揭示基于机器学习的物联网生态系统中的攻击：综述及其背后的开放库
密码学与安全
2024-01-30 v2 人工智能
摘要
物联网（IoT）的出现带来了前所未有的互联时代，预计到2025年底将有约800亿台智能设备投入运行。这些设备促进了众多智能应用，提高了各领域的生活质量和效率。机器学习（ML）作为一项关键技术，不仅用于分析物联网生成的数据，还用于物联网生态系统中的多种应用。例如，ML在物联网设备识别、异常检测甚至发现恶意活动方面都有应用。本文全面探讨了ML集成到物联网各个方面所产生的安全威胁，涵盖了多种攻击类型，包括成员推断、对抗逃避、重构、属性推断、模型提取和投毒攻击。与以往研究不同，我们的工作提供了整体视角，根据对手模型、攻击目标和关键安全属性（机密性、可用性和完整性）对威胁进行分类。我们深入研究了物联网环境中ML攻击的底层技术，对其机制和影响进行了批判性评估。此外，我们的研究全面评估了65个库（包括作者贡献的和第三方的），评估了它们在保护模型和数据隐私方面的作用。我们强调了这些库的可用性和易用性，旨在为社区提供必要的工具，以加强其对不断演变的威胁态势的防御。通过全面的综述和分析，本文旨在为基于ML的物联网安全讨论做出贡献，为在快速扩展的物联网人工智能领域中保护ML模型和数据提供有价值的见解和实用解决方案。
引用
@article{arxiv.2401.11723,
title = {Unraveling Attacks in Machine Learning-based IoT Ecosystems: A Survey and the Open Libraries Behind Them},
author = {Chao Liu and Boxi Chen and Wei Shao and Chris Zhang and Kelvin Wong and Yi Zhang},
journal= {arXiv preprint arXiv:2401.11723},
year = {2024}
}