用于物联网设备精准识别的零偏置深度学习
机器学习
2020-09-07 v1 信号处理
摘要
物联网（IoT）提供了原本不可能实现的应用与服务。然而，IoT的开放特性使其易受网络安全威胁。尤其是身份欺骗攻击，即攻击者被动窃听现有无线电通信，然后模仿合法设备身份以开展恶意活动。现有方案采用密码学签名来验证所接收信息的可信性。在普适IoT中，用于密码学的密钥可能被泄露并致使验证机制失效。需要确保非密码学的设备验证以实现可信IoT。本文中，我们提出一种利用物理层信号进行IoT设备识别的增强深度学习框架。具体而言，我们使框架能够报告未见过的IoT设备，并向深度神经网络引入零偏置层以提升鲁棒性与可解释性。我们使用来自ADS-B（广播式自动相关监视）这一航空IoT应用的实际数据评估了所提框架的有效性。该框架有潜力应用于多种IoT应用与服务中的IoT设备精准识别。代码与数据可在IEEE Dataport获取。
引用
@article{arxiv.2009.02267,
title = {Zero-Bias Deep Learning for Accurate Identification of Internet of Things (IoT) Devices},
author = {Yongxin Liu and Jian Wang and Jianqiang Li and Houbing Song and Thomas Yang and Shuteng Niu and Zhong Ming},
journal= {arXiv preprint arXiv:2009.02267},
year = {2020}
}
备注
Accepted for publication by IEEE IoTJ on August, 2020. Data and codes are hosted at: [1] Yongxin Liu, Jian Wang, Houbing Song, Shuteng Niu, Thomas Yang, "A 24-hour signal recording dataset with labels for cybersecurity and IoT", IEEE Dataport, 2020. [Online]. Available: http://dx.doi.org/10.21227/gt9v-kz32. Accessed: Aug. 27, 2020