物联网(IoT)安全的机器学习与深度学习方法综述
密码学与安全
2018-07-31 v1 机器学习
网络与互联网体系结构
摘要
物联网(Internet of Things, IoT)集成了数十亿可相互通信且极少需要人工干预的智能设备。它是计算史上发展最为迅速的领域之一，预计到 2020 年底设备数量达 500 亿。一方面，IoT 在增强若干可改善生活质量的现实智能应用方面发挥着关键作用。另一方面，IoT 系统的横切性质以及部署此类系统所涉及的跨学科组件带来了新的安全挑战。对 IoT 设备及其固有漏洞实施加密、认证、访问控制、网络安全与应用安全等安全措施收效甚微。因此，应增强现有安全方法以有效保障 IoT 系统安全。机器学习与深度学习(ML/DL)在过去几年取得了显著进展，机器智能已从实验室新奇事物转变为若干重要应用中的实用机制。因而，ML/DL 方法在将 IoT 系统安全从单纯促进设备间安全通信转变为基于安全的智能系统方面至关重要。本工作的目标是全面综述可用于为 IoT 系统开发增强型安全方法的 ML/DL 方法。文中给出了与固有或新引入威胁相关的 IoT 安全威胁，并讨论了各种潜在的 IoT 系统攻击面及与每一攻击面相关的可能威胁。随后我们详尽评述了面向 IoT 安全的 ML/DL 方法，并阐述了各类方法的机遇、优势与不足。我们讨论了将 ML/DL 应用于 IoT 安全所涉及的机遇与挑战，这些机遇与挑战可作为潜在的未来研究方向。
引用
@article{arxiv.1807.11023,
title = {A Survey of Machine and Deep Learning Methods for Internet of Things (IoT) Security},
author = {Mohammed Ali Al-Garadi and Amr Mohamed and Abdulla Al-Ali and Xiaojiang Du and Mohsen Guizani},
journal= {arXiv preprint arXiv:1807.11023},
year = {2018}
}