Swarm-Net: 基于图神经网络与易失性存储器的 IoT 群体固件认证
密码学与安全
2024-08-13 v1
摘要
物联网 (IoT) 是由数十亿互联的、主要是低端嵌入式设备组成的网络。尽管大规模部署，但研究已指出 IoT 网络中存在关键安全问题，其中许多源于固件相关问题。此外，IoT 群体在工业、智能家居和农业应用等领域已变得更加普遍。群体中一个节点上的恶意活动可能传播到更大的网络部分。尽管已提出多种远程认证 (RA) 技术，但它们受到延迟、可用性、复杂性、硬件假设以及知识产权 (IP) 权利下固件副本访问不确定性的限制。我们提出了 Swarm-Net，一种新颖的群体认证技术，利用 IoT 网络固有的互联图状结构以及静态随机存取存储器 (SRAM) 中存储的运行时信息，借助图神经网络 (GNN) 来检测恶意固件及其下游效应。我们还首次提出了基于 SRAM 的群体认证数据集，涵盖不同类型的固件和边缘关系。此外，提出了一种安全的群体认证协议。Swarm-Net 不仅在计算上轻量，而且不需要固件副本。它在真实固件上实现了 99.96% 的认证率，在异常固件上实现了 100% 的检测率，在传播异常上实现了 99% 的检测率，通信开销和推理延迟分别约为 1 秒和 10^{-5} 秒（在笔记本电脑 CPU 上）。除所收集的数据集外，Swarm-Net 的有效性还在模拟轨迹重放、随机轨迹扰动和丢弃认证响应等场景下进行了评估，展示了对这些威胁的鲁棒性。最后，我们将 Swarm-Net 与过往工作进行了比较并给出了安全性分析。
引用
@article{arxiv.2408.05680,
title = {Swarm-Net: Firmware Attestation in IoT Swarms using Graph Neural Networks and Volatile Memory},
author = {Varun Kohli and Bhavya Kohli and Muhammad Naveed Aman and Biplab Sikdar},
journal= {arXiv preprint arXiv:2408.05680},
year = {2024}
}
备注
Under Review