Automated Approach to Improve IoT Privacy Policies
物联网（IoT）作为互联实体的网络[18]的大规模增长，在隐私和安全要求方面对传统软件工程领域提出了新的挑战[4]。为了保护个人隐私，FTC的公平信息实践原则（FIPP）[6]建议公司向消费者发出有关其数据实践的通知，为他们提供选择，并为他们提供控制自己数据的方法。使用隐私政策是此类通知最常见的方式。然而，由于两个主要原因，隐私政策通常并不有效：首先，隐私政策很长，充满了普通用户无法理解的法律术语;其次，不能保证物联网设备的行为与隐私政策中解释的一样。在本技术报告中，我们提出并讨论了分析隐私政策的方法。通过这种分析，我们减少了隐私政策的长度，并使其组织基于隐私惯例，以提高用户的理解水平。我们还提出了一种方法来找到物联网设备与其隐私政策之间的不一致之处。
2019-10-06 cs.CR
A Smart Home is No Castle: Privacy Vulnerabilities of Encrypted IoT Traffic
被称为物联网（IoT）的专用互联网连接设备和电器的日益普及，带来了新的便利和新的隐私问题。与传统的Web浏览器不同，许多物联网设备都有始终在线的传感器，可以不断监控用户物理环境的细粒度细节，并影响设备的网络通信。被动网络观察者，如互联网服务提供商，可能会分析物联网网络流量，以推断有关用户的敏感细节。在这里，我们检查了四个物联网灵巧家庭设备（Sense睡眠监视器，Nest Cam室内安全摄像头，WeMo交换机和Amazon Echo），发现它们的网络流量率可以揭示潜在的敏感用户交互，即使流量被加密。这些结果表明，需要一种技术解决方案来保护物联网设备所有者的隐私，并且在围绕ISP数据汇集和使用的持续政策辩论中必须考虑物联网特定的问题。
2017-05-18 cs.CR
Security and Privacy Enhancing in Blockchain-based IoT Environments via Anonym Auditing
本文提出融合区块链去中心化特性、先进安全协议与匿名审计的物联网安全框架，通过密码匿名化保护用户隐私并维持交易完整性与透明性，且与现有模型比较。
2024-03-03 cs.CR
Powering the Future of IoT: Federated Learning for Optimized Power Consumption and Enhanced Privacy
本文研究联邦学习在物联网中的应用，分析其如何通过降低功耗和增强隐私安全来延长设备寿命，并探讨其机遇、局限及未来研究方向。
2024-05-05 cs.CR
Security and Privacy-Preservation of IoT Data in Cloud-Fog Computing Environment
物联网是发展最快的技术，在各个领域都有广泛的应用。物联网设备每秒从现实环境中生成数据，并将其传输到云端，因为边缘站点的存储空间较少。外包云是处理存储问题的解决方案。用户的隐私可以通过将数据存储在云上而暴露。因此，我们提出了一种私有数据存储模型，该模型将物联网数据存储在外包云上，并具有隐私保护。雾节点在边缘侧用于数据分区和加密。在外包云上借助同态加密聚合分区和加密的数据。为了安全查询处理和访问来自外包云的数据，可以在外包云上使用引入的模型。
2022-12-01 cs.CR
Multi-Party Computation in IoT for Privacy-Preservation
随着物联网辅助智能系统及其无处不在的智能传感器的使用越来越多，隐私保护一直是一个严重的问题。为了解决这个问题，智能系统正在被训练成更多地依赖聚合数据，而不是直接使用原始数据。然而，大多数现有的隐私保护数据聚合的策略，或者依赖于计算密集型的同态加密为基础的操作或通信密集型的协作机制。不幸的是，没有一种方法直接适用于资源受限的物联网系统。在这项工作中，我们利用基于并发传输的通信技术来有效地实现基于多方计算（MPC）的策略，即著名的Shamir秘密共享（SSS），并对其进行优化，使其适用于现实世界的物联网系统。
2022-06-04 cs.CR
The Effect of IoT New Features on Security and Privacy: New Threats, Existing Solutions, and Challenges Yet to Be Solved
物联网（IoT）的未来已经在我们面前。物联网应用已广泛应用于医疗、能源、工业自动化等社会生产和生活的诸多领域。在享受物联网给我们带来的便利和效率的同时，物联网带来的新威胁也出现了。有越来越多的研究工作，以减轻这些威胁，但许多问题仍然存在。为了更好地理解新威胁的本质原因以及当前研究面临的挑战，本调查首次提出了“物联网特征”的概念。然后，讨论了八个物联网新功能的安全和隐私影响，包括它们造成的威胁，现有的解决方案和有待解决的挑战。为了帮助研究人员跟踪该领域的最新工作，本文最后通过调查2013年至2017年与物联网安全相关的大多数现有研究工作，说明了物联网安全研究的发展趋势，并揭示了物联网特征如何影响现有的安全研究。
2018-02-09 cs.CR
PTMF: A Privacy Threat Modeling Framework for IoT with Expert-Driven Threat Propagation Analysis
本文提出PTMF框架，结合MITRE ATT&CK与LINDDUN，通过专家问卷分析12种物联网隐私威胁，识别关键威胁行为者及路径，为主动隐私防护提供基础。
2025-10-24 cs.CR
AI-Protected Blockchain-based IoT environments: Harnessing the Future of Network Security and Privacy
本研究探讨人工智能与区块链在物联网中的协同作用，通过AI分析数据检测威胁、区块链确保防篡改，以增强网络安全与隐私保护。
2024-05-22 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
A Developer-Friendly Library for Smart Home IoT Privacy-Preserving Traffic Obfuscation
在过去的几年里，互联网连接设备的数量和种类大幅增长，对安全和隐私提出了新的挑战。研究表明，网络攻击者可以使用来自消费者物联网设备的流量率元数据来推断敏感的用户活动。塑造流量以适应独立于用户活动的分布可以保护隐私，但由于需要开发人员的努力和开销带宽成本，这种方法很少被采用。在这里，我们为物联网开发人员提供了一个Python库，可以轻松地将隐私保护流量整形集成到他们的产品中。该库通过有效负载填充、碎片和随机覆盖流量的组合自动混淆设备流量模式，从而取代了标准网络功能。我们的库成功地保护了用户隐私，并且对于具有低发送速率或高延迟容限的物联网设备，需要大约4 KB/s的开销带宽。考虑到美国家庭的正常互联网速度，这种开销是合理的，并且是对现有解决方案带宽要求的改进。
2018-08-22 cs.CR
New Problems and Solutions in IoT Security and Privacy
在S&P杂志的前一篇文章中，我们提出了物联网安全研究中新的智力挑战。在这篇文章中，我们回顾了我们之前的观察，并讨论了计算机安全社区解决新问题的一些结果。使用这个最近的工作样本，我们确定了一些广泛的一般主题，为未来的工作。
2019-10-08 cs.CR
FL-DABE-BC: A Privacy-Enhanced, Decentralized Authentication, and Secure Communication for Federated Learning Framework with Decentralized Attribute-Based Encryption and Blockchain for IoT Scenarios
提出融合DABE、HE、SMPC与区块链的FL-DABE-BC框架，在物联网设备端实现去中心化认证加密，并通过雾层安全聚合与差分隐私保护模型训练。
2024-10-26 cs.CR
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
An Efficient Privacy-Preserving Algorithm based on Randomized Response in IoT-based Smart Grid
在现有的隐私保护方法中，差分隐私（Differential Privacy，DP）是一种能够在统计数据库上提供隐私保护噪声查询答案的强大工具，在许多实际领域得到了广泛的应用。特别是，作为DP的隐私机器，随机聚合隐私保护有序响应（RAPPOR）为数据众包中的每个客户端字符串提供了强隐私，高效和高效用的保证。然而，对于物联网（IoT），如智能电网，数据通常是批量处理的。因此，开发一种可以支持批量处理的新随机响应算法往往比现有的随机响应算法更有效，更适合物联网应用。本文提出了一种新的随机响应算法，该算法能够实现对消费者行为的差异隐私和效用保证，并且每次处理一批数据。该算法首先通过稀疏编码，从聚合的能耗数据中创建行为特征字典。然后，通过经典的随机响应技术在行为签名字典中加入噪声，实现数据重新聚集后的差分隐私。通过差分隐私原理的安全性分析和实验结果验证，我们发现我们的算法可以在不牺牲效用的情况下保护用户的隐私。
2018-04-09 cs.CR
On the Suitability of Blockchain Platforms for IoT Applications: Architectures, Security, Privacy, and Performance
区块链和分布式账本技术在金融领域以外的各个领域都受到了极大的关注，在物联网（IoT）中有着深远的应用，为物联网应用程序创建真正可靠和安全的解决方案提供了手段。考虑到大多数物联网设备的安全防御能力较弱，针对物联网的基于区块链的解决方案不仅能够解决物联网面临的许多挑战，而且不会在性能方面引入其他缺陷，使其难以实现。本文旨在通过对可用的区块链解决方案进行全面和一致的审查来解决上述需求，以确定它们满足物联网需求和应对物联网挑战的能力，并使用灵巧家庭作为参考域。区块链解决方案的关键架构方面是在其抵御各种类型的常见物联网和区块链攻击的能力方面进行检查，提供增强的隐私功能，并在处理物联网环境中生成的大量交易时确保足够的性能水平。分析发现，区块链平台目前提供的防御不足以阻止所有针对区块链的突出攻击，区块链1.0和2.0平台容易受到其中大多数攻击。另一方面，隐私相关的机制正在不同程度上得到所有平台的支持;然而，它们中的每一个都只处理特定的隐私方面，从而使整体隐私评估成为一项具有挑战性的任务，需要在特定的基础上加以考虑。如果还考虑底层共识协议的性能和容错，那么只有少数平台符合我们参考物联网领域的要求。
2021-09-06 cs.CR
Privacy-Preserving Data in IoT-based Cloud Systems: A Comprehensive Survey with AI Integration
本综述系统梳理物联网云系统中隐私保护技术，分类分析加密、匿名化、访问控制及AI融合方法，揭示动态匿名化、同态加密和AI驱动控制等趋势，为相关领域提供全面参考。
2024-01-01 cs.CR
Selective privacy in IoT smart-farms for battery-powered device longevity
本文提出了一种有效载荷安全模型，以保持TLS的标准，同时消除与受限设备和物联网网络协议相关的障碍。作为智能农业环境的鱼菜共生领域被用来测试ESP32边缘设备的新颖性。隐私对消息内容的影响说明了最合适的安全属性配置，然后通过时间和功耗分析来计算每个场景的能耗。得出的结论是，使用这种定制的有效载荷安全模型而不是TLS能够将受限设备的电池寿命延长高达81%，同时保持TLS安全标准，并适用于各种协议。
2021-08-05 cs.CR
Protected or Porous: A Comparative Analysis of Threat Detection Capability of IoT Safeguards
首次调查IoT防护措施的威胁检测能力，通过开发自动化实验方法在大型测试床进行数千次测试，发现这些防护措施不仅防风险无效，其云交互与数据收集反而会引入新的隐私风险。
2023-04-06 cs.CR
LocationSafe: Granular Location Privacy for IoT Devices
如今，移动数据所有者缺乏对其位置数据的发布和使用的同意和控制。第三方应用程序连续处理和访问位置数据，而无需数据所有者精细控制，也不知道位置数据的使用方式。物联网设备的激增将导致更大规模的滥用信任。在本文中，我们提出了第一个设计和实现的隐私模块内置到GPSD守护进程。GPSD守护程序是在启用GPS的设备上运行的低级GPS接口。隐私模块的集成确保了数据所有者对其GPS位置的发布具有粒度控制。我们描述了我们的隐私模块的设计，然后评估私人GPS发布的性能，并证明了强大的隐私保证可以内置到GPSD守护程序本身，以最小的开销或没有开销。
2016-06-30 cs.CR
Real-time Analysis of Privacy-(un)aware IoT Applications
Purdue University（普渡大学）；Penn State University（宾夕法尼亚州立大学）
用户信任物联网应用程序来控制和自动化他们的智能设备。这些应用程序必须访问敏感数据才能实现其功能。然而，用户对他们的敏感数据是如何被使用（或泄露）缺乏可见性，他们经常盲目地信任应用程序开发人员。在本文中，我们介绍了IoTWatcH，这是一种新颖的动态分析工具，可以实时的【形】揭示物联网应用程序的隐私风险。我们根据物联网隐私调查设计和构建了IoTWatcH，该调查考虑了物联网用户的隐私需求。IoTWatcH为用户提供了一个简单的界面，可以通过物联网应用指定他们的隐私偏好。然后，在运行时，它使用自然语言处理（NLP）技术分析物联网应用发送的数据及其接收者。此外，IoTWatcH还将其发现告知用户，让他们意识到物联网应用程序的隐私风险。我们在真实的物联网应用程序上实施了IoTWatcH。具体来说，我们分析了540个物联网应用程序来训练NLP模型并评估其有效性。IoTWatcH成功地对发送给外部方的物联网应用数据进行分类，以纠正隐私标签，平均准确率为94.25%，并标记将隐私数据泄露给未经授权方的物联网应用。最后，IoTWatcH对IoT应用程序的执行产生最小的开销，平均105 ms的额外延迟。
2019-11-24 cs.CR cs.LG
Five Common Misconceptions About Privacy-Preserving Internet of Things
物联网（IoT）中的数十亿设备收集有关人员的敏感数据，从而产生数据隐私风险和漏洞。因此，数据隐私保护对于维持物联网服务的扩散至关重要。特别是，隐私保护物联网连接嵌入传感器的设备，并维护人们的数据隐私。然而，物联网研究人员、服务提供商和用户对保护隐私的物联网存在普遍的误解。本文驳斥了关于隐私保护物联网的五个常见误解，包括数据感测和创新，法规和隐私保护。例如，物联网用户有一个常见的误解，即数据隐私法规不允许任何数据汇集。另一方面，物联网服务提供商通常认为数据隐私阻碍了物联网感知和创新。解决这些误解对于在保护隐私的物联网方面取得进展至关重要。本文通过真实世界的实验和在线调查研究驳斥了这些常见的误解。首先，实验表明，数据隐私不应被视为物联网的障碍，而应被视为增加客户保留和信任的机会。其次，保护隐私的物联网不仅仅是一个监管问题，也是一个必须在任何物联网设计的早期阶段纳入的功能需求。第三，人们不信任缺乏足够隐私措施的服务。第四，常规的数据安全原则不能保证数据隐私保护，即使数据被安全存储，数据隐私也可能被暴露。第五，物联网去中心化并不能实现绝对的隐私保护。
2023-01-03 cs.CR cs.NI
LSB: A Lightweight Scalable BlockChain for IoT Security and Privacy
区块链（BC）由于其不可变的性质以及相关的安全和隐私优势而引起了极大的关注。BC有潜力克服物联网（IoT）的安全和隐私挑战。然而，BC在计算上是昂贵的，具有有限的可扩展性，并且引起不适合IoT上下文的显著带宽开销和延迟。我们提出了一个分层的轻量级可扩展BC（LSB），它针对物联网要求进行了优化。我们将探讨灵巧家庭环境中的LSB，作为更广泛物联网应用的代表性示例。灵巧家庭中的低资源设备受益于集中式管理器，该管理器建立用于通信的共享密钥并处理所有传入和传出请求。LSB通过形成覆盖网络来实现分散化，在覆盖网络中，高资源设备共同管理公共BC，以确保端到端的隐私和安全性。覆盖被组织为不同的集群以减少开销，并且集群头负责管理公共BC。LSB集成了几个优化，包括轻量级共识，分布式信任和吞吐量管理算法。定性的参数表明，LSB是弹性的几种安全攻击。大量的模拟表明，LSB降低了数据包开销和延迟，并增加了BC的可扩展性相比，相关的基线。
2017-12-08 cs.CR
Internet of Cloud: Security and Privacy issues
云和物联网之间的协同作用已经出现，主要是由于云具有直接有利于物联网并使其持续增长的属性。物联网采用云服务带来了新的安全挑战。在本书的这一章中，我们追求两个主要目标：1）分析云计算和物联网的不同组成部分，2）提出这些系统面临的安全和隐私问题。我们深入研究了该领域现有的安全和隐私保护解决方案，着眼于工业物联网，讨论开放问题并提出未来方向
2017-11-01 cs.CR
PFirewall: Semantics-Aware Customizable Data Flow Control for Smart Home Privacy Protection
物联网（IoT）平台使用户能够部署家庭自动化应用程序。与此同时，随着大量敏感设备数据流流向物联网平台，隐私问题也随之出现。大多数流向平台的数据实际上不会触发自动化操作，而一旦设备绑定到平台，房主目前就无法控制。我们提出了PFirewall，一个可定制的数据流控制系统，以增强物联网平台用户的隐私。PFirewall自动生成数据最小化策略，仅公开最小量的数据以实现自动化。此外，PFirewall还为房主提供接口，通过定义用户指定的策略来定制个人隐私偏好。为了实施这些策略，PFirewall透明地干预和调解IoT设备与平台之间的通信，而无需修改平台、IoT设备或集线器。四个真实测试平台的评估结果表明，PFirewall将发送到平台的物联网数据减少了97%，而不会影响家庭自动化，并有效地减轻了用户活动推断/跟踪攻击和其他隐私风险。
2021-04-07 cs.CR
Addressing Security and Privacy Challenges in Internet of Things
物联网（IoT），也称为对象互联网，被设想为用于提供众多服务的整体和变革性方法。各种通信协议的快速发展和收发器的小型化以及传感技术的最新进展提供了将隔离设备转变为通信智能设备的机会。智能设备可以感知、存储甚至处理电、热、光、化学和其他信号，以提取与用户/环境相关的信息，这些智能设备已经实现了仅受人类想象力限制的服务。尽管物联网支持的系统前景广阔，但将智能事物集成到标准互联网中会带来一些安全挑战，因为大多数互联网技术、通信协议和传感器都不是为支持物联网而设计的。最近的几项研究表明，对物联网系统发起安全/隐私攻击，特别是基于可穿戴医疗传感器（WMS）的系统，可能会导致灾难性的情况和危及生命的情况。因此，物联网领域的安全威胁和隐私问题需要积极研究和积极解决。在这篇论文中，我们解决了与物联网系统相关的几个特定领域的安全/隐私挑战。
2018-07-18 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
A Novel Length-Flexible Lightweight Cancelable Fingerprint Template for Privacy-Preserving Authentication Systems in Resource-Constrained IoT Applications
指纹认证技术已经在各种物联网（IoT）应用中用于访问控制以保护私有数据，但是未受保护的IoT应用中的原始指纹模板泄漏可能使认证系统不安全。可撤销指纹模板可以有效防止隐私泄露，并对原始模板提供强有力的保护。然而，为了适应资源受限的物联网设备，过于简化的模板会显着损害身份验证性能。此外，现有的可取消指纹模板的长度通常是固定的，这使得它们难以部署在各种内存有限的物联网设备中。为了解决这些问题，我们提出了一种新的长度灵活的轻量级可取消指纹模板，用于各种资源受限的物联网应用中的隐私保护认证系统。所提出的可取消模板设计主要由两个部分组成：1）基于所设计的重索引方案的长度灵活的部分可取消特征生成;以及2）基于所设计的编码嵌套差分XOR方案的轻量级可取消特征生成。在公共数据库FVC 2002 DB 1-DB 4和FVC 2004 DB 1-DB 4上的综合实验结果表明，所提出的可取消指纹模板在物联网环境中实现了与最先进方法相当的认证性能，但我们的设计大大减少了模板存储空间和计算成本。更重要的是，所提出的长度灵活的轻量级可取消模板适用于各种商业灵巧卡（例如，C5-M.O.S.T.卡接触微处理器灵巧卡CLXSU 064 KC 5）。据我们所知，该方法是第一个长度灵活的轻量级，高性能的可取消指纹模板设计，用于资源受限的物联网应用。
2022-06-26 cs.CR
A Review of Performance, Energy and Privacy of Intrusion Detection Systems for IoT
物联网（IoT）是一项颠覆性技术，其应用范围涉及交通和物流系统、智能电网、灵巧家庭、联网车辆和智能城市等多个领域。随着这些基础设施的增长，对这些基础设施的攻击的数量和种类也在增加，突出了不同保护机制的重要性。入侵检测是杰出的保护机制之一，最近为物联网和物联网建立有效的入侵检测做出了显著的努力。然而，这种基础设施的独特特征，包括电池功率，带宽和处理器开销，以及网络动态可以影响入侵检测系统的操作。本文对物联网系统的现有入侵检测系统进行了全面研究，包括新兴系统，如车联网（IoV）。本文分析了现有的系统在三个方面：计算开销，能源消耗和隐私的影响。在对现有入侵检测方法进行严格分析的基础上，本文还确定了针对资源受限的物联网系统及其应用（如IoV）的入侵检测系统的有效和协作设计所面临的挑战。这些努力旨在突出物联网入侵检测的最新技术水平，以及需要在这些系统中实现有效入侵检测的具体努力的开放挑战。
2018-12-21 cs.CR
Revealing the Landscape of Privacy-Enhancing Technologies in the Context of Data Markets for the IoT: A Systematic Literature Review
近年来，公共和私营机构的物联网数据市场变得越来越重要，因为它们有潜力提高数据可用性并开启新的商业模式。然而，在市场上交换数据面临着与披露敏感信息有关的相当大的挑战。尽管大量研究集中在物联网隐私增强数据市场的不同方面，但迄今为止提出的解决方案似乎都没有得到实际采用。因此，本研究的目的是组织最先进的解决方案，分析和范围内的技术，已建议在这种情况下，和结构剩余的挑战，以确定未来需要研究的领域。为了实现这一目标，我们对物联网数据市场的隐私增强进行了系统的文献综述，涵盖了截至2020年7月的50篇出版物，并提供了截至2022年5月的24篇出版物的更新。我们的研究结果表明，这一领域的大多数研究都是最近才出现的，而且没有一个物联网数据市场架构已经成为规范。现有的解决方案通常缺乏匿名化和安全计算技术的必要组合。此外，对于区块链技术在物联网数据市场的适当使用，以及利用现有库或重用通用数据市场架构的程度较低，还没有达成共识。我们还确定了仍然存在的重大挑战，如复制问题和递归强制执行问题，虽然解决方案已在一定程度上提出，但在拟议的设计中往往没有得到充分解决。我们的结论是，隐私增强技术需要进一步改进，以积极影响数据市场，以便最终通过数据稀缺性保护数据的价值，并保护用户的隐私和关键业务信息。
2022-07-12 cs.CR
IoTSign: Protecting Privacy and Authenticity of IoT using Discrete Cosine Based Steganography
物联网（IoT）远程生成的数据最近因其高效监控和降低风险等巨大好处而受到广泛关注。传输的流通常由周期性流（例如活动）和高度私密的信息（例如ID）组成。尽管有明显的好处，但人们担心的是传输数据的保密性和原始性。令人惊讶的是，虽然这些问题已经很好地研究了静态数据，他们只收到有限的关注流数据。因此，本文介绍了一种新的隐写机制，提供（1）强大的隐私保护的秘密信息隐藏在任意的传输读数采用随机密钥，（2）永久证明的原始性正常流。该模型采用离散余弦变换来扩展隐藏容量，降低了复杂度，优于我们以前的工作。所产生的失真已被准确地测量在所有阶段-原始的，隐写和恢复的形式-使用一个众所周知的测量矩阵称为百分比残差（PRD）。在对三种类型的流（即化学、环境和灵巧家庭）进行彻底的实验后，已经证明原始流没有受到影响（<1%）。数学分析表明，该模型的计算复杂性为O（n）。
2022-04-01 cs.CR
Exploring Post-Quantum Cryptographic Schemes for TLS in 5G Nb-IoT: Feasibility and Recommendations
本文研究了在5G NB-IoT中应用后量子密码方案保护TLS的可行性，发现NIST选定的Kyber密钥交换协议开销可接受，但后量子签名方案会导致高延迟和低吞吐量。
2023-09-06 cs.CR
Security and Privacy for Low Power IoT Devices on 5G and Beyond Networks: Challenges and Future Directions
本文全面调查了5G及未来网络中低功耗IoT设备的安全与隐私问题，通过文献综述确定了影响下一代网络IoT安全的五个关键领域，并提出了未来研究机会。
2023-04-03 cs.CR
Internet of Things: Survey on Security and Privacy
物联网（IoT）旨在用于不同实体或“事物”之间的无处不在的连接。虽然其目的是提供有效和高效的解决方案，但设备和网络的安全性是一个具有挑战性的问题。连接的设备数量以及系统的ad-hoc性质进一步加剧了这种情况。因此，安全和隐私已成为物联网面临的重大挑战。在本文中，我们旨在提供与物联网的隐私和安全挑战相关的全面调查。本文档从所使用的技术和架构的角度解决了这些挑战。这项工作还侧重于物联网固有的漏洞以及基于数据机密性，完整性和可用性的安全原则的各个层的安全挑战。该调查分析了当时为物联网发表的文章，并将其与该领域的安全危机及其对未来的预测联系起来。
2017-07-10 cs.CR
MOZAIK: A Privacy-Preserving Analytics Platform for IoT Data Using MPC and FHE
Ghent University（根特大学）；KU Leuven（荷语鲁汶大学）
MOZAIK通过MPC和FHE技术实现端到端隐私保护，为物联网数据存储和分布式处理提供安全解决方案。
2026-01-05 cs.CR
Using Blockchain to Achieve Decentralized Privacy In IoT Healthcare
本文提出一种适用于物联网电子医疗的区块链协议，无需信任第三方，采用适配资源受限设备的共识机制以提供隐私保护访问控制，并提升安全性与效率。
2021-09-30 cs.CR
VFL: A Verifiable Federated Learning with Privacy-Preserving for Big Data in Industrial IoT
由于大数据强大的分析能力，深度学习在工业物联网中被广泛应用于对采集的数据进行训练。然而，对于隐私问题，传统的数据收集集中式学习并不适用于对训练集敏感的工业场景。最近，联邦学习受到了广泛的关注，因为它只依赖于梯度聚合而不访问训练集来训练模型。但已有的研究表明，共享梯度仍然保留了训练集的敏感信息。更糟糕的是，恶意聚合服务器可能返回伪造的聚合梯度。在本文中，我们提出了VFL，可验证的联邦学习与隐私保护的大数据在工业物联网。具体来说，我们使用拉格朗日插值精心设置插值点，以验证聚合梯度的正确性。与现有方案相比，VFL的验证开销保持不变，无论参与者的数量。此外，我们采用盲法技术来保护参与者提交的梯度的隐私。如果n个参与者中不超过n-2个参与者与聚合服务器勾结，则VFL可以保证其他参与者的加密梯度不被反转。实验评估证实了所提出的VFL框架具有高精度和高效率的实际性能。
2020-07-30 cs.CR
Privacy-Preserving Protocols for Smart Cameras and Other IoT Devices
数以百万计的消费者依靠智能摄像头系统来远程监控他们的家庭和企业。然而，流行的商业系统的架构和设计要求用户将其数据的控制权放弃给不可信的第三方，诸如服务提供商（例如，云）。因此，第三方可以（在某些情况下已经）在用户不知情或未经同意的情况下访问视频片段-违反了用户隐私的核心原则。在本文中，我们介绍了CaCTU，一个隐私保护的智能摄像头系统，将控制权返回给用户;信任的根源始于用户，并通过一系列旨在支持流行功能的加密协议来维护，例如共享，删除和观看视频直播。通过这样做，我们证明了实现一个高性能的智能相机系统是可行的，该系统利用了基于云的模型的便利性，同时保留了控制访问（私人）数据的能力。然后，我们将讨论我们的技术和协议如何扩展到记录时间序列数据的其他物联网设备的隐私保护设计。
2022-08-21 cs.CR
Security, Privacy and Trust for Smart Mobile-Internet of Things (M-IoT): A Survey
物联网（IoT）具有广泛的应用范围，吸引了来自世界各地的行业和学者。物联网通过向所有具有计算能力的设备提供互联网接入，通过无处不在的连接来促进运营。随着无线基础设施的发展，重点已经从简单的物联网转移到智能，连接和移动物联网（M-IoT）设备和平台，它可以通过传感器，机器甚至众包实现低复杂性，低成本和高效的计算。所有这些设备都可以归类为M-IoT的共同术语。尽管对应用程序的积极影响是巨大的，但安全性，隐私和信任仍然是此类网络的主要问题，这些要求的执行力度不足会对M-IoT设备和平台带来不可忽视的威胁。因此，重要的是要了解可用于为M-IoT提供安全，隐私兼容和值得信赖的机制的解决方案范围。目前还没有直接的调查，重点是M-IoT中的安全性，隐私，信任，安全协议，物理层安全和切换保护。本文介绍了这些解决方案，并对适用于智能和互联M-IoT网络中的安全性、隐私性和信任的最先进的物联网解决方案进行了比较。除此之外，本文还讨论了各种挑战，应用，优势，技术，标准，开放问题以及安全，隐私和信任的路线图。
2020-08-09 cs.CR cs.NI
Privacy-Preserving Machine Learning Training in Aggregation Scenarios
为了发展智慧城市，机器学习（ML）越来越受欢迎，它欣赏从各种物联网设备生成的高质量训练数据集，这就自然而然地提出了关于在这种环境中可以提供的隐私保证的问题。聚合场景中的隐私保护ML训练使模型需求者能够使用从个人IoT设备收集的敏感IoT数据安全地训练ML模型。现有的解决方案通常是服务器辅助的，无法处理服务器之间或服务器与数据所有者之间的共谋威胁，并且不匹配物联网的微妙环境。我们提出了一个名为Heda的隐私保护ML训练框架，该框架由一个基于部分同态加密（PHE）的构建块库组成，能够在不依赖不可信服务器的情况下为聚合场景构建多个隐私保护ML训练协议，并在共谋情况下保护安全性。严格的安全性分析表明，所提出的协议可以保护诚实但好奇模型中每个参与者的隐私，并在大多数共谋情况下维护安全。大量的实验验证了Heda的效率，它在不损失模型准确性的情况下实现了隐私保护的ML训练。
2020-09-21 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
PrivacyCube: Data Physicalization for Enhancing Privacy Awareness in IoT
本文提出数据物理化设备 PrivacyCube，通过可视化物联网数据消费和隐私通知提升智能家居用户的隐私意识，并经焦点小组与14天实地研究验证其能显著增强隐私理解并促进家庭讨论。
2024-06-08 cs.CR cs.ET
Evaluating Medical IoT (MIoT) Device Security using NISTIR-8228 Expectations
医疗机构（从小型诊所到大型HDO）如何评估临床环境中使用的医疗物联网（MIoT）的网络安全和隐私保护的遵守情况？本文提出了一种使用美国国家标准与技术研究所（NIST）的指导进行这种评估的方法。通过应用NISTIR 8228期望，可以定量评估网络安全和隐私保护，并确定与推荐标准的相对符合性。这种方法允许组织评估MiOT设备对IT系统构成的风险水平，并确定是否允许其在医疗保健/IT环境中使用。本文回顾了物联网/MiOT网络安全和隐私保护的现状，使用历史和当前的行业指南和最佳实践;联邦机构的建议; NIST出版物;和联邦法律。然后，它介绍了物联网/MiOT设备和“传统”（或经典）信息技术（IT）硬件之间的相似性和差异，并列举了物联网/MiOT对网络安全和隐私保护构成的几个挑战。最后，提供了一种评估网络安全和隐私保护的实用方法，以及验证评估结果的增强功能。这样做将证明其总体符合NIST指南和HIPAA/HITECH要求。
2021-05-25 cs.CR
A Unified View of IoT And CPS Security and Privacy
本研究提出IoT与CPS的统一架构视角，构建六维度风险评估框架，通过三类系统验证实用性，并探讨IoT安全的成本、安全OS等挑战。
2025-01-21 cs.CR
On the Activity Privacy of Blockchain for IoT
由于物联网设备的异构性和资源限制，安全性是物联网（IoT）的基本挑战之一。设备分类方法通过检测未注册的设备或流量模式来增强物联网的安全性。近年来，区块链作为一种分布式的无信任平台，以增强物联网的安全性，受到了极大的关注。传统的设备识别方法不能直接应用于基于区块链的物联网，因为网络层数据包没有存储在区块链中。此外，交易是广播的，因此没有目的地IP地址，包含公钥作为用户身份，并永久存储在区块链中，可以由网络中的任何实体读取。我们表明，区块链中的设备识别会带来隐私风险，因为恶意节点可以通过分析区块链中交易的时间模式来识别用户的活动模式。我们通过分析存储在区块链中的信息来研究对物联网设备进行分类的可能性，据我们所知，这是同类工作中的第一项。我们使用灵巧家庭作为代表性的物联网场景。首先，根据真实世界的灵巧家庭流量数据集填充区块链。然后，我们对存储在区块链中的数据应用机器学习算法来分析设备分类的成功率，对知情和盲目的攻击者进行建模。我们的结果表明，在分类设备的成功率超过90%。我们提出了三种时间戳混淆方法，即将多个数据包合并到单个事务中，合并多个设备的账本，以及随机延迟事务，以降低设备分类的成功率。所提出的时间戳混淆方法可以将分类成功率降低到20%。
2019-03-14 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
RASE: Efficient Privacy-preserving Data Aggregation against Disclosure Attacks for IoTs
针对物联网中数据聚合面临的披露攻击问题，本文提出了一种名为RASE的隐私保护新范式，通过差分隐私随机化器添加噪声、混洗器随机置换和参数估计三步流程，在保护数据隐私的同时实现了高效的聚合效用。
2024-05-31 cs.CR
Blockchain based Privacy-Preserving Software Updates with Proof-of-Delivery for Internet of Things
大量物联网设备通过互联网连接。然而，这些物联网设备中的大多数通常在设计上并不完美，甚至存在安全弱点或漏洞。因此，必须安全地更新这些物联网设备，修补其漏洞并保护相关用户的安全。现有的研究基于作为传输网络的区块链网络提供安全可靠的更新。然而，这些方法可能会在更新物联网设备时损害用户隐私。在本文中，我们提出了一种新的基于区块链的隐私保护软件更新协议，该协议通过激励机制提供安全可靠的更新，并保护相关用户的隐私。供应商提供更新，并通过使用智能合约向物联网设备提供更新的传输节点提供财务激励来做出承诺。传输节点通过提供递送证明来获得经济激励。传输节点使用双重认证防止签名（DAPS）进行公平交换，以获得交付证明。具体地，发送节点通过使用DAPS从IoT设备交换基于属性的签名。然后，它使用基于属性的签名作为交付证明来接收财务激励。通常，IoT设备必须对基于属性的签名（ABS）执行复杂的计算。这对于资源有限的设备来说是不可容忍的。我们提出了一个具体的外包的基于属性的签名（OABS）方案来抵抗的弱点。然后，我们证明了建议的OABS和协议的安全性。最后，我们在Solidity中实现了智能合约，以证明所提出的协议的有效性。
2019-02-11 cs.CR
Systematic Survey on Privacy-Preserving Architectures for IoT and Vehicular Data Sharing: Techniques, Challenges, and Future Directions
Ho Chi Minh City University of Technology (HCMUT)（胡志明市理工大学）；Vietnam National University Ho Chi Minh City（越南国立大学胡志明市）；FPT University（FPT大学）；RMIT University（皇家墨尔本理工大学）；Ton Duc Thang University（顿特堂大学）
本文系统分析了75篇关于物联网和车联网数据共享中隐私保护架构的论文，揭示了隐私-效率-信任三重困境，并指出混合架构是未来发展方向。
2026-03-04 cs.CR
Security and Privacy in IoT Using Machine Learning and Blockchain: Threats & Countermeasures
University of Technology Sydney（悉尼科技大学）；Macquarie University（麦考瑞大学）；University of South Wales（南威尔士大学）；Federation University（联邦大学）
由于物联网（IoT）设备在众多应用中的参与，用户的安全和隐私已经成为重要的关注点。网络威胁正以爆炸性的速度增长，使得现有的安全和隐私措施不足。因此，互联网上的每个人都是黑客的产品。因此，机器学习（ML）算法用于从大型复杂数据库中生成准确的输出，其中生成的输出可用于预测和检测基于物联网的系统中的漏洞。此外，区块链（BC）技术在现代物联网应用中越来越流行，以解决安全和隐私问题。已经对ML算法或BC技术进行了几项研究。然而，这些研究使用ML算法或BC技术针对安全或隐私问题，因此需要对近年来使用ML算法和BC技术解决安全和隐私问题的努力进行综合调查。在本文中，我们总结了过去几年（从2008年到2019年）在物联网领域使用ML算法和BC技术解决安全和隐私问题的研究工作。首先，我们讨论并分类了过去12年来物联网领域报告的各种安全和隐私威胁。然后，我们对物联网领域基于ML算法和BC技术的安全和隐私工作的文献进行了分类。最后，我们确定并阐明了使用ML算法和BC技术解决物联网领域安全和隐私问题的几个挑战和未来研究方向。
2020-08-06 cs.CR cs.LG
Secure Multi-Party Computation based Privacy Preserving Data Analysis in Healthcare IoT Systems
Istanbul Medipol University（伊斯坦布尔梅迪波尔大学）；Simula Research Laboratory（西穆拉研究实验室）
最近，通过快速发展的物联网（IoT）技术，医疗保健领域经历了许多创新，为卫生部门提供了重大发展和设施，并改善了人类的日常生活。物联网连接了人与信息技术并加快了购物速度。由于这些原因，物联网技术已经开始大规模使用。由于物联网技术在健康服务中的应用，慢性病监测、健康监测、快速干预、早期诊断和治疗等促进了健康服务的提供。然而，传输到数字环境中的数据构成了隐私泄露的威胁。未经授权的人使用了它们，并对个人的健康和隐私进行了恶意攻击。在这项研究中，它的目的是提出一个模型来处理隐私问题的基础上联邦学习。此外，我们采用安全多方计算。我们提出的模型提供了广泛的隐私和数据分析，并实现了高性能。
2021-09-29 cs.AI cs.CR
Towards a Context-Aware Security and Privacy as a Service in the Internet of Things
智慧城市是最知名的物联网（IoT）应用之一。智慧城市服务改善了用户的日常生活。然而，安全和隐私问题正在减缓其采用。此外，物联网设备、应用程序和用户的特点使得所考虑的应用程序的安全实现成为一项具有挑战性的任务。为了解决这些问题，我们在本文中提出了一种新的物联网上下文感知安全和隐私架构。由于采用了“即服务”的方法，这种新的架构将以用户为中心。它还将支持已知的上下文感知安全问题：动态性，灵活性。此外，它还将解决移动性，安全和隐私服务的定制，以及对通用物联网应用的支持，特别是对智慧城市的支持。要做到这一点，提出了一个知识平面，允许有效管理的上下文感知。一个安全和隐私平面，允许更好地实现上下文感知的安全和隐私机制也提出了。这将通过基于上下文的微服务的动态组合来实现。还描述了这两个平面的不同组件的作用。
2020-03-04 cs.CR
Federated Learning-Enhanced Blockchain Framework for Privacy-Preserving Intrusion Detection in Industrial IoT
针对工业物联网传统入侵检测的隐私、延迟与单点故障问题，提出结合联邦学习与区块链的FL-BCID框架，通过边缘协同训练与链上存证实现高准确率、低开销的隐私保护入侵检测。
2025-05-21 cs.CR
Security and Privacy Measurement on Chinese Consumer IoT Traffic based on Device Lifecycle
该研究构建首个中国消费级IoT设备全生命周期流量数据集，分析77台设备的流量目的地与加密实践，并开源采集指南和数据。
2025-09-28 cs.CR
