Oct, 2023

电磁侧信道分析的跨 IoT 设备可移植性：挑战与数据集

PDF
TL;DR物联网取证中，设备变异性对机器学习方法的电磁侧信道分析（EM-SCA）的准确性和可靠性有重要影响，并且跨设备可移植性是一个需要解决的挑战。本研究通过实证研究探讨了设备变异性对 EM-SCA 方法的影响，并提出了使用迁移学习解决 EM-SCA 在物联网取证中的跨设备可移植性问题。
iot forensicsem-scadevice variabilitymachine-learningcross-device portability
发现论文，激发创造
  • 电磁侧信道攻击综述及其在数字取证中的案件进展潜力讨论

    本文探讨了如何通过无需对目标设备进行修改的电磁侧信道分析技术，对物联网设备进行数字取证的研究，并总结了该技术在未来数字取证行业中的前景及其应用。

    Mar, 2019

  • 通过边缘 / 终端设备的侧信道攻击精确提取深度学习模型

    深度学习模型的保护对于公司至关重要，我们的研究揭示了边缘设备上的侧信道攻击可以获取模型信息，如模型架构和图像尺寸，在模型提取攻击中起到重要作用。

    Mar, 2024

  • 基于集成学习的物联网网络安全异常检测通过贝叶斯超参数敏感性分析

    本文通过使用集成机器学习方法以实现 IoT 的异常检测，提出了一个统一的框架，利用贝叶斯超参数优化适应包含多个 IoT 传感器读数的网络环境，实验结果表明与传统方法相比具有高预测能力。

    Jul, 2023

  • 基于人工智能的侧信道分析综述与比较

    现代计算系统中，侧信道分析（SCA）对隐私和安全构成明显威胁。大部分通信通过加密算法来保护，尽管这些算法从密码学角度通常是安全的，但实际硬件上的实现会引入漏洞。本研究关注最新的深度学习技术在侧信道分析中的运用，探讨了深度学习技术的理论基础和实际操作。主要研究重点放在利用深度学习技术进行分析的攻击模式，以及一些新兴的由深度学习技术加强的方法，如非基于剖析的攻击、人工迹线生成等。最后，我们将评估和比较针对 ANSSI SCA 数据库（ASCAD）的不同深度学习增强的侧信道分析方案及其相对性能。这将为安全密码学实施抵御最新侧信道分析攻击的研究方向提供新的参考。

    Feb, 2024

  • 边缘计算协助物联网安全和隐私问题调查

    论文对边缘计算辅助下的物联网安全隐私问题进行了全面调查，并提出了分类攻击和解决方案，最后探讨了未来安全边缘计算辅助物联网的挑战和研究方向。

    Aug, 2020

  • 消费者物联网流量调查：安全与隐私

    消费物联网的安全和隐私旨在对物联网的流量分析进行调查，从中了解安全和隐私的新特征、最新进展以及待解决的挑战，并总结了物联网流量分析过程中的新特征。此外，还详细介绍了基于五个应用目标的现有研究，包括设备指纹识别、用户活动推断、恶意流量分析、安全分析和测量，并讨论了新的挑战和未来的研究方向。

    Mar, 2024

  • 跨架构物联网恶意程序威胁猎杀调查

    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。

    Jun, 2023

  • 基于机器学习的物联网应用入侵检测系统

    本文研究了使用机器学习分类算法以保证物联网 (IoT) 不受拒绝服务攻击 (DoS) 的前景。评估了流行数据集 CIDDS-001， UNSW-NB15 和 NSL-KDD 用于分类器的基准测试，并使用 Friedman 和 Nemenyi 测试来分析分类器之间的显着差异。最终提出了建议，以应用程序要求选择最佳分类器。

    Feb, 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

  • 透过数据水晶球了解物联网安全：现在和未来的发展趋势

    本文综合研究了 IoT 安全领域的攻击、防御等方面，通过语义分析识别了 3000 余篇相关论文并进行了机器学习聚类，将 IoT 安全问题分为五个问题领域，并针对每个领域进行了分类评估，发现安全和隐私问题远未解决，提出了 IoT 安全框架和未来研究建议。

    Mar, 2017