物联网中万物的认证：学习与环境效应
密码学与安全
2018-05-04 v1 信息论
math.IT
摘要
要获得物联网（IoT）系统的益处，必须开发针对IoT的安全解决方案。由于IoT对象的计算能力有限且具有便携性，传统的安全和认证解决方案往往无法满足IoT安全需求。本文提出了一种IoT对象认证框架。该框架使用设备特定信息（称为指纹）以及迁移学习工具来认证IoT中的对象。该框架跟踪物理环境变化对指纹的影响，并利用独特的IoT环境效应特征来检测网络和网络物理仿真攻击。所提出的环境效应估计框架被证明能够提高攻击者检测率而不增加误报率。该框架还被证明能够检测能够复制目标对象指纹的网络物理攻击者，而传统方法无法检测到这种攻击。提出了一种迁移学习方法，允许在环境效应估计过程中使用不同类型和特征的对象，以增强框架性能，同时捕获具有多样化对象类型的实际IoT部署。使用真实IoT设备数据的仿真结果表明，所提出的方法在网络仿真攻击检测方面可提高40%，并且能够检测传统方法无法检测的网络物理仿真攻击。结果还表明，所提出的框架提高了认证准确性，而迁移学习方法可带来高达70%的额外性能提升。
引用
@article{arxiv.1805.00969,
title = {Authentication of Everything in the Internet of Things: Learning and Environmental Effects},
author = {Yaman Sharaf Dabbagh and Walid Saad},
journal= {arXiv preprint arXiv:1805.00969},
year = {2018}
}