DLWIoT：基于深度学习的授权物联网入网水印方案
密码学与安全
2020-10-21 v1 机器学习
网络与互联网体系结构
摘要
在物联网设备数量及其遭受的篡改攻击持续增加的世界中，由授权用户对物联网设备进行入网（onboarding）既是一项挑战也是一种必需。当今常用的入网技术包括使用二维码、PIN 码或序列号。这些技术通常无法防范未授权的设备访问——二维码物理打印在设备上，而 PIN 码可能包含在设备包装中。因此，任何能物理接触设备的实体都可将其接入自己的网络，并可能对其进行篡改（例如，在设备上安装恶意软件）。为解决此问题，本文提出一种称为基于深度学习的授权物联网入网水印（DLWIoT）的框架，其特色是一种基于深度神经网络的鲁棒且完全自动化的图像水印方案。DLWIoT 将用户凭证嵌入载体图像（例如打印在物联网设备上的二维码）中，从而仅允许授权用户进行物联网入网。我们的实验结果表明了 DLWIoT 的可行性，表明授权用户可在 2.5–3 秒内利用 DLWIoT 完成物联网设备入网。
引用
@article{arxiv.2010.10334,
title = {DLWIoT: Deep Learning-based Watermarking for Authorized IoT Onboarding},
author = {Spyridon Mastorakis and Xin Zhong and Pei-Chi Huang and Reza Tourani},
journal= {arXiv preprint arXiv:2010.10334},
year = {2020}
}
备注
7 pages. This paper has been accepted for publication by the 18th IEEE Annual Consumer Communications & Networking Conference (CCNC). The copyright is with the IEEE. arXiv admin note: text overlap with arXiv:2007.02460