May, 2024

基于区块链的物联网系统蜜罐的战略部署

PDF
TL;DR使用具有智能合约功能的入侵检测系统，将普通节点转化为诱饵来应对可疑活动，从而加强区块链物联网网络的安全性；利用贝叶斯博弈的策略分析潜在攻击者与增强型入侵检测系统之间的交互作用，重点关注并预测外部攻击，并强调在面对不断演变的攻击模式时的策略决策、优化的诱饵部署和自适应策略。
cybersecurityblockchain-based internet of thingshoneypotsintrusion detection systemgame-theoretic model
发现论文，激发创造
  • HoneyIoT: 基于强化学习的适应性智能物联网高交互模拟陷阱

    本文提出了一种基于 IoT honeypot 系统的安全增强方法，通过自适应高交互性的 HoneyIoT honeypot 系统来攻击 IoT 攻击者，该系统借助马尔科夫决策过程和强化学习技术学习攻击行为，并使用差分分析技术产生高保真响应。

    May, 2023

  • 物联网、工业物联网和物理网络系统中蜜罐和蜜网的调查

    本文对针对物联网、工业物联网和物理网络的蜜罐和蜜网进行了全面调查，提供了现有蜜罐 / 蜜网的分类和广泛分析，并阐述了现代化蜜罐 / 蜜网的关键设计因素以及未来物联网、工业物联网和物理网络环境下未解决的问题。

    Aug, 2021

  • 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

  • IoTFlowGenerator: 为网络欺骗而设计的合成物联网设备流量生成器

    利用深度学习生成模拟用户和物联网设备交互所产生流量的合成物联网流量，大幅提高了 IoT 蜜罐诱骗攻击者的能力，比现有的序列和数据包生成器在保持流量无法被检测方面优势明显。

    May, 2023

  • 基于物联网的网络取证分析中实现真实 Botnet 数据集的开发：Bot-IoT 数据集

    本文介绍了一个新的数据集 Bot-IoT，其中包括合法的和模拟的 IoT 网络流量以及各种类型的攻击，并提出了一种真实的测试环境来解决捕获完整网络信息、准确标记以及最近和复杂攻击多样性的现有数据集缺点，在统计和机器学习方法方面验证了 Bot-IoT 数据集的可靠性，为跨 IoT 特定网络允许 Botnet 识别提供了基线。

    Nov, 2018

  • 基于完全分布式行为指纹技术和安全委托的新型物联网信任模型

    设计了一种利用设备行为指纹、分布式共识机制和区块链技术的新型分布式信任模型，以在与网络中的对象进行交互之前评估其可信度，并描述了与该模型相关的安全模型及对其准确性和性能进行的测试。

    Oct, 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

  • TwinPot: 数字孪生辅助蜜罐技术用于网络安全智能海港

    在智能港口和海事管理机构中，次世代港口、网络安全、蜜罐、数字孪生技术和智能港口是最重要的关键词，通过数字孪生技术辅助的蜜罐方案可以成功检测内部和外部攻击。

    Oct, 2023

  • 基于图神经网络的多阶段攻击检测与预测：IoT 可行性研究

    提出了一种受 Lockheed Martin 网络攻击链启发的新型 3 阶段入侵检测系统，用于检测复杂多步骤的攻击，通过第一个和第二个阶段的检测来预测第三个阶段的攻击，使用 ToN IoT 数据集，实现了平均 94% 的 F1 分数，性能优于基于随机森林模型的基准方法。

    Apr, 2024

  • 利用人工神经网络入侵检测系统对物联网网络进行威胁分析

    本文针对物联网（IoT）的威胁进行了分析，使用人工神经网络（ANN）来对抗攻击，着重于对 IoT 网络上正常和威胁模式的分类，并使用模拟的 IoT 网络来验证其有效性。实验结果表明，该 ANN 程序能够成功检测到各种 DDoS/DoS 攻击，准确率达 99.4%。

    Apr, 2017