面向 IoT 智能家居环境的自适应流量异常检测系统

随着物联网（IoT）设备的增长，利用感染恶意软件的脆弱设备发起的分布式拒绝服务等网络攻击有所增加。因此，供应商和用户必须保持设备固件更新以消除漏洞并快速处理未知的网络攻击。然而，供应商和用户都难以持续保持设备安全，因为供应商必须快速提供更新，而用户必须持续管理所有部署设备的状态。因此，为了确保安全，系统有必要自主适应网络攻击的变化。此外，考虑在网络侧安全至关重要，即在网关处检测和过滤异常流量以全面保护这些设备。本文提出了一种用于 IoT 流量的自适应异常检测系统，涵盖未知攻击。所提出的系统由蜜罐服务器和网关组成。蜜罐服务器持续捕获流量，并利用实时捕获的流量自适应地生成异常检测模型。随后，网关使用生成的模型检测异常流量。因此，所提出的系统能够适应未知攻击，基于实时捕获的流量反映异常流量的模式变化。我们进行了三项实验来评估所提出的系统：一项使用来自全球各地预先捕获流量的虚拟实验，一项使用实时捕获流量的演示实验，以及一项使用包含恶意软件生成流量的公共数据集的虚拟实验。实验结果表明，能够实时适应不断演变的网络攻击的系统是一种确保 IoT 设备免受已知和未知攻击全面安全的新颖方法。