Consumer, Commercial and Industrial IoT (In)Security: Attack Taxonomy and Case Studies
物联网(IoT)设备在我们的生活中变得无处不在,应用范围从消费领域到商业和工业系统。物联网设备的急剧增长和广泛采用加强了设备开发生命周期中健全和强大的网络安全实践的重要性。物联网相关的漏洞如果被成功利用,不仅会影响设备本身,还会影响物联网设备运行的应用领域。显然,查明和解决每一个脆弱性是一项艰巨的任务,如果不是不可能的话。攻击分类法可以帮助对攻击及其相应的漏洞进行分类。然后,可以利用安全对策和最佳实践来缓解威胁和漏洞,以免它们成为灾难性攻击,并确保整体安全的物联网操作。因此,在本文中,我们提供了一种攻击分类,该分类考虑了物联网堆栈的不同层,即,设备、基础设施、通信和服务,以及每一层可被对手利用的指定特征。此外,我们还使用了9起针对消费者、商业和工业部门部署的物联网设备的真实网络安全事件,描述了物联网相关的漏洞、利用程序、攻击、影响以及潜在的缓解机制和保护策略。这些(以及许多其他)事件突出了物联网系统的潜在安全问题,并展示了此类互联生态系统的潜在攻击影响,而拟议的分类法提供了一个系统化的程序,根据受影响的层和相应的影响对攻击进行分类。
2021-05-14 cs.CR
IoT and Man-in-the-Middle Attacks
本文综述物联网的重要性,分析中间人攻击的成因、检测与预防挑战,并展望提升物联网安全防护能力的未来方法与设施。
2023-08-04 cs.CR
Classification of cyber attacks on IoT and ubiquitous computing devices
本文对物联网恶意软件进行分类,识别主要攻击目标与利用方式,指出设备定义和安全目标缺失是核心障碍,并强调现有攻击大多可通过既有技术措施缓解。
2023-12-01 cs.CR
IoTWarden: A Deep Reinforcement Learning Based Real-time Defense System to Mitigate Trigger-action IoT Attacks
本文提出IoTWarden,一种基于深度强化学习和深度Q网络的实时防御系统,通过定义奖励函数学习最优防御策略,以低计算开销有效识别并缓解触发-动作式物联网中的远程注入攻击。
2024-01-16 cs.CR
Turning Strengths into Weaknesses: A Certified Robustness Inspired Attack Framework against Graph Neural Networks
图神经网络(GNN)在许多图学习任务中已经实现了最先进的性能。然而,最近的研究表明,GNN容易受到测试时逃避和训练时中毒攻击,这些攻击会扰乱图结构。虽然现有的攻击方法已经显示出很好的攻击性能,我们想设计一个攻击框架,以进一步提高性能。特别是,我们的攻击框架的灵感来自于认证的鲁棒性,它最初被防御者用来防御对抗攻击。从攻击者的角度来看,我们是第一个利用其属性更好地攻击GNN的人。具体来说,我们首先推导出节点的认证扰动大小,分别对图规避和中毒攻击的基础上随机平滑。节点的较大认证扰动大小表明该节点理论上对图扰动更鲁棒。这样的属性促使我们更多地关注具有较小认证扰动大小的节点,因为它们在图扰动后更容易被攻击。因此,我们设计了一个认证的鲁棒性启发的攻击损失,当纳入(任何)现有的攻击,产生我们的认证的鲁棒性启发的攻击对手。我们将我们的框架应用于现有的攻击,结果表明,它可以显着提高现有的基础攻击的性能。
2023-03-10 cs.CR
A Novel Sybil Attack Detection Scheme Based on Edge Computing for Mobile IoT Environment
物联网(IoT)通过信息传感设备将所有物品连接到互联网,以交换信息进行智能识别和管理。Sybil攻击是物联网中一种著名的严重攻击。以前大多数检测物联网中Sybil攻击的方法主要集中在静态物联网上,而适用于移动物联网的方法非常少。针对移动物联网中的Sybil攻击,提出了一种基于边缘计算的轻量级分布式检测方案。在所提出的方案中,检测包括两轮。在每一轮中,成员节点需要向边缘节点发送数据包。边缘节点计算来自第一轮的接收信号强度指示(RSSI)的可能间隔,并检查来自第二轮的RSSI是否在该间隔内以检测Sybil攻击。广泛的实验研究表明,所提出的方法优于许多现有的方法在真检测和误检测率。此外,实验结果表明,该方法中的容错设计大大提高了检测方案。
2022-04-24 cs.CR
On Runtime Software Security of TrustZone-M based IoT Devices
物联网(IoT)设备已经越来越多地融入我们的日常生活。然而,这样的智能设备遭受广泛的攻击面。特别是,如果物联网设备使用资源受限的微控制器(MCU),则在运行时针对设备软件的攻击具有挑战性。TrustZone-M是MCU的TrustZone扩展,是一种新兴的安全技术,可增强基于MCU的物联网设备。本文首次对启用TrustZone-M的MCU中的潜在软件安全问题进行了安全分析。我们探讨了基于堆栈的缓冲区溢出(BOF)攻击的代码注入,面向返回的编程(ROP)攻击,基于堆的BOF攻击,格式字符串攻击,和攻击非安全可调用(NSC)的上下文中的TrustZone-M的功能。我们使用启用TrustZone-M的SAM L11 MCU验证这些攻击。还讨论了减轻这些软件攻击的策略。
2020-07-12 cs.CR
Quantitative Analysis of DoS Attacks and Client Puzzles in IoT Systems
拒绝服务(DoS)攻击是当今互联网的主要安全威胁。这一挑战与物联网(IoT)尤其相关,因为设备的计算能力、内存和安全机制都较低,无法缓解DoS攻击。本文提出了一个模型,模仿物联网设备网络的独特特征,包括实现“加密谜题”的系统组件-一种DoS缓解技术。我们在系统上创建了一个模拟的DoS攻击,并进行了定量分析,以模拟这种攻击可能对系统产生的影响,评估物联网系统中安全性和吞吐量之间的权衡。我们通过PRISM中的随机模型检验对此进行建模,并提供证据支持这一点,作为一种有价值的方法来比较物联网系统不同实现的效率,并通过案例研究进行了说明。
2017-10-30 cs.CR
A First Step Towards Understanding Real-world Attacks on IoT Devices
随着物联网(IoT)设备的快速增长,必须主动了解它们面临的现实网络安全威胁。本文描述了我们建立蜜罐生态系统的初步努力,作为收集和分析针对物联网设备的真实攻击数据的手段。蜜罐产生有用见解的主要条件是让攻击者相信他们是人类和组织使用的真实系统。物联网设备在这方面提出了独特的挑战,由于各种各样的设备类型和物理连接性的性质。因此,我们创建了一个多阶段的方法来构建蜜罐生态系统,研究人员可以通过观察现实世界中攻击者的行为来逐渐提高低交互蜜罐在模拟物联网设备方面的复杂性。我们在内部和云中部署了蜜罐,并提供了相关的分析和审查基础设施,以确保这些蜜罐无法被轻易识别,并且看起来像是真实的系统。通过这样做,我们能够吸引越来越复杂的攻击数据。我们提出了这个蜜罐生态系统的设计和我们对攻击数据的观察。我们的数据显示,现实世界的攻击者正在明确地攻击物联网设备,一些捕获的活动似乎涉及直接的人类交互(而不是脚本化的自动活动)。我们还为物联网摄像头构建了一个低交互的蜜罐,称为Honeycamera,它向攻击者呈现看似真实的视频。这是我们朝着建立一个更全面的蜜罐生态系统迈出的第一步,这将使研究人员能够具体了解攻击者在物联网设备上的目标,以便更积极地保护它们。
2020-03-02 cs.CR
Shakedown: compiler-based moving target protection for Return Oriented Programing attacks on an industrial IoT device
网络犯罪分子使用面向返回的编程技术来攻击系统和物联网设备。虽然已经开发了防御措施,但并非所有防御措施都适用于受限设备。我们介绍了Shakedown,这是一个编译时随机构建工具,它创建了几个版本的二进制文件,每个版本都有不同的内存布局。针对一个设备开发的攻击不会在具有不同内存布局的另一个设备上起作用。我们在一个工业物联网设备上测试了Shakedown,结果表明,在阻止漏洞利用的同时,其正常功能保持不变。
2018-10-11 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
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
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
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
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
The Impact of DoS Attacks onResource-constrained IoT Devices:A Study on the Mirai Attack
Mirai是一种恶意软件,它创建了一个由互联网连接的设备组成的僵尸网络,之后可以用来感染其他设备或服务器。本文旨在分析和解释Mirai代码,并创建一个低成本的仿真环境,以帮助Mirai的动态分析。此外,我们执行受控的拒绝服务攻击,同时测量资源受限的受损和受害物联网(IoT)设备上的资源消耗,例如能耗,CPU利用率,内存利用率,以太网输入/输出性能和安全数字卡使用率。实验设置表明,当受感染的设备发送用户数据报协议(UDP)洪水时,它消耗的能量比正常使用多38.44%。在使用安全数字的情况下,当被传输控制协议(TCP)消息淹没时,受害者将多使用64.6%的存储用于读取,多使用55.45%的存储用于写入。Mirai攻击对资源受限的物联网设备造成的显著额外资源消耗可能严重威胁此类设备的广泛采用,并为资源受限的物联网环境中的安全设计带来巨大挑战。
2021-04-19 cs.CR
Correlation-Aware Neural Networks for DDoS Attack Detection In IoT Systems
我们提出了一个全面的研究应用机器学习检测分布式拒绝服务(DDoS)攻击使用大规模的物联网(IoT)系统。虽然先前的工作和现有的DDoS攻击主要集中在单个节点以高容量传输数据包,但我们研究了使用大量物联网设备的更复杂的未来攻击,并通过让每个节点以典型的良性流量传输来伪装它们的攻击。我们引入了新的相关性感知架构,考虑到物联网节点之间流量的相关性,我们还比较了集中式和分布式检测模型的有效性。我们通过评估五种不同的神经网络模型来广泛分析所提出的架构,这些模型是在来自4060个节点的真实物联网系统的数据集上训练的。我们观察到,长短期记忆(LSTM)和基于transformer的模型,结合使用物联网节点相关信息的架构,提供了比其他模型和架构更高的性能(在F1得分和二进制精度方面),特别是当攻击者通过遵循每个传输节点上的良性流量分布来隐藏自己时。例如,通过使用LSTM模型,分布式相关性感知架构为使用良性流量进行攻击的攻击者提供了81%的F1分数,而不使用相关性信息的架构则为35%。我们还研究了选择一个子集的节点,以共享其数据的相关性感知架构,以满足资源约束的性能的算法。
2023-02-15 cs.CR
Cyber-attack Mitigation and Impact Analysis for Low-power IoT Devices
近年来,无线传感器设备的发展呈指数级增长,它们作为物联网的重生,以及灯泡、风扇和微波炉等无线家用设备的普及。由于它们可以用于各种领域,例如医疗设备、环境研究、消防部门或军事应用等,这些低功率设备的安全性将始终是所有用户和安全专家关注的问题。如今,用户希望通过他们的智能手机使用互联网连接来控制所有这些“智能”无线家庭设备。对这些设备的分布式攻击等攻击将使整个系统变得脆弱,因为这些攻击可以记录和提取机密信息,并增加整个网络的资源(能源)消耗。在本文中,我们提出了一种网络攻击检测算法,并提出了一个低功耗的微尘(Z1 Zolertia)作为模型物联网设备容易发起网络攻击的影响分析。我们还提出了详细的结果,功耗分析,并没有攻击,以及当入侵检测的缓解算法的实施。
2018-07-31 cs.CR
Cybersecurity and Frequent Cyber Attacks on IoT Devices in Healthcare: Issues and Solutions
本文综述医疗物联网设备的网络安全威胁与频繁攻击,分析漏洞根源,并提出面向研究人员、机构和安全专家的解决方案与缓解策略。
2025-01-20 cs.CR
Graph-Based DDoS Attack Detection in IoT Systems with Lossy Network
本研究利用图卷积网络,将物联网设备建模为图节点,提出一种在有损网络环境下检测DDoS攻击的方法,实验显示F1分数高达91%,且对连接丢失具有鲁棒性。
2024-03-14 cs.CR
Multi-level trust-based intelligence schema for securing of internet of things (IoT) against security threats using cryptographic authentication
物联网(IoT)能够提供对链接的、通用的和智能的节点的预测,这些节点在提供服务时具有自主交互。由于物联网事物的广泛开放性、相对较高的处理能力和广泛分布,它们是灰洞攻击的理想选择。在灰洞攻击中,攻击者将自己伪装成到达目的地的最短路径。这会导致路由数据包无法到达目的地。该方法基于AODV路由协议,并以MTISS-IoT名称提出,这意味着使用校验节点信息减少灰洞攻击。本文提出了一种基于密码认证的混合方法。提出的方法包括四个阶段,如验证物联网中的节点信任,测试路由,灰洞攻击发现,并在MTISS-IoT恶意攻击消除过程。该方法是通过在NS-3环境中进行广泛的模拟评估。四个场景的实验结果表明,MTISS-IoT方法可以实现14.104%的误报率,17.49%的误报率,以及94.5%的检测率灰洞攻击发起。
2020-01-15 cs.CR
Machine Learning based IoT Edge Node Security Attack and Countermeasures
技术的进步已经使得在开发被统称为物联网(IoT)的无处不在的计算设备的高度连接的生态系统方面取得了巨大进展。由于收集的数据的敏感性,确保物联网设备的安全性是一个高度优先事项。物理不可克隆功能(PUF)已经成为确保物联网节点安全的关键硬件原语。由于PUF架构的固有随机性质,PUF架构的恶意建模已被证明是困难的。恶意PUF建模的现有方法假设对PUF架构的先验知识和物理访问可用于对IoT节点的恶意攻击。然而,许多物联网网络都假设PUF架构在物理和数学上都具有足够的防篡改性。在这项工作中,我们表明,知识的底层PUF结构是没有必要克隆的PUF。我们提出了一种新的非侵入性的,架构独立的,机器学习攻击强PUF设计的克隆准确率为93.5%,并提高了高达48.31%的替代,两阶段的蛮干攻击模型。我们还提出了一种基于机器学习的对策,它可以区分克隆的PUF设备和真实的PUF,平均准确率为96.01%。所提出的验证可用于从云服务器远程快速验证数百万个物联网节点。
2019-09-17 cs.CR
Prediction and Detection of FDIA and DDoS Attacks in 5G Enabled IoT
第五代(5G)网络中的安全性已成为电信行业的主要关注点之一。5G安全挑战来自于5G网络涉及不同的利益相关者,使用不同的安全要求和措施。这些利益相关者之间的安全管理防御可能导致安全攻击。因此,安全解决方案应针对不同5G垂直领域(例如,工业4.0、物联网(IoT)等)。5G和完全连接的系统(如物联网)之间的相互依赖性需要一些标准的安全要求,即完整性,可用性和机密性。在本文中,我们提出了一种用于保护5G物联网网络的分层架构,以及一种用于预测和检测虚假数据注入攻击(FDIA)和分布式拒绝服务攻击(DDoS)的安全模型。该安全模型是基于马尔可夫随机过程,这是用来观察每个网络设备的行为,并采用基于范围的行为筛选策略。仿真结果证明了所提出的架构和模型在5G物联网环境下检测和预测FDIA和DDoS攻击的有效性。
2022-01-27 cs.CR
A Security Analysis of IoT Encryption: Side-channel Cube Attack on Simeck32/64
Simeck是一种轻量级的分组密码,已被提出作为可以在物联网(IoT)应用中使用的加密之一。因此,本文研究了Simeck 32/64分组密码抗侧信道立方体攻击的安全性。我们展示了我们的攻击Simeck 32/64使用汉明重量泄漏假设提取线性无关方程的关键位。我们已经能够找到32个线性无关的方程在32个关键变量,只考虑第二位从LSB的汉明重量泄漏的内部状态的第四轮密码。这使得我们的攻击,以改善以前的攻击Simeck 32/64在侧信道攻击模型与更好的时间和数据复杂度分别为2^35和2^11.29。
2018-08-10 cs.CR
Protecting RESTful IoT Devices from Battery Exhaustion DoS Attacks
许多物联网用例涉及受限的电池供电设备,以REST方式向其通信合作伙伴提供服务。这些服务可能涉及,例如,昂贵的计算或致动器/传感器使用,这可能对服务提供商的功耗有显著影响。远程攻击者可能会过度使用这些服务,以耗尽提供商的电池,这是拒绝服务(DoS)攻击的一种形式。以前的工作提出了基于轻量级对称身份验证的解决方案。这些解决方案由于需要预共享密钥而扩展性差,并且不提供针对受损服务攻击者的保护。相比之下,我们认为更强大的攻击者甚至能够损害合法的攻击者。我们提出了一种方法,结合攻击者检测和节流,进行第三个可信的后端,一个轻量级的身份验证协议。对于攻击者检测和节流,我们提出了一种新的方法,使用速率限制算法。此外,我们提出并正式验证了两个认证协议,适用于不同的,广泛使用的物联网网络拓扑结构。我们的协议确保服务的可用性为良性的恶意软件,即使提供商是在电池耗尽攻击。这些协议既不要求在加密者和提供者之间预先共享密钥,也不要求在提供者上使用非对称加密和公钥基础设施。这使得我们的协议适用于涉及受限设备和受限网络的各种物联网部署。我们证明了我们的方法的可行性,通过模拟和概念实现的证明。
2019-11-19 cs.CR
Efficient Denial of Service Attack Detection in IoT using Kolmogorov-Arnold Networks
本文提出基于Kolmogorov-Arnold网络的轻量级物联网DoS攻击检测方法,以样条变换替代权重矩阵,在CICIDS2017上实现99.0%准确率、0.19 MB内存占用和2.00 ms推理时间,显著降低资源需求并适用于大规模部署。
2025-02-03 cs.CR
IoTMonitor: A Hidden Markov Model-based Security System to Identify Crucial Attack Nodes in Trigger-action IoT Platforms
随着物联网环境中智能操作平台的出现和快速发展,物联网设备之间的交互导致的安全漏洞变得越来越普遍。在一个设备上发生的事件触发另一个设备中的动作,这可能最终有助于在网络中创建事件链。攻击者利用链效应来危害物联网设备,并通过将恶意事件注入链中来远程触发感兴趣的操作。为了解决由攻击者动作场景引起的安全漏洞,现有的研究工作集中在基于设备上的物理指纹来验证设备的安全属性或验证某些事件的发生。我们提出了IoTMonitor,这是一种安全分析系统,它通过观察传感器收集的一系列物理证据来识别最高可能性的事件发生的底层链。我们使用Baum-Welch算法来估计转移和发射概率,并使用Viterbi算法来识别事件序列。然后,我们可以识别出攻击者动作序列中的关键节点,这些节点的妥协使攻击者能够达到他们的最终目标。在PEEVES数据集上的实验结果表明,该系统能够从观测数据中高精度地重建事件发生序列,并识别出攻击路径上的关键节点。
2022-02-09 cs.CR
REAL-IoT: Characterizing GNN Intrusion Detection Robustness under Practical Adversarial Attack
提出REAL-IoT框架,通过统一数据集和物理测试床评估GNN网络入侵检测在分布漂移与实际攻击下的鲁棒性,并利用LLM过滤对抗样本以增强系统韧性。
2025-07-14 cs.CR
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
MVAM: Multi-variant Attacks on Memory for IoT Trust Computing
随着物联网和低成本云服务的显著发展,物联网系统的传感和数据处理要求不断提高。TrustZone是专为物联网手持系统设计的ARM处理器的受硬件保护的可信执行环境(TEE)。它提供内存隔离技术来保护受信任的应用程序数据不被恶意实体利用。在这项工作中,我们专注于识别ARM Cortex-M处理器的TrustZone扩展的不同漏洞。然后设计并实现一个威胁模型来执行这些攻击。我们发现TrustZone容易受到基于缓冲区溢出的攻击。我们已经使用它创建了一个名为MOFlow的攻击,并成功泄露了另一个受信任应用程序的数据。这是通过故意溢出一个应用程序的内存来访问安全世界中其他应用程序的加密内存来完成的。我们还发现,由于没有验证entry函数中的输入参数,TrustZone暴露了一个安全漏洞。我们称之为阿喀琉斯之踵,并提出了一个攻击模型,展示了如何利用这一弱点。我们提出的新的攻击实现,并成功地测试了两个最近的ARM Cortex-M处理器在市场上(M23和M33)。
2023-01-11 cs.CR
IoT Security: An End-to-End View and Case Study
在本文中,我们提出了物联网安全和隐私的端到端视图以及案例研究。我们的贡献是三方面的。首先,我们提出了物联网系统的端到端视图,该视图可以指导物联网系统的风险评估和设计。我们确定了10个与安全和隐私相关的基本物联网功能。基于这一观点,我们系统地提出了物联网系统、软件、网络和云中大数据分析方面的安全和隐私要求。其次,使用物联网安全和隐私的端到端视图,我们提出了Edimax IP摄像机系统的漏洞分析。我们是第一个利用这个系统的人,并且已经确定了可以完全控制制造商所有摄像头的各种攻击。我们的真实实验证明了所发现的攻击的有效性,并再次为物联网制造商敲响了警钟。第三,在Edimax摄像头和我们之前对Edimax智能插头的利用中发现的漏洞可能会导致另一波Mirai攻击,这可能是僵尸网络或蠕虫攻击。为了系统地了解Mirai恶意软件的破坏,我们对Mirai的传播进行了建模,并使用模拟来验证建模。本文中的工作再次为物联网设备制造商敲响了警钟,以更好地保护其产品,以防止像Mirai这样的恶意软件攻击。
2018-05-15 cs.CR
Towards Detecting IoT Event Spoofing Attacks Using Time-Series Classification
本文提出基于时间序列分类的机器学习方法检测IoT事件欺骗攻击,利用传感器数据时间特性,在训练样本少100至500倍的情况下,比早期工作更快学习时间特征,有效解决了IoT数据集样本不足的瓶颈。
2024-07-29 cs.CR
SHoM: A Mental-Synthesis Trust Management Model for Mitigating Botnet-Driven DDoS Attacks in the Internet of Things
本文提出SHoM信任管理模型,通过综合考量信任相关的安全因素,缓解物联网中由僵尸网络驱动的DDoS攻击,并基于对40至50个现有安全模型的综述研究进行设计。
2025-08-16 cs.CR
Lightweight LLMs for Network Attack Detection in IoT Networks
University of Ruhuna(鲁胡纳大学);University of Agder (UiA)(阿格德尔大学)
本文提出利用轻量级大语言模型结合QLoRA和RAG技术,实现高效的物联网网络攻击检测,展示在未知攻击类型上的零样本能力。
2026-01-21 cs.CR
A data-driven security quantification framework for IoT-based systems
School of Computing and Engineering, University of Bradford(布拉德福德大学计算机与工程学院)
提出一种结合模型系统工程、攻击树分析和EPSS漏洞数据的概率安全框架,用于量化物联网系统的妥协概率并指导缓解策略。
2026-06-16 cs.CR
IoT DoS and DDoS Attack Detection using ResNet
随着物联网(IoT)设备的快速增长,网络攻击的频率和强度都在增加。最近,拒绝服务(DoS)和分布式拒绝服务(DDoS)攻击被报告为物联网网络中最常见的攻击。传统的安全解决方案,如防火墙、入侵检测系统等,无法检测复杂的DoS和DDoS攻击,因为它们大多基于静态预定义规则过滤正常和攻击流量。然而,当与基于人工智能(AI)的技术集成时,这些解决方案可以变得可靠和有效。在过去的几年中,深度学习模型,特别是卷积神经网络,由于其在图像处理领域的出色表现而获得了很高的意义。这些卷积神经网络(CNN)模型的潜力可以通过将网络流量数据集转换为图像来有效地检测复杂的DoS和DDoS。因此,在这项工作中,我们提出了一种将网络流量数据转换为图像形式的方法,并训练了最先进的CNN模型,即,ResNet在转换后的数据上。在二进制分类的情况下,该方法对DoS和DDoS的检测准确率达到99.99%.此外,该方法对11种类型的DoS和DDoS攻击模式的平均识别率达到87%,比现有方法提高了9%.
2020-12-02 cs.CR
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
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
IoT-KEEPER: Securing IoT Communications in Edge Networks
物联网设备的日益普及使它们成为攻击者有利可图的目标。由于不安全的产品开发实践,这些设备往往容易受到甚至非常轻微的攻击,并且很容易受到损害。由于物联网设备的数量和异构性,不可能使用传统的端点和网络安全解决方案来保护物联网生态系统。为了解决边缘网络中物联网设备安全的挑战和要求,我们提出了IoT Keeper,这是一种能够实时的保护网络免受任何恶意活动的新型系统。所提出的系统使用轻量级异常检测技术,以确保设备到设备和设备到基础设施的通信,同时使用网关上可用的有限资源。它使用未标记的网络数据来区分网络中观察到的良性和恶意流量模式。通过真实世界测试平台进行的详细评估表明,IoT Keeper能够以高准确率(0.982)和低误报率(0.01)检测到任何生成恶意流量的设备。结果表明,IoT Keeper是轻量级的,响应迅速,可以有效地处理复杂的D2D交互,而无需显式的攻击签名或复杂的硬件。
2018-10-19 cs.CR
Towards automation of threat modeling based on a semantic model of attack patterns and weaknesses
Yanka Kupala State University of Grodno(格罗德诺扬卡·库帕拉国立大学)
该作品考虑了构建和使用正式知识库(模型)的挑战,该模型将ATT&CK,CAPEC,CWE,CVE安全枚举结合起来。该模型可用于学习攻击技术、攻击模式、弱点和漏洞之间的关系,以构建各种威胁景观,特别是用于威胁建模。该模型被创建为一个本体,具有OWL和RDF格式的免费数据集。本体的使用是基于结构和图的方法来集成安全枚举的替代方案。在这项工作中,我们考虑的威胁建模的方法与ATT&CK的数据组件的基础上的知识库和本体驱动的威胁建模框架。此外,一些评估,它是如何可能使用的威胁建模的本体方法,这可能面临的挑战。
2021-12-08 cs.AI cs.CR
N-BaIoT: Network-based Detection of IoT Botnet Attacks Using Deep Autoencoders
物联网设备的激增比台式计算机更容易受到危害,导致基于物联网的僵尸网络攻击的发生率增加。为了缓解这种新的威胁,需要开发新的方法来检测从受损的物联网设备发起的攻击,并区分基于物联网的小时和毫秒攻击。在本文中,我们提出并实证评估了一种新的基于网络的异常检测方法,该方法提取网络的行为快照,并使用深度自动编码器来检测来自受损物联网设备的异常网络流量。为了评估我们的方法,我们在实验室中用两个最广为人知的基于物联网的僵尸网络Mirai和BASHLITE感染了九个商用物联网设备。我们的评估结果表明,我们提出的方法能够准确、即时地检测从僵尸网络中受感染的物联网设备发起的攻击。
2018-05-09 cs.CR cs.LG
AntibIoTic: Protecting IoT Devices Against DDoS Attacks
2016年是向世界展示分布式拒绝服务攻击有多危险的一年。DDoS攻击破坏性的衡量标准是所涉及的僵尸程序的数量:僵尸网络越大,攻击越强大。这一特性,以及连接和不安全的物联网设备的可用性不断增加,使DDoS和物联网成为恶意软件行业的完美组合。在本文中,我们介绍了AntibIoTic背后的主要思想,这是一种预防通过物联网设备进行DDoS攻击的姑息性解决方案。
2017-06-28 cs.CR cs.CY
Influence of Autoencoder Latent Space on Classifying IoT CoAP Attacks
University of León(莱昂大学);Research Institute of Applied Sciences in Cybersecurity (RIASC) MIC. University of León(网络安全应用科学研究所以MIC·莱昂大学);University of A Coruña(拉科鲁尼亚大学)
本研究通过结合自动编码器潜在空间与三种分类技术,提出了一种高效识别物联网CoAP协议安全攻击的模型,实现了超过99%的识别精度。
2026-02-20 cs.CR
A Secure Design Pattern Approach Toward Tackling Lateral-Injection Attacks
为对抗性漏洞创建攻击面的软件弱点,例如横向SQL注入(LSQLi)攻击,通常在软件开发的设计阶段引入。安全设计模式有时被用来解决这些弱点。然而,由于侧向攻击的隐蔽性,使用传统的安全模式来解决这些威胁是不够的。因此,我们提出了SEAL,一个安全的设计,推断架构,设计和实现的抽象级别,以代表安全策略对解决LSQLi攻击。我们使用案例研究软件对SEAL进行了评估,在该软件中,我们假设对手的角色,并注入了几个攻击向量,这些攻击向量的任务是破坏其数据库的机密性和完整性。我们对SEAL的评估证明了它解决LSQLi攻击的能力。
2022-10-23 cs.CR
Challenges for Security Assessment of Enterprises in the IoT Era
多年来,攻击图一直是企业网安全评估的重要工具,但物联网设备作为IT领域的新成员,可能会威胁到这一工具的可靠性。在本文中,我们回顾了使用攻击图来建模和分析包含物联网设备的企业网时必须解决的挑战。此外,我们提出了新的想法和对策,旨在应对这些挑战。
2019-06-26 cs.CR
HoneyIoT: Adaptive High-Interaction Honeypot for IoT Devices Through Reinforcement Learning
The Pennsylvania State University(宾夕法尼亚州立大学)
针对物联网设备异构性导致高交互蜜罐易被检测的问题,提出HoneyIoT,利用强化学习与差分分析生成高保真响应,有效绕过预攻击检查并诱导攻击者上传恶意软件。
2023-05-10 cs.AI cs.CR
Federated Learning based on Defending Against Data Poisoning Attacks in IoT
物联网(IoT)设备数量的迅速增长产生了大量的数据,但物联网设备中的数据隐私和安全暴露,特别是在自动驾驶系统中。联邦学习(FL)是一种通过集成基于分布式节点的全局模型来解决数据隐私、安全性、访问权限和对异构消息的访问问题的范例。然而,对FL的数据投毒攻击可能会破坏这些好处,破坏全局模型的可用性并中断模型训练。为了避免上述问题,我们建立了一个层次化防御数据投毒(HDDP)系统框架来防御FL中的数据投毒攻击,通过异常检测来监控各个节点的本地模型,从而清除恶意客户端。无论中毒防御服务器是否具有可信测试数据集,我们设计了\underline{l}局部\underline{m}模型\underline{t} est \underline{v} oting(LMTV)和\underline{k} ullback- \underline{l} eibler divergence \underline{a} normaly parameters \underline{d} etection(KLAD)算法来防御标签翻转中毒攻击。具体而言,可信测试数据集被用来获得每个分类的评估结果,以识别LMTV中的恶意客户端。更重要的是,我们采用kullback leibler散度来衡量KLAD中没有可信测试数据集的局部模型之间的相似性。最后,通过广泛的评估,针对各种标签翻转中毒攻击,LMTV和KLAD算法在不同…
2022-09-14 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
DAEDALUS: Defense Against Firmware ROP Exploits Using Stochastic Software Diversity
本研究提出基于软件多样性的DAEDALUS框架,扩展STOKE随机优化器以适配物联网固件,通过生成语法不同但语义等价的固件改写版本,成功中和ROP有效载荷,同时减轻单设备攻击影响并挫败跨多设备的大规模ROP攻击。
2024-01-29 cs.CR
Machine Learning Based IoT Intrusion Detection System: An MQTT Case Study (MQTT-IoT-IDS2020 Dataset)
物联网(IoT)是网络安全领域的主要研究领域之一。这是由于(a)对自动化设备的依赖性增加,以及(b)部署用于特殊目的网络使用的通用入侵检测系统(IDS)的不足。许多轻量级协议被提议用于IoT设备通信使用。物联网机器对机器通信协议之一是消息传输远程传输(MQTT)协议。然而,据作者所知,没有包含MQTT良性或攻击实例的可用IDS数据集,因此没有可用的IDS实验结果。在本文中,六个机器学习(ML)技术来检测基于MQTT的攻击的有效性进行了评估。三个抽象层次的功能进行评估,即,基于数据包,单向流,双向流功能。生成MQTT模拟数据集并用于训练和评估过程。该数据集以开放获取许可证发布,以帮助研究界进一步分析伴随而来的挑战。实验结果表明,所提出的ML模型,以满足基于MQTT的网络IDS的要求。此外,研究结果强调了使用基于流的特征来区分基于MQTT的攻击和良性流量的重要性,而基于数据包的特征足以用于传统的网络攻击。
2020-11-16 cs.CR
Improved Fault Analysis on SIMECK Ciphers
物联网(IoT)的进步对我们丰富的生活体验产生了根本性的影响和影响。然而,由于物联网设备通常是资源受限的,因此轻量级块密码在充当安全物联网协议的构建块方面发挥了重要作用。在CHES 2015中,SIMERK是一种分组密码家族,专为资源受限的物联网设备而设计。自其发布以来,对其安全性进行了许多分析。本文在一位翻转模型下,提出了一种新的对SIMEK密码的有效故障分析攻击。与以前报道的攻击相比,我们的攻击可以恢复完整的主密钥注入故障到所有SIMEK家族成员只有一个回合。这个属性是至关重要的,因为攻击者不可能在现实世界中的物联网设备上将故障注入SIMERK实现的不同回合。具体来说,我们的攻击的特点是行使正确和错误的即时密文之间的差分线索的深入分析。大量的仿真评估进行,结果证明了我们提出的攻击的有效性和正确性。
2020-10-11 cs.CR
Towards Learning-automation IoT Attack Detection through Reinforcement Learning
University of California(加利福尼亚大学);ARM Research(ARM研究院)
随着物联网(IoT)设备的大量部署,IoT中的安全和隐私问题引起了越来越多的关注。物联网攻击给物联网网络造成了巨大的损失,甚至威胁到人类的安全。与传统网络相比,物联网网络具有独特的特点,这使得攻击检测更具挑战性。首先,平台、协议、软件和硬件的异构性暴露了各种漏洞。其次,除了传统的高速率攻击外,低速率攻击也被物联网攻击者广泛用于混淆合法和恶意流量。这些低速率攻击很难检测到,并且可能在网络中持续存在。最后,攻击者正在变得更加智能,并且可以根据环境反馈动态地改变他们的攻击策略以避免被检测到,这使得防御者更难发现一致的模式来识别攻击。为了适应物联网攻击的新特点,提出了一种基于强化学习的攻击检测模型,能够自动学习和识别攻击模式的变化。因此,我们可以在更少的人为干预下持续检测物联网攻击。在本文中,我们探索了物联网流量的关键特征,并利用基于熵的指标来检测高速率和低速率的物联网攻击。然后,利用强化学习技术,根据检测反馈不断调整攻击检测阈值,优化检测和虚警率。我们对真实的物联网攻击数据集进行了广泛的实验,并证明了我们的物联网攻击检测框架的有效性。
2020-06-29 cs.AI cs.CR cs.LG
Spying on the Smart Home: Privacy Attacks and Defenses on Encrypted IoT Traffic
不断增长的灵巧家庭物联网设备市场为消费者带来了新的便利,同时也为保护家庭隐私带来了新的挑战。许多灵巧家庭设备具有始终开启的传感器,该传感器捕获用户在其生活空间中的离线活动并在互联网上传输关于这些活动的信息。在本文中,我们证明了ISP或其他网络观察者可以通过分析包含商用物联网设备的灵巧家庭的互联网流量来推断隐私敏感的家庭活动,即使这些设备使用加密。我们评估了几种策略,以减轻与灵巧家庭设备流量,包括阻塞,隧道和速率整形的隐私风险。我们的实验表明,流量整形可以有效地和实际地减轻许多与灵巧家庭物联网设备相关的隐私风险。我们发现40 KB/s的额外带宽使用足以保护用户活动免受被动网络对手的攻击。对于许多灵巧家庭来说,这种带宽成本完全在互联网速度限制和数据上限之内。
2017-08-16 cs.CR
Optimal Control of Malware Propagation in IoT Networks
针对智能家居IoT网络补丁部署前的恶意软件扩散问题,提出含即时响应状态的SI_HI_LR_FR_C节点流行病学模型与最优控制策略,并通过数值分析和自建数据集验证其降低感染设备数量的效果。
2024-01-20 cs.CR