跨架构物联网恶意程序威胁猎杀调查

Jun, 2023

跨架构物联网恶意程序威胁猎杀调查

A Survey on Cross-Architectural IoT Malware Threat Hunting

Anandharaju Durai Raju, Ibrahim Abualhaol, Ronnie Salvador Giagone, Yang Zhou, Shengqiang Huang

TL;DR本文旨在提供跨架构物联网恶意软件检测和分类方法的最新研究。通过现代分类法，讨论特征表示、特征提取技术和机器学习模型，进一步探讨跨架构物联网恶意软件威胁猎捕中的实际挑战和未来研究的各个途径。

Abstract

In recent years, the increase in non-Windows malware threats had turned the focus of the cybersecurity community. Research works on hunting Windows PE-based malwares are maturing, whereas the developments on Linux malware threat hunting are relatively scarce. With the advent of the Internet of Things (IoT) era, smart devices that are getting integrated into

iot malware detection unix-based architectures executable and linkable format (elf)feature extraction techniques machine learning models

发现论文，激发创造

物联网环境中基于机器学习的现代入侵检测系统的文献调查与评价

在物联网领域，由于数据量和网络威胁等方面的增长，数据的机密性和隐私性已经成为安全研究的重要领域。针对物联网环境中的安全性问题，越来越多的安全专家对设计强大的入侵检测系统感兴趣，以作为传统安全方法的补充。本综述论文总结了应用于物联网入侵检测系统的最新基于机器学习的方法，并对这些系统进行了全面的批判性回顾，探讨了机器学习流程中的潜在风险、从机器学习角度面临的挑战，并对未来的研究范围和建议进行了讨论。

Jun, 2023

基于机器学习的物联网设备控制流数据的恶意软件检测

通过机器学习算法和逆向工程工具提供更好的安全性，研究文中探讨了控制流相关数据在恶意软件检测中的适用性，并提出了一个包含两个阶段的恶意软件检测方法。

Nov, 2023

机器学习基于物联网生态系统中的攻击揭秘：调查及背后的开放图书馆

通过全面的研究和分析，本文旨在为人工智能在物联网快速发展的领域中保护 ML 模型和数据提供宝贵见解和实际解决方案。

Jan, 2024

物联网网络中可扩展的实时恶意软件流量检测

本论文介绍了利用机器学习算法对物联网恶意软件流量进行检测的方法，通过分布式系统如 Apache Kafka 和 Apache Spark，并加速模型推理速度的 Intel oneAPI 软件栈，达到实时监测的效果，同时在智慧社区和医疗机构抵御网络威胁方面起到了关键作用。

Apr, 2023

使用机器学习技术的物联网系统恶意软件检测

提出了一种 CNN-LSTM 混合模型，用于物联网恶意软件识别，并使用 K 折交叉验证评估了其性能，其准确率达到 95.5%，超越了现有方法。研究表明，CNN 算法有助于构建学习模型，而 LSTM 分类器在分类方面表现出了更高的准确性。与普遍技术的比较分析证明了所提模型的有效性，突出了其提升物联网安全性的潜力。该研究主张进一步探索支持向量机作为替代方案，强调了分布式检测策略的必要性，并强调了预测分析对于更强大的物联网安全性的重要性。该研究为在物联网生态系统中制定更具韧性的安全措施提供了平台。

Dec, 2023

用于检测 MQTT-IoT 协议攻击的多类分类方法

我们的工作集中于创建分类模型，以数据集为基础，该数据集包含使用 MQTT 协议的 IoT 系统遭受攻击的帧，以提高入侵检测系统的性能。我们研究了集成方法和深度学习模型两种分类攻击的方法，并取得了非常令人满意的结果。

Feb, 2024

面向低功耗物联网设备的混淆恶意软件检测

提出使用基于操作码跟踪的马尔可夫矩阵特征作为低成本特征进行非混淆和混淆恶意软件检测，该方法在保持高检测率的同时，比类似工作消耗更少的电力。

Nov, 2020

基于传感器的物联网（IoT）设备与应用系统的威胁调查

本文探讨了利用传感器进行攻击的威胁如何针对 IoT 设备的传感器进行保护，以及 IoT 设备在传感器威胁和安全与隐私问题方面存在的问题和未来的研究方向。

Feb, 2018

针对物联网系统的安卓恶意软件检测系统中的对抗性样本

提出了一种基于遗传算法的测试框架，能够生成对物联网 Android 应用进行黑盒测试的适用于学习的 Android 恶意软件检测系统的有效对抗样本。

Feb, 2019

增强物联网安全性：一种新颖的特征工程方法用于基于机器学习的入侵检测系统

本文介绍了一种在边缘用户物联网环境下改进机器学习型入侵检测系统的方法，通过创建信息性特征来在成本和准确性之间实现平衡，并利用混合二进制量子启发式人工蜜蜂群算法和遗传规划算法来减少冗余特征。其中，NSL-KDD、UNSW-NB15 和 BoT-IoT 三个物联网入侵检测数据集被用于评估该方法。

Apr, 2024