使用深度学习方法主动检测物联网服务中的物理跨规则漏洞

新兴的物联网平台通过允许用户创建触发-动作规则，提供了自动化物联网服务的复杂能力。多条触发-动作规则可以通过共享的环境通道（如温度、湿度和光照）进行物理交互。我们将通过共享环境通道的跨规则交互称为物理跨规则漏洞。攻击者可以利用此类漏洞对物联网系统发起攻击。我们提出了一种新框架，使用深度学习方法从用户需求规格说明（即描述）中主动发现可能的物理跨规则交互。具体来说，我们利用Transformer模型从相关描述中生成触发-动作规则。我们发现了两种类型的物理跨规则漏洞，并使用自然语言处理工具确定相关的环境通道。基于提取的触发-动作规则和相关环境通道，我们提出了一种方法，用于识别其中隐藏的物理跨规则漏洞。我们在27983条IFTTT风格规则上的实验表明，Transformer能够以95.22%的准确率从描述中成功提取触发-动作规则。我们还在60个SmartThings官方物联网应用上验证了该方法的有效性，并发现了99个可能的物理跨规则漏洞。