面向物联网安全与隐私的机器与深度学习：应用、挑战与未来方向

物联网（IoT）的集成以最少的人为干预连接若干可相互交互的智能设备。IoT 正迅速兴起于计算机科学领域。然而，部署此类方案所涉及的跨学科元素与 IoT 系统的交叉设计带来了新的安全问题。安全协议（即认证、加密、应用安全以及 IoT 系统的接入网络）的实施是低效的，且其在安全性方面存在本质弱点。当前的安全方法亦可加以改进以有效保护 IoT 环境。近年来，深度学习（DL）/机器学习（ML）在各种关键应用中取得显著进展。因此，DL/ML 方法对于将 IoT 系统保护从仅实现 IoT 系统间安全接触转变为安全中的智能系统至关重要。本综述旨在对 ML 系统与 DL 方法中用于改进增强型 IoT 设备保护方法的最先进进展进行广泛分析。另一方面，机器与深度学习在 IoT 安全中的各种新见解说明了其如何助力未来研究。文中识别了与新兴或本质威胁相关的 IoT 保护风险，以及未来的 IoT 设备攻击和与各攻击面相关的可能威胁。随后我们仔细分析 DL 与 ML 的 IoT 保护方法，并给出各方法的优势、可能性与弱点。本综述讨论了若干潜在挑战与局限。亦包含了 DL/ML 在 IoT 安全中的未来工作、建议与意见。