IoTWarden：一种基于深度强化学习的实时防御系统，用于缓解触发-动作式物联网攻击

在触发-动作式物联网平台中，物联网设备向物联网集线器报告事件条件以通知其网络状态，并让集线器根据规则引擎中定义为规则的功能依赖关系调用其他物联网设备中的动作。这些功能依赖关系创建了一个交互链，有助于自动化网络任务。攻击者利用此链向物联网集线器报告虚假事件条件，并对智能环境执行远程注入攻击，以间接控制目标物联网设备。现有的防御工作通常依赖于对物联网应用进行静态分析，以开发基于规则的异常检测机制。文献中也有基于机器学习的防御机制，利用物理事件指纹来确定物联网网络中的异常。然而，这些方法在面对复杂攻击时，往往表现出响应时间长和缺乏适应性。本文提出构建一个基于深度强化学习的实时注入攻击防御系统。我们为防御者定义了奖励函数，并实现了一种基于深度 Q 网络的方法来识别最优防御策略。实验表明，所提出的机制能够有效且准确地识别和防御注入攻击，且计算开销合理。