面向大规模物联网网络中联邦学习的跨域零信任架构的动态认证与细粒度授权
网络与互联网体系结构
2025-01-08 v1
摘要
随着连接设备和复杂网络数量的增加，当前特定领域的安全技术对于多样化的大规模物联网系统应用变得不足。虽然跨域认证和授权带来了许多安全改进，但也带来了效率和安全的新挑战。零信任架构(ZTA)是一种新兴的网络安全架构，为物联网系统提供了更细粒度和更健壮的安全环境。然而，ZTA中大量的跨域数据交换可能导致认证和授权效率降低以及数据隐私问题。因此，在本文中，我们提出了一种基于ZTA与去中心化联邦学习(DFL)相结合的动态认证和细粒度授权方案，用于跨域物联网网络。具体来说，跨域过程中的设备请求被持续监控和评估，仅授予必要的访问权限。为了保护用户数据隐私并减少延迟，我们将DFL与ZTA集成，以安全高效地跨不同域共享设备数据。特别地，对DFL模型进行压缩以减少网络传输负载。同时，提出了一种动态自适应权重调整机制，使DFL模型能够适应来自不同域的数据特征。我们从安全性证明（包括机密性、完整性和可用性）方面分析了所提出方案的性能。仿真结果表明，与其他现有代表性方案相比，所提出方案在更低延迟和更高吞吐量方面具有优越性能。
引用
@article{arxiv.2501.03601,
title = {Dynamic Authentication and Granularized Authorization with a Cross-Domain Zero Trust Architecture for Federated Learning in Large-Scale IoT Networks},
author = {Xiaoyu Ma and Fang Fang and Xianbin Wang},
journal= {arXiv preprint arXiv:2501.03601},
year = {2025}
}
备注
12 pages, 7 figures