基于流量的零日 IoT 摄像头检测与识别
密码学与安全
2025-09-11 v1
摘要
大多数消费型 IoT 设备缺乏管理员监控和控制它们的机制，阻碍了针对性的安全策略。一个关键挑战是识别新设备，尤其是流式 IoT 摄像头，是否已加入网络。我们提出了 zCamInspector 系统，用于监督分类器（zCamClassifier）识别已知 IoT 摄像头，并使用单类分类器（zCamDetector）检测零日摄像头。我们分析了跨三个数据集的约 40GB 流量：Set I（六个商业 IoT 摄像头）、Set II（五个开源 IoT 摄像头，约 1.5GB）和 Set III（四个会议和两个视频共享应用作为非 IoT 流量）。从每个数据集中提取了 62 个基于流的特征，使用 CICFlowmeter。zCamInspector 采用七个监督模型（ET、DT、RF、KNN、XGB、LKSVM、GNB）和四个单类模型（OCSVM、SGDOCSVM、IF、DeepSVDD）。结果显示，XGB 在 IoT 摄像头识别上准确率超过 99%，误报率低至 0.3%，超越了当前最先进的方法。对于零日检测，OCSVM、SGDOCSVM、IF 和 DeepSVDD 的准确率分别达到 93.20%、96.55%、78.65% 和 92.16%。当所有设备被视为零日时，DeepSVDD 在平均训练/测试准确率上分别为 96.03%/74.51%。zCamInspector 还在特定设备（如 Spy Clock 摄像头）上实现了超过 95% 的准确率，展示了其在多样化网络环境中识别和检测零日 IoT 摄像头的鲁棒性。
引用
@article{arxiv.2509.08485,
title = {Flow-Based Detection and Identification of Zero-Day IoT Cameras},
author = {Priyanka Rushikesh Chaudhary and Rajib Ranjan Maiti},
journal= {arXiv preprint arXiv:2509.08485},
year = {2025}
}