用于物联网设备检测与识别的机器学习：综述

Yongxin Liu; Jian Wang; Jianqiang Li; Shuteng Niu; Houbing Song

用于物联网设备检测与识别的机器学习：综述

密码学与安全 2021-01-26 v1 人工智能机器学习

作者: Yongxin Liu , Jian Wang , Jianqiang Li , Shuteng Niu , Houbing Song

摘要

物联网（IoT）正成为日常生活中不可或缺的一部分，支撑着各种新兴服务与应用。然而，恶意 IoT 设备的存在使 IoT 暴露于未知风险并带来严重后果。保障 IoT 安全的第一步是检测恶意 IoT 设备并识别合法设备。传统方法使用密码学机制来认证和验证合法设备的身份。然而，许多系统中并不可用密码学协议。同时，当合法设备被利用或加密密钥泄露时，这些方法效果较差。因此，非密码学 IoT 设备识别与恶意设备检测成为保护现有系统的有效方案，并将为具有密码学协议的系统提供额外保护。非密码学方法需要更多工作且尚未得到充分研究。本文从被动监控代理或网络运营商的视角，对用于 IoT 设备识别及受损或伪造设备检测的机器学习技术进行了全面综述。我们将 IoT 设备识别与检测分为四类：设备特定模式识别、深度学习赋能的设备识别、无监督设备识别和异常设备检测。同时，我们讨论了用于此目的的各种 ML 相关使能技术。这些使能技术包括学习算法、网络流量迹与无线信号上的特征工程、持续学习和异常检测。

关键词

物联网设备识别恶意设备检测机器学习深度学习无监督学习异常检测网络安全

引用

@article{arxiv.2101.10181,
  title  = {Machine Learning for the Detection and Identification of Internet of Things (IoT) Devices: A Survey},
  author = {Yongxin Liu and Jian Wang and Jianqiang Li and Shuteng Niu and Houbing Song},
  journal= {arXiv preprint arXiv:2101.10181},
  year   = {2021}
}

备注

This paper is currently under revision

用于物联网设备检测与识别的机器学习：综述

摘要

关键词

引用

备注

相关论文