面向物联网安全的强化学习：全面综述
机器学习
2021-02-16 v1 人工智能
摘要
针对不同物联网（IoT）应用，互联智能设备的数量呈指数级增长。安全一直是 IoT 系统中的长期挑战，其存在诸多攻击向量、安全缺陷与漏洞。保护 IoT 中数十亿互联设备的安全是实现 IoT 应用全部潜力的必经任务。近期，研究者提出了许多 IoT 安全解决方案。机器学习作为新兴的 IoT 安全解决方案之一被提出，而强化学习在保护 IoT 系统安全方面正获得越来越多的关注。与其他机器学习技术不同，强化学习可在待学习参数信息极少的情况下学习环境。它通过与环境交互并实时调整参数来解决优化问题。在本文中，我们全面综述了针对不同类型 IoT 系统的各类网络攻击，随后提出了基于强化学习和深度强化学习的安全解决方案，以应对不同 IoT 系统中的这些不同类型攻击。此外，我们介绍了用于保护 CPS 系统（即带反馈与控制的 IoT，如智能电网和智能交通系统）的强化学习。使用强化学习应对 IoT 中近期重要攻击及对策也以表格形式进行了总结。通过本文，读者可更透彻地理解使用强化学习的 IoT 安全攻击与对策，以及该领域的研究趋势。
引用
@article{arxiv.2102.07247,
title = {Reinforcement Learning for IoT Security: A Comprehensive Survey},
author = {Aashma Uprety and Danda B. Rawat},
journal= {arXiv preprint arXiv:2102.07247},
year = {2021}
}