本文提出 ECO-ID，一种基于事件相机（event camera）的可见光通信（VLC）光学系统，用于多用户、超低延迟场景下的设备身份识别。时间关键型交互系统（如增强现实、多人协作、工业控制）对身份识别的延迟要求极为苛刻，而传统方法（密码、二维码、RFID/NFC）受限于人工输入、帧率采样或近场通信距离，难以满足需求。ECO-ID 利用事件相机的微秒级非同步亮度变化检测特性，结合可见光信道，设计了一套时空编码方案：将 LED 阵列划分为不相交子集，通过空间位置区分不同用户；每个用户使用专属的时间延迟编码身份，且不需要用户间同步。这种设计相比传统帧相机大幅减少了全场景捕获的数据量，同时避免了射频通信的攻击面，并具备令牌新鲜度和重放保护机制。作者实现了原型系统，实验结果表明，ECO-ID 可达到约 99.8% 的定位准确率和 98.7% 的识别准确率，平均延迟仅 0.64 毫秒；理论上可支持数十个并发用户同时识别。总体而言，ECO-ID 为时间敏感、多用户交互环境提供了一种快速、隐私友好且具备安全意识的身份识别替代方案。本文适合研究人员、安全架构师以及对超低延迟身份识别或光通信安全感兴趣的工程师阅读。

本文针对基于机器学习的物联网设备识别模型在实际部署中性能下降的问题展开系统性评估。作者指出，现有方案大多假设物联网环境是静态的，未能考虑真实网络中设备工作模式多样、随时间演化以及网络流量时空变化等因素，导致模型在现实中准确率显著降低。为了量化这些影响，研究团队构建了包含多种代表性特征的精选数据集，设计了涵盖工作模式、时空变化、流量采样等关键维度的评估属性集，并对当前主流识别方案进行了跨场景测试。进一步地，文章利用机器学习可解释性技术（如特征重要性分析）定位性能退化的根本原因，揭示了哪些特征能够在长期变化中持续稳定地标识设备。实验证据表明，仅依赖静态特征或单一模式训练的模型容易失效，而某些稳健特征（如协议行为模式）更具持久辨识力。最后，作者为网络运营商提供了实践层面的改进建议，包括如何调整特征选择、更新策略与采样方式，以提升真实运营环境下的设备识别鲁棒性。该研究为物联网安全监控、资产管理及异常检测提供了重要的实证参考，适合网络安全管理者和设备识别系统设计者阅读。

该论文针对物联网设备准确识别这一关键安全问题，提出了一种基于制造商使用描述（MUD）配置文件的语义识别方法。现有方法通常从数据包或流记录中学习设备签名，但这些低层通信观测的流量模式会随部署环境、软件版本和用户交互而变化，导致识别鲁棒性不足。MUD配置文件通过访问控制条目（ACE）描述设备行为，每个ACE包含协议、端点、方向和端口语义，构成行为原语。论文贡献包括三个方面：第一，利用28个公开MUD配置文件中的1023个ACE实例，构建了紧凑行为文本的ACE级语义表示，并分析其几何特性。实验表明，ACE级表示比整体配置文件嵌入更有效地保留设备级行为区分，且经过白化校准后仍然有效。第二，在受控运行时变化下（包括未见ACE、主机名漂移、部分运行时观测）评估语义ACE匹配性能。精确ACE匹配在规范MUD重叠率高时表现良好，但重叠稀疏或消失时性能急剧下降；而语义ACE匹配能在这些条件下保持有用的识别证据。第三，在包含超过80万条观测流量的真实IoT流量轨迹上评估。结果表明，当存在稳定重叠时精确匹配最强，但在观测早期语义匹配提供更强的识别证据，通常能将正确设备保留在最高候选之中，并在稀疏重叠的运行时流量下保持有效性。该研究为IoT设备识别提供了不依赖流量模式变化的语义级解决方案，特别适用于零日设备或动态环境。