未有的便利性和可访问性的同时,也给用户带来了各种安全隐患。以前的研究从几个方面研究了灵巧家庭的安全性。然而,我们发现,参与实体之间的相互作用的复杂性(即,设备、物联网云和移动应用程序)尚未得到系统的研究。在这项工作中,我们对五个广泛使用的灵巧家庭平台进行了深入分析。结合固件分析、网络流量拦截和黑盒测试,我们对参与实体之间的交互细节进行了逆向工程。在此基础上,我们分别推导出了三个实体的合法状态转换图。使用这些状态机作为参考模型,我们确定了一组意外的状态转换。为了确认和触发意外的状态转换,我们实现了一组幻影设备来模拟真实设备。通过指示幻影设备干预正常的实体间交互,我们发现了几个新的漏洞和一系列针对现实世界灵巧家庭平台的攻击。
2019-06-26 cs.CR cs.NI
Towards Secure Management of Edge-Cloud IoT Microservices using Policy as Code
本文针对边缘-云多域环境中物联网微服务管理缺乏细粒度安全控制的问题,提出基于策略即代码的架构框架,利用控制平面动态配置云原生技术执行安全策略,并通过原型验证其有效性。
2024-06-28 cs.CR cs.DC cs.SE
Privacy-Preserving Machine Learning for IoT: A Cross-Paradigm Survey and Future Roadmap
School of CSE, University of NSW(新南威尔士大学计算机科学与工程学院)
本文综述了物联网中隐私保护机器学习的跨范式方法,分析了隐私保障、计算复杂度、异构设备参与下的可扩展性及威胁抵御能力,并探讨了无线物联网环境中的部署限制与开放挑战。
2026-03-30 cs.CR cs.LG
Secure and Low-Latency IoT Analytics Using an Edge-Based Streaming Architecture
Allenhouse Institute of Technology(艾伦豪斯理工学院)
针对物联网实时流处理中云架构延迟高的问题,提出EdgeStream边缘框架,通过MQTT通信和分布式异常检测实现低延迟分析,实验显示延迟降低达92.8%。
2026-06-16 cs.CR cs.DC
A Technical Report for Light-Edge: A Lightweight Authentication Protocol for IoT Devices in an Edge-Cloud Environment
本报告详细介绍了[1]中的选定程序和其他模拟结果。我们首先在第一节中介绍物联网设备注册,并在第二节中提供基于模糊的信任计算的细节。最后,我们在第三节中展示了一些额外的模拟结果,用于在飞行模型仿真(OFMC)和基于约束逻辑的ATtack SEarcher(CLAtse)工具下对Light-Edge进行正式验证。更多细节请参见原文[1]。
2021-01-17 cs.CR cs.DC cs.IT
An Automated Data Engineering Pipeline for Anomaly Detection of IoT Sensor Data
University of Western Ontario(西安大略大学)
片上系统(SoC)技术、物联网(IoT)、云计算、人工智能等领域的快速发展,为改善和解决当前问题带来了更多可能。通过数据分析和使用机器学习/深度学习,可以学习底层模式,并根据从物联网传感器生成的海量数据中学到的知识做出决策。当与云计算相结合时,整个管道可以自动化,并且无需人工控制和操作。本文研究并提出了一种用于物联网传感器数据异常检测的自动化数据工程管道的实现。该过程涉及使用物联网传感器、树莓派、亚马逊网络服务(AWS)和多种机器学习技术,旨在为灵巧家庭安全系统识别异常情况。
2021-09-28 cs.CR cs.LG
ASOP: A Sovereign and Secure Device Onboarding Protocol for Cloud-based IoT Services
ASOP提出零信任、人在环路的物联网设备接入协议,利用认证器和后量子密码,避免信任制造商、供应链及云服务商,解决现有接入流程的高摩擦与安全风险。
2024-03-18 cs.CR cs.NI
Designing a Layered Framework to Secure Data via Improved Multi Stage Lightweight Cryptography in IoT Cloud Systems
针对传统物联网-云系统安全方案的不足,提出含H.E.EZ层、凭证管理层等三层的多层混合安全框架,整合优化区块链、ECDSA等技术,兼具更强安全性与更优性能。
2025-09-01 cs.CR cs.SY eess.SY
A Survey on Security and Privacy Issues in Edge Computing-Assisted Internet of Things
物联网(IoT)是一种创新的范式,旨在提供大量的应用程序,这些应用程序现在已经成为我们日常生活的一部分。数以百万计的智能设备部署在复杂的网络中,以提供包括通信、监控和控制关键基础设施在内的充满活力的功能。然而,物联网设备的大规模增长以及在网络边缘产生的相应的巨大数据流量,由于带宽和资源稀缺,给最先进的集中式云计算范式带来了额外的负担。因此,边缘计算(EC)正在成为一种创新战略,将数据处理和存储带到终端用户附近,从而产生所谓的EC辅助物联网。虽然这种模式提供了独特的功能和增强的服务质量(QoS),但它也在数据安全和隐私方面引入了巨大的风险。本文对EC辅助物联网背景下的安全和隐私问题进行了全面调查。特别是,我们首先概述了EC辅助物联网,包括定义,应用,架构,优势和挑战。其次,我们在EC辅助物联网的背景下定义安全和隐私。然后,我们广泛讨论了EC辅助物联网中的主要攻击分类,并提供了可能的解决方案和对策以及相关的研究工作。在此之后,我们进一步分类的一些安全和隐私问题,在文献中讨论的基础上的安全服务和安全目标和功能的基础上。最后,还广泛提供了安全EC辅助物联网范式的几个开放挑战和未来的研究方向。
2020-08-05 cs.CR cs.NI
IoT-Based Secure Embedded Scheme for Insulin Pump Data Acquisition and Monitoring
介绍了一种基于物联网的胰岛素泵数据采集与监控方案。建议的工作采用嵌入式系统硬件(Keil LPC1768板)进行数据采集和监测。硬件用作胰岛素泵和云之间的抽象层。糖尿病数据在发送到云端存储之前是安全的。每个患者的记录都使用安全散列算法机制进行数字签名。拟议的工作将保护患者的记录免受未经授权的实体的破坏,并验证它们免受不适当的修改。使用$μ$ Vision studio、上述Keil板和ALARIS 8100输注泵对设计进行测试和验证。此外,一个真正的云例子的测试用例的帮助下,计算辅助系统和技术中心。该中心提供基础设施服务来测试我们的工作。
2018-12-06 cs.CR cs.HC
Differential Privacy for Secure Machine Learning in Healthcare IoT-Cloud Systems
JNTU Anantapur(贾瓦哈拉尔·尼赫鲁技术大学阿南塔普尔分校);C-DAC, India(印度计算机数据处理中心);University of Melbourne(墨尔本大学);UVCE, Bangalore(班加罗尔大学电子工程学院);Florida International University(佛罗里达国际大学);National Institute of Advanced Studies(高级研究所)
本文提出多层物联网-边缘-云架构,通过差分隐私框架保护患者隐私,提升应急医疗响应速度,同时通过区块链增强安全性和边缘计算降低延迟。
2026-04-02 cs.CR cs.DC
MixGAN: A Hybrid Semi-Supervised and Generative Approach for DDoS Detection in Cloud-Integrated IoT Networks
College of Cyber Science and Engineering, Sichuan University(四川大学网络空间安全学院);College of Information Science and Technology, Tibet University(西藏大学信息科学学院)
本文提出MixGAN,结合条件生成、半监督学习和鲁棒特征提取,解决云集成物联网网络中DDoS检测的复杂交通动态、类别不平衡和数据稀缺问题,实验表明其在准确率、TPR和TNR上优于现有方法。
2025-08-22 cs.AI cs.CR
Secure Cloud-Edge Deployments, with Trust
评估要部署到由不同提供商运营的异构云边缘基础设施的物联网应用程序的安全级别是一项重要任务。在本文中,我们提出了一种方法,允许以简单和声明的方式表达物联网应用程序的安全要求以及基础设施安全功能,并自动获得对可能的应用程序部署的安全级别的可解释评估。该方法还考虑了使用或管理云边缘基础设施的不同利益相关者之间的信任关系的影响。一个逼真的例子是用来展示原型实现的方法。
2019-09-05 cs.CR cs.NI
Challenges of Privacy-Preserving Machine Learning in IoT
Nanyang Technological University(南洋理工大学);Zhejiang University(浙江大学)
物联网(IoT)将成为实现更好系统智能的主要数据生成基础设施。然而,物联网中广泛的数据汇集和处理也产生了各种隐私问题。本文提供了一个分类的现有的隐私保护机器学习方法开发的背景下,云计算,并讨论了将它们应用在物联网的背景下的挑战。此外,我们提出了一种保护隐私的推理方法,该方法在物联网对象处运行轻量级神经网络以在传输之前混淆数据,并在云中运行深层神经网络以对混淆的数据进行分类。基于MNIST数据集的评估显示出令人满意的性能。
2019-09-21 cs.CR cs.LG stat.ML
Compressive Sensing based Multi-class Privacy-preserving Cloud Computing
在本文中,我们设计了多类隐私$\text{-}$保护云计算计划(MPCC)利用压缩感知紧凑的传感器数据表示和保密的数据加密。该方案实现了两个级别的保密,一个超级用户谁可以检索到确切的传感器数据,和其他的半授权用户谁是唯一能够获得的统计数据,如均值,方差等MPCC方案允许计算昂贵的稀疏信号恢复在云上执行,而不会损害数据的机密性的云服务提供商。通过这种方式,它缓解了大量物联网传感器数据引起的数据传输,能源和存储问题,以及对云计算中物联网数据隐私的日益关注。与现有方案相比,MPCC方案不仅在物联网传感器设备和数据消费者端具有较低的计算复杂性,而且被证明能够抵抗纯密文攻击。
2020-11-11 cs.CR cs.IT math.IT
A Novel Ensemble Learning Approach for Enhanced IoT Attack Detection: Redefining Security Paradigms in Connected Systems
Department of Computer Science, Faculty of Information Technology, Applied Science Private University(计算机科学系,信息科技学院,应用科学私立大学);Department of Computer Science and Engineering, State University of Bangladesh(计算机科学与工程系,孟加拉国国家大学);Department. of Computer Science, College of Computer Engineering and Sciences, Prince Sattam Bin Abdulaziz University(计算机科学系,计算机工程与科学学院,普林斯萨塔姆·本·阿卜杜勒阿齐兹大学);School of Computer Science and Engineering, Lovely Professional University(计算机科学与工程学院,洛丽专业大学);STC’s Artificial Intelligence Chair, Department of Information Systems, College of Computer and Information Sciences, King Saud University(STC人工智能 chair,信息系,计算机与信息科学学院,沙特国王大学);Department of Computer Science, Veer Kunwar Singh University(计算机科学系,维尔·库纳尔·辛格大学);Department of Computer Science and Engineering, School of Engineering, Kathmandu University(计算机科学与工程系,工程学院,加德满都市大学)
本文提出一种新型集成学习方法,通过Extra Trees Classifier和预处理优化,提升物联网攻击检测性能,实验表明其在多个数据集上表现出高召回率、准确率和低错误率。
2025-10-09 cs.AI cs.CR cs.LG