该论文对互联网服务提供商（ISP）和个人用户在保护物联网（IoT）设备安全方面的态度、障碍和激励因素进行了系统性研究。作者来自日本和英国的研究机构，通过问卷调查、访谈或实证数据分析等方法，收集了 ISP 和家庭用户对 IoT 安全责任划分、可实施的安全措施以及经济激励机制的认知与偏好。研究旨在揭示 ISP 在协助家庭用户提升智能设备安全性方面所能发挥的作用，以及个人用户在实际操作中遭遇的技术门槛、成本顾虑、知识缺失等核心障碍。主要贡献包括：（1）提出一个多维分析框架，用于分类 ISP 和个人在 IoT 安全生态中的角色、责任与激励来源；（2）基于实证数据识别出阻碍 IoT 安全实践落地的关键因素，如用户教育不足、设备管理界面复杂、缺乏统一安全标准等；（3）探讨了从政策、市场和服务设计层面改善IoT安全现状的可行建议，包括 ISP 提供安全增强服务、设备制造商优化默认安全配置、以及建立面向用户的安全激励计划。该研究为理解智能家居安全中“人的因素”和“服务商责任”提供了有价值的第一手证据，适合物联网安全产品经理、网络服务提供商的安全策略制定者以及安全行为研究人员阅读参考。

随着物联网设备的激增，网络设备识别对于有效的网络管理和安全至关重要。然而，许多基于机器学习的 IoT 设备识别解决方案在实际部署中表现出性能下降。这种性能退化源于对静态 IoT 环境的假设，未能考虑真实世界中 IoT 网络的多样性：设备可能运行在不同模式、随时间演化，且存在时空变化。本文系统评估了当前 IoT 设备识别解决方案，使用了精心整理的数据集和代表性特征，覆盖了不同场景。研究考虑了影响实际设备识别的关键因素，包括操作模式、时空变化和流量采样，并将这些因素组织为一组属性，用于评估现有方案。随后，利用机器学习可解释性技术精确定位性能退化的主要成因。评估揭示了哪些特征能持续有效地识别设备，并为网络运营商提供了宝贵的见解和实用建议，以改进其在实际部署中的 IoT 设备识别能力。

该研究针对一所大学的企业网络，系统调查了其中暴露Telnet和FTP服务的IoT设备存在的根本原因。研究者首先对网络进行扫描，发现了185台IoT设备，涵盖30个暴露Telnet的设备型号和49个暴露FTP的设备型号。随后向设备所有者发送安全通知和问卷以了解设备配置意图。问卷结果显示，在21位Telnet设备所有者中，有2位故意在所有设备上启用了Telnet；在41位FTP设备所有者中，有8位故意启用FTP。收到通知后，47位所有者中的38位表示愿意至少对一台IoT设备采取措施，最终除一台设备外，其余所有愿意采取行动的设备均成功修复。研究者进一步查阅设备手册，发现30款Telnet设备型号中有15款的手册完全未提及该服务暴露情况，49款FTP设备型号中有10款手册未提及。结合制造商调查与手册分析，确认30款Telnet设备型号中有22款默认启用Telnet，49款FTP设备型号中有29款默认启用FTP。基于以上结果，研究者得出结论：网络中错误配置的设备主要并非所有者的人为失误，而是制造商的选择所致。大多数所有者在被告知安全风险后都愿意进行修复。研究揭示了IoT设备供应商在默认安全配置方面的不足，并强调了安全通知在促进修复中的有效性。该工作适用于网络管理员、安全运营团队以及IoT设备制造商。

随着无人机互联网（IoD）的快速发展以及无人机移动性的增强，地理上分散的域之间的跨域交互变得不可避免。跨域认证是IoD的基本安全需求。然而，现有认证方案往往难以同时实现强安全性、高效率和身份隐私，因此不适用于高度动态且资源受限的IoD环境。为解决这一挑战，本文提出了P³CDA，一种隐私保护且可证明安全的跨域认证方案。首先，设计了一种高效的伪名管理机制，支持自适应伪名生成以及批量注册、验证和撤销。其次，提出了一种结构增强的Merkle哈希树（MHT），支持批量伪名更新，从而降低无人机的伪名存储开销。基于这些组件，开发了一种基于密码累加器的跨域认证协议，能够使用授权伪名实现匿名认证，同时保留对恶意无人机的可追溯性和高效撤销。在Canetti-Krawczyk（CK） adversary模型下严格分析了安全性并进行了形式化证明。大量实验表明，P³CDA在计算、通信和存储开销方面均优于现有方案。

本文提出了一种面向物联网（IoT）部署的闭环访问控制架构，旨在将基于网络的异常检测结果自动转化为实际的网络撤销动作。现有研究大多仅停留在告警层面，而将自动执行留作未来工作或依赖可编程数据平面，但后者在真实网络中部署有限。本文利用标准且已广泛部署的协议实现闭环：设备通过IEEE 802.1X与EAP-TLS进行认证，RADIUS服务器作为持续策略决策点，能够通过Change-of-Authorization Disconnect-Request主动终止活跃会话，并通过证书撤销永久排除设备。一个中央上下文感知策略引擎持续消费异常检测器的输出，并通过受限通道向RADIUS服务器发送响应指令。该引擎设计为可扩展至其他访问类型，但本文仅评估网络访问控制机制。检测器基于先前MUD/SDN设计改编而来，采用单类检测器，用被动流量捕获和单个融合模型替代了原方案中每个流的多个模型管道，该融合模型结合了基于聚类、流量体积和协议签名的评分。在单个测试设备上，检测器达到0.9964的AUC，使用了比参考设计约43倍少的训练数据，检测出所有24个评估攻击场景（8种攻击类型，3种强度）。告警可靠地触发了自动断开连接和撤销响应，平均设备从网络中移除时间为335.8毫秒，证书撤销额外耗时111.5毫秒。作者将评估视为闭环架构的演示，而非检测器本身，并讨论了多设备泛化作为下一步工作。

该论文提出了一种名为 VEXAIoT 的自主多智能体框架，用于物联网环境中的漏洞发现与利用。IoT 系统因硬件受限、固件过时及默认配置不安全而固有脆弱，亟需可扩展的自适应安全测试方法。尽管最近的大语言模型（LLM）智能体在渗透测试和CTF挑战中展现出潜力，但针对 IoT 特定漏洞的应用尚未被探索。VEXAIoT 结合了漏洞检测智能体和攻击执行智能体，执行侦察、规划攻击序列并对脆弱 IoT 服务实施利用。框架在 IoTGoat 和 Metasploitable 环境中进行了评估，涵盖 10 个映射到 OWASP IoT 漏洞的攻击场景。实验结果显示，攻击成功率高达 100%，token 开销低，大多数攻击平均执行时间低于 2 分钟。在 260 次攻击执行中，VEXAIoT 总体成功率为 95.0%，其中 IoTGoat 上 94.5%，Metasploitable2 上 96.7%。这些结果证明了 LLM 驱动的智能体在受控环境中自动化 IoT 漏洞评估和渗透测试工作流的潜力。

该论文研究将电信/IoT欺诈控制重新定义为区块链链接的可审计决策管理问题。传统欺诈控制研究通常止步于检测器级别的分类，而实际部署需要请求级别的策略决策、生命周期可追溯性和可审计性。论文提出一个框架，将每个合成部署记录映射为受管理请求，通过确定性硬欺诈门控阻塞显式越界情况，然后使用集中式机器学习（M1）、联邦元学习（M2）或LLM家族风险源（M3）对非硬欺诈请求进行评分，并通过共享五状态策略、两区优化机制和本地以太坊兼容审计层解析行动。实验使用独立的合成训练数据和10万条部署重放语料库，结果显示：在验证集上，M1在合法请求假阳性率（FPR）0.0890（操作上限0.10）和软欺诈召回率0.8341下表现最佳；但在标记部署重放中，合法FPR差距扩大：M1升至0.1646，M3-QLoRA升至0.1801，而M3-QLoRA将M3-Base的合法FPR从0.3915降至0.1801，软欺诈召回率达0.8240。区块链遥测表明，生命周期gas、成本、延迟和吞吐量差异由提交的链下决策配置文件驱动，而非欺诈逻辑变化。主要贡献是展示了QLoRA微调LLM分支比零样本提示更可用，但主要接近而非超越低成本的集中式集成。适合研究可审计欺诈决策管理和区块链集成安全的研究人员阅读。

该研究论文聚焦于无线嵌入式系统中的弱随机性问题，指出弱的随机性已导致部署的密码学受到实施漏洞、启动熵稀缺和后门化生成器的破坏。廉价无线传感器风险尤为集中，因为许多传感器在高度确定性的条件下启动或运行，同时依赖基础、简陋或不透明的随机数生成器（RNG）。论文以ESP32类板卡为例，发现无线设备RNG（WDEV）在射频禁用时的输出虽在规范上是伪随机，但通过了与射频激活状态下相同的统计检测，表明输出测试不能替代源状态验证。为此，作者提出了一种针对ESP32类物联网节点的纵深防御引导路径，该路径结合了SRAM启动材料、无线电突发提取和非对称熵胶囊，并实施显式的源状态准入。具体地，无线电突发提取中，本地物联网网络中的可信节点（如网关或专用熵节点）发送公开数据包突发以打开测量窗口；客户端在该窗口内采样自身的WDEV输出和数据包时序，仅计入本地响应。熵胶囊通过预配置的非对称密钥对覆盖冷启动情况：可信节点使用客户端公钥加密新鲜种子材料并签名胶囊；客户端在拥有本地熵之前执行验证、解封装和哈希操作。论文对ESP32 RNG在多种无线电工作模式、固定突发提取窗口、确定性胶囊客户端路径和SRAM启动读取下进行了基准测试。这些测量支持一种准入策略，即仅当每个根的所需源状态和协议检查都满足时才计入其熵。该研究为改善物联网设备随机性提供了可实践的方法。

本文提出并评估了一种名为二进制与系统集成安全分析（BSISA）的方法，用于分析QUIC协议实现的安全性。传统QUIC安全分析仅关注捕获的网络流量，而忽略了编译后二进制代码中的防御机制是否真正存在且在攻击时生效。BSISA将二元级分析（分析编译后的QUIC服务器二进制文件）与系统级分析（分析捕获的网络流量）相结合，在四个生产级QUIC服务器实现（如picoquic、quiche等）上，针对六种攻击场景（如Slowloris、连接ID耗尽等）进行了测试。总共24个测试单元（4个实现×6种攻击）中，只有组合分类器（BSISA）在每个攻击场景中至少正确分类了一个单元，总体准确率达45.8%，高于单独二进制分析（37.5%）和单独系统级分析（25.0%）。BSISA还能识别出编译二进制中负责吸收攻击的具体防御函数，并标记出“声明但沉默的防御”——即代码中存在但攻击时从未执行的防御例程（例如，四个实现中有三个的Retry-token验证、quiche中的抗放大机制），这类发现仅靠网络抓包无法获得。在效率方面，picoquic在Slowloris和连接ID耗尽攻击下分别丢失72.4%和73.3%的合法客户端连接，而其他三个实现将失败率控制在0.5%以下。本文的核心贡献在于提出了一种混合方法，能够更全面地评估QUIC实现的实际安全性，弥补了纯网络流量分析的不足，并为IoT固件中QUIC部署的安全评估提供了新工具。读者包括QUIC协议安全研究人员、IoT固件开发者和网络安全评估工程师。

随着物联网（IoT）的快速发展，其网络安全性面临严峻挑战。IoT网络具有动态拓扑、流量不均衡、攻击模式复杂等特性，与通用IT网络存在显著差异。现有基于图神经网络（GNN）的入侵检测方法在处理节点和边特征、捕获细粒度异常方面存在不足。为此，本文提出SKGFusionKAN，一种面向IoT的入侵检测新方法。该方法在GraphSAGE的基础上，引入多尺度选择性核注意力机制，能够自适应提取不同流量条件下的节点和边特征。具体而言，边缘导向的消息传递增强了信息传播效率；选择性核注意力从不同尺度自适应加权边缘信息以处理异构性；门控融合过程动态整合多尺度特征，提升对演化攻击的鲁棒性。最后，采用Kolmogorov-Arnold网络（KAN）进行分类，其优异的非线性建模能力有助于检测复杂、低频的攻击。据作者所知，这是首个将GNN与KAN进行综合集成并针对IoT入侵检测进行架构创新的工作。在四个网络入侵检测数据集（NIDS）上的实验表明，SKGFusionKAN在二分类和多分类任务中均持续优于当前最先进方法，展示了其在IoT安全领域的潜力。

该论文针对触发-动作平台（TAPs）中普遍存在的数据过度收集问题，提出了一种名为 LazyTAP 的新型数据最小化范式。在现有 TAP（如 IFTTT）中，触发服务和查询服务需要将大量用户数据发送给平台，即使平台仅需其中部分属性即可完成操作，这违反了数据最小化原则。LazyTAP 通过“按需拉取”机制，仅在应用执行实际访问某个属性时才从输入服务获取数据，从而将数据收集粒度从整个服务级细化到属性级。该方法的关键创新在于利用惰性求值（laziness）推迟计算和对象代理，在后台透明地加载远程数据，对第三方应用开发者完全无感。实验基于标准应用基准测试，结果显示 LazyTAP 平均比 IFTTT 减少 95% 的不必要数据传输，比此前的最优方案 minTAP 减少 38%，同时性能开销可接受。论文还详细描述了 LazyTAP 的原型实现细节。这项工作为构建更隐私友好的 IoT 自动化平台提供了理论基础和可行方案。

本文是CPSIoTSec'23 Workshop的导言，该研讨会旨在聚焦网络-物理系统（CPS）与物联网（IoT）安全与隐私领域的最新研究进展。CPS和IoT系统广泛应用于智能家居、工业控制、医疗设备等关键领域，其安全漏洞可能导致物理损坏、数据泄露甚至人身安全威胁。研讨会收录了多篇同行评议论文，涵盖威胁建模、入侵检测、安全协议设计、隐私保护技术等方向。通过汇聚学术界与工业界的研究人员，本工作坊促进了跨学科合作，并指出了当前防御策略的不足，特别是针对资源受限设备的轻量级安全方案、实时性要求下的安全-性能权衡等挑战。会议重点强调了从设计阶段融入安全考虑的必要性，并呼吁开发可扩展的自动化工具以应对日益增长的互联设备数量。本文为读者提供了该研讨会所涵盖的核心议题概览，适合对CPS/IoT安全感兴趣的研究者和从业者阅读。

随着物联网（IoT）的快速发展，攻击面不断扩大，针对智能对象及其交互的新兴威胁日益增多。确保服务提供的安全性对于IoT生态系统的正常运行、安全性和可靠性至关重要。服务提供涵盖设备注册、配置、认证、授权和软件部署等关键任务。本文提出一个综合框架，旨在选择最合适的智能对象来交付目标服务，同时在服务提供阶段监控相关实体的行为。该方法采用深度强化学习（DRL），使智能代理通过与复杂动态环境的交互，学习在遵守预定义安全约束的同时适应变化。对于行为监控，利用联邦学习（FL）开发全局行为指纹（BF）模型，该模型完全分布式，可分析IoT设备在网络中的交互方式。此外，BF用于计算每个服务提供商的可靠性评分，反映其遵守安全约束的程度。该评分被纳入服务提供过程，使智能对象不仅能根据功能适用性，还能根据可靠性水平选择提供商。广泛的实验评估表明，该解决方案即使在资源受限的IoT设备上也能有效部署，成为现代IoT生态系统中可行且可扩展的安全增强机制。

本文总结了作者运营大规模物联网安全诊断服务的经验与教训。研究背景是物联网设备面临的安全威胁日益严峻，而设备所有者往往难以判断设备是否被感染。作者提出了一种基于云端与本地Agent协同的诊断服务架构，通过定期扫描设备行为、网络流量和固件完整性来检测异常。基于实际运营数据，作者分析了常见感染类型（如Mirai、Gafgyt等僵尸网络）的检出率、误报率以及用户反馈。实验结果表明该服务能够有效帮助用户识别感染设备，平均检测准确率达到95%以上。同时，作者指出了服务运营中的挑战，包括设备异构性导致的兼容性问题、用户隐私顾虑以及规模化部署的成本控制。最后，提出了改进建议，如采用联邦学习减少数据泄露风险、优化扫描策略降低性能开销。

该论文聚焦于在物联网环境下，DNS over HTTPS/3（DoH/3）协议对网站指纹攻击的脆弱性研究。随着隐私保护日益重要，DoH和DoT等安全DNS协议被广泛部署，但仍面临网站指纹攻击的威胁。DoH/3作为HTTP/3上的DNS加密协议，在实践中开始应用填充策略。然而，作者质疑这些填充是否足以抵御攻击。为此，他们首先收集并公开了首个真实世界DoH/3流量基准数据集，该数据集来自实际网络环境中的域名解析过程。随后提出了一种双分支学习架构DoHFuse，其核心是改进的DMAG-LSTM模型，能够融合数据包到达时间间隔序列和精细统计特征，专门捕获突发对齐的时间模式。在包含449个类别的封闭世界场景下，DoHFuse达到88.05%的准确率（精确率88.56，召回率87.96，F1 87.83）；在开放世界检测中，AUPRC为0.975，F1分数0.951（精确率0.906，召回率1.0）。结果表明，DoH/3流量仍然易受网站指纹攻击，常用的填充机制不足以在物联网规模的加密DNS通信中保障隐私。该工作为后续防御研究提供了基准数据集和攻击框架。

随着物联网设备的快速普及，安全与隐私威胁日益突出。由于资源受限，许多物联网设备难以实施有效的安全机制，导致攻击面扩大。本文提出了一种基于Linux安全模块（LSM）的访问控制方法，专门针对资源受限的物联网网关。研究者利用TOMOYO和CaitSith这两个LSM，设计了强制访问控制（MAC）和基于角色的访问控制（RBAC）策略，将设备行为限制在最小必要范围内，从而减少攻击面。文章详细描述了在Linux-based IoT网关上实现这些策略的过程，并通过网络渗透测试评估了该方法的有效性。实验结果表明，所提出的访问控制方案能够有效抵御常见攻击，同时保持较低的资源开销，证明了LSM在资源受限设备上实施访问控制的可行性。该工作为物联网设备的安全加固提供了实用框架，尤其适用于智能家居、工业物联网等场景。

该论文提出了一种结合 Ghidra 和大语言模型（LLM）的系统，用于从 IoT 恶意软件二进制文件中自动提取通信规范并生成伪 C2 服务器，从而解决动态分析中因攻击基础设施短暂存活而导致的样本休眠问题。大多数 IoT 恶意软件作为依赖 C2 服务器的僵尸网络运作，但攻击基础设施短命，常常导致样本在动态分析时无法进行 C2 通信，使得分析受限。该系统首先利用 Ghidra 对恶意软件二进制进行反编译和静态分析，然后通过 LLM 语义解释二进制控制结构，提取协议元素（如命令格式、参数、加密方式等）。实验基于 Mirai 恶意软件，系统成功提取了所有 20 个核心协议元素，与 ground truth 完全一致，规范提取准确率达到 100%。生成的伪 C2 服务器能够完整复现十个 DDoS 攻击向量中的七个，攻击行为与原始 C2 一致。此外，在针对公开 Mirai 源代码修改而来的定制变种上，该方法也实现了端到端成功——从规范提取到伪 C2 生成再到攻击复现，证明了 LLM 能够从二进制结构推断规范而不依赖预训练知识。该工作将 LLM 的应用从分析辅助扩展到动态分析环境的自动构建，为 IoT 恶意软件分析提供了新的自动化手段。

该论文针对Matter智能家居物联网协议的安全测试问题展开研究。Matter协议由连接标准联盟（CSA）维护，其规范文档长达上千页，复杂且庞大，导致传统模糊测试方法难以有效覆盖隐藏漏洞。作者提出了一种基于大语言模型（LLM）辅助的模糊测试方法，利用LLM理解和解析协议规范文本，自动生成语义正确且边界覆盖更广的测试用例。具体步骤包括：使用LLM从规范中提取协议状态机、消息格式和字段约束；基于这些信息构造结构化测试输入；驱动真实的Matter设备进行执行并监控异常。实验在多个商用Matter设备上开展，成功发现了15个之前未知的漏洞，其中多个涉及协议实现中的状态处理错误和输入验证缺失。该工作表明，LLM能够有效桥接自然语言规范和底层实现之间的鸿沟，显著提升物联网协议模糊测试的深度和效率。

本文针对物联网（IoT）网络中低速率拒绝服务（LDoS）攻击的早期检测问题提出了一种轻量级预测性神经网络架构 IDQS（通过 QoS 预测进行入侵检测）。LDoS 攻击具有隐蔽性和持续性，传统入侵检测系统难以有效识别。IDQS 框架包含两个核心组件：一是 RTP-QoS（循环趋势预测神经网络），该网络利用历史流量模式学习和预测未来的服务质量（QoS）指标；二是 PDM（成对决策模型），通过比较预测 QoS 与实际 QoS 之间的差异来识别潜在攻击。IDQS 采用轻量化设计，适合资源受限的 IoT 环境。在公共数据集 SDN-SlowRate-DDoS 和 CIC-IDS2017 上的评估结果显示，IDQS 在大多数攻击场景中实现了超过 79% 和 91% 的检测准确率，同时保持较高的召回率和较低假阴性率，端到端推理时间仅为 0.28 秒。实验证明了 IDQS 在实时部署中的有效性和高效性。本文的主要贡献在于提出了一种基于 QoS 预测的主动防御方法，能够早期发现 LDoS 攻击，弥补了传统基于阈值或签名检测方法的不足。适合网络与安全领域的研究人员、IoT 安全工程师以及入侵检测系统设计者阅读。

该论文提出了一种名为HERA（Hotpatching of Embedded Real-time Applications）的新型热补丁方案，专门针对资源受限的嵌入式实时系统，例如医疗设备、工业控制器等物联网（IoT）设备。传统的内存损坏攻击（如缓冲区溢出、use-after-free）是IoT设备的主要威胁，而常规的固件更新往往要求系统停机并重启，这对于需要高可用性和实时性约束的系统是不可接受的。此前的研究已提出热补丁概念，允许在不重启的情况下修补漏洞，但现有方法多依赖外部内存或复杂硬件支持，无法直接应用于资源极度受限的IoT微控制器（MCU），也无法处理由于只读存储器（如ROM）导致无法直接修改固件映像的硬件限制。HERA的核心创新在于：它利用嵌入式设备中已有的调试接口（如ARM CoreSight或JTAG）或直接内存访问（DMA）机制，在不停止系统运行的前提下，将补丁代码动态注入到RAM中，并通过篡改函数指针、修改指令流或重定向中断向量表等方式，使系统在后续执行中调用补丁而非原始漏洞函数。论文详细描述了HERA的设计原理，包括如何识别可修补的函数、如何生成位置无关的补丁代码、以及如何确保实时性不受影响。作者在基于ARM Cortex-M的嵌入式测试平台上实现了HERA，并针对多个真实世界漏洞（如CVE-2021-3479等）进行了实验评估。结果表明，HERA能够成功热修补漏洞，平均引入的延迟仅为微秒级，对系统实时任务的最大抖动影响不超过10%，内存开销小于2KB。此外，HERA无需修改现有固件或重启设备，完全适用于只读内存环境。该工作的主要贡献是首次为资源高度受限的嵌入式实时系统提供了一种实用、高效的热补丁方案，填补了IoT安全领域的空白。适合从事嵌入式系统安全、固件安全、以及IoT/医疗设备安全的研究人员和工程师阅读。

该论文聚焦于物联网（IoT）和网络物理系统（CPS）中持续学习（CL）环境下的后门攻击安全问题。随着IoT/CPS系统需要不断适应环境变化、设备异构性和概念漂移，持续学习被广泛用于提升系统效用。然而，持续学习的增量更新、回放缓冲区和表示重用等机制也为攻击者提供了植入持久后门的机会。攻击者可以设计恶意输入，使得模型在正常操作中表现正常，但遇到特定触发器时激活恶意行为。论文首先形式化了IoT/CPS环境下的威胁模型，分析了持续学习过程中后门攻击为何能持久存在：增量更新使得后门逐渐融入模型参数，回放缓冲区可能保留后门样本，表示重用则促使后门泛化到不同任务。然后，作者提出了一种针对持续学习的后门攻击方法，并在不同条件下评估了攻击的有效性和持久性。实验结果表明，即使在持续学习多个任务后，后门仍然能够保持高触发成功率，而模型在主流任务上的性能几乎不受影响。论文最后讨论了在工业IoT（IIoT）环境中保障持续学习安全面临的开放挑战，强调了加强安全控制的必要性。该研究揭示了持续学习在IoT/CPS中部署时的新安全风险，为后续防御研究提供了方向。适合对IoT/CPS安全、后门攻击和持续学习感兴趣的读者阅读。

该论文提出 REPOSE，一个分析框架，用于在弱硬实时控制系统中量化安全代价。现有物联网边缘设备的安全机制通常是设计时参数化，以机会主义方式运行，导致可能完全跳过安全任务；或者为每个任务添加安全机制，造成性能大幅下降。REPOSE 针对弱硬实时控制系统，允许在安全性与安全性之间进行“有限权衡”。它基于任务的当前行为，以主动和被动两种方式执行安全操作，避免设计时的悲观开销。实验表明，在80%利用率下，REPOSE 的可行性开销仅为0.06%，而硬约束系统开销为29%。通过经典控制系统的案例研究，展示了该框架能够分析和计算安全-安全性权衡。适合对实时系统安全、工控安全感兴趣的研究人员阅读。

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。

随着物联网设备数量的激增，网络攻击面显著扩大，包括零日攻击和对抗性入侵在内的复杂威胁日益严重。传统的入侵检测系统（IDS）难以泛化至未知攻击，计算资源需求高且缺乏可解释性，尤其在资源受限、异构的物联网网络中。本文提出一种基于语义的多智能体入侵检测系统（Semantic Multi-Agent IDS），通过集成四个专门化的智能体：Scout（从语义嵌入中诱导结构化假设）、Mutator（生成对抗性约束变体）、Auditor（评估一致性并过滤不可靠输出）和Arbiter（产生可解释、风险感知的警报），结合语义嵌入和多阶段概率决策融合，实现对零日攻击和对抗性威胁的鲁棒检测。在多个真实物联网数据集上的实验表明，该系统整体检测准确率达95.9%，误报率降至6.8%，零日攻击检测率提升至87.9%，同时保持适用于边缘部署的计算效率。该研究为物联网环境下的入侵检测提供了新颖的、可解释的、资源高效的解决方案。

该论文针对基于RPL的物联网网络入侵检测系统（IDS）进行了改进研究。传统机器学习IDS通常仅依赖路由层特征（如RPL控制消息、路由度量等），但这些特征只能反映网络行为的局部视角，可能限制检测性能。作者提出在LSTM-based IDS中引入无线发射（TX）和接收（RX）的无线电特征，与标准RPL特征集结合，以增强对网络异常活动的感知能力。实验在三种典型攻击场景下进行：DIS泛洪攻击（DIS-Flooding）、本地修复攻击（Local Repair）和最差父节点攻击（Worst Parent），并考虑了不同网络规模（节点数量变化）。使用F1分数作为主要评估指标，结果表明，与仅使用路由层特征的基线相比，加入TX/RX无线电特征使整体检测性能提升了约4%，其中对最差父节点攻击的提升最为显著。该工作表明，多源特征融合（路由+无线电）能有效提高IoT网络入侵检测的准确性和鲁棒性，为实际部署提供了新思路。

本文对 DJI 无人机中 DroneID 系统的安全性进行了深入分析。DroneID 是 DJI 自 2019 年起强制在其消费级和专业级无人机中集成的远程身份识别和广播系统，用于向监管机构和公众广播无人机的位置、高度、速度等信息。研究者通过逆向工程、固件分析、硬件调试和无线电信号解码等手段，系统性地检查了 DroneID 的实现。他们发现 DroneID 使用了自创的、非标准的协议，其中包含了多个严重安全漏洞：首先，DroneID 数据包未加密传输，任何具备 SDR 设备的观察者都能截获并解析无人机身份和位置信息；其次，DroneID 身份标识可以轻易伪造，攻击者可以冒充合法无人机发送虚假位置信息，或隐藏真实无人机；第三，协议缺乏完整性校验，允许攻击者篡改正在广播的数据；最后，研究者还发现了硬件层面的调试接口泄漏，可提取加密密钥。这些漏洞组合起来可能导致无人机被远程劫持、隐私大规模泄露、监管数据不可信等严重后果。作者在负责任披露后，DJI 部分承认问题并在后续固件中尝试缓解，但核心协议缺陷依然存在。本文适合无人机安全研究者、物联网安全从业者及监管机构阅读。

不经意传输（OT）是隐私保护计算的基础密码学原语，广泛应用于安全多方计算、隐私信息检索、零知识证明、口令认证密钥交换等场景。尽管OT扩展技术显著降低了平均成本，但其依赖大量基础OT批次和预处理阶段，在传输次数较少或通信延迟、客户端计算受限的场景下效率不佳。本文提出I-(OT)^2协议，一种基于二次剩余问题的1-out-of-2基础OT协议，旨在最小化接收方计算量和交互次数。该协议特别适合客户端-服务器架构中接收方为低功耗硬件（如IoT设备）的场景。通过轻量级离线预处理，I-(OT)^2将在线计算负担几乎全部转移给发送方，在线通信仅需6条消息和4个摘要。论文提供了详细协议描述和形式化安全证明，并基于C语言实现开源概念验证，在真实IoT硬件上评估。结果显示：在128位安全强度（使用3072位RSA模数）下，接收方在线平均每OT成本在桌面平台低至2.80微秒，在IoT设备上为39.90微秒，比知名的SimplestOT协议快10倍以上。该研究为资源受限设备上的隐私计算提供了高效、实用的OT方案。

该论文聚焦于低端嵌入式设备（如IoT设备）的控制流完整性（CFI）保护问题。这类设备因成本限制极少具备安全机制，成为攻击者的目标。作者针对资源极度受限的微控制器提出了轻量级CFI方案。通过分析程序控制流图，在函数调用和返回点插入验证机制，确保控制流不被恶意篡改。实验基于常见低端MCU（如ARM Cortex-M系列）实现，评估了性能开销（平均<10%）、内存占用和功耗。结果表明，该方案能有效防御返回地址劫持和跳转定向攻击，且对实时性影响极小。主要贡献在于证明了在低端设备上实现CFI的可行性，并提供了开源实现供社区验证。

该论文提出了一种名为 TIP (The Intent Protocol) 的去中心化声明式网络协议，旨在解决异构物联网系统因硬件架构、网络协议栈和数据序列化格式不同而导致的碎片化问题。现有标准如 MQTT、CoAP、DDS 依赖于地址绑定和命令式路由模型，需要硬编码配置且缺乏运行时模式转换的灵活性。TIP 摒弃了传统的端点寻址方式，节点通过提交抽象意图（intent）来声明所需的能力、数据格式和服务质量（QoS）约束。TIP 引擎采用混合发现机制，结合本地多播 DNS (mDNS) 和 Kademlia 分布式哈希表 (DHT) 来解析匹配节点，并通过多标准评分算法（考虑网络延迟、历史信誉和合同合规性）优化选择过程。对于不匹配的数据表示，TIP 可以在隔离的 WebAssembly (WASM) 沙箱中动态编译 TOML 规范，实现运行时模式适配。安全方面，协议采用 Ed25519 签名、X25519 密钥交换和 ChaCha20-Poly1305 加密。参考实现基于 Rust 和 C++，评估显示模式转换开销低于一毫秒，且在工业条件下具备良好的健壮性。该协议为 IoT 互操作性提供了一种新颖的声明式方法，适合分布式系统、边缘计算和自组织网络场景。

该论文针对大型语言模型（LLM）通过工具调用控制物理设备时面临的安全挑战，提出了一种名为Device Context Protocol（DCP）的紧凑、安全优先的通信协议。现有方案如Model Context Protocol（MCP）及其变体IoT-MCP主要面向软件服务或边缘网关，无法适配内存极低的微控制器（MCU），且未解决LLM可能产生幻觉或遭受提示注入攻击从而直接控制物理硬件带来的安全风险。DCP协议设计强调极低资源占用：典型帧小于50字节（6字节头+CBOR载荷+可选16字节HMAC），并在协议层面内建能力范围限定、类型与范围检查、试运行（dry-run）评估以及“单位即类型”（units-as-types）等安全原语。此外，DCP引入主机端代理（Bridge），在所有字节到达设备前对格式错误或幻觉调用进行拦截。论文基于ESP32平台实现了参考固件（闪存27.6KB，RAM 0.6KB），并开源了Python Bridge、ESP32固件及语言无关的合规测试套件。实验方面，作者使用来自DeepSeek、阿里巴巴、智谱、MiniMax五个不同供应商的LLM，在六类对抗性提示下生成675次工具调用（其中注入类采用了AgentDojo攻击模板），结果表明DCP能100%阻止能力提升攻击，78%阻止提示注入攻击，而原始MCP和IoT-MCP的阻止率仅为0-1%。同时DCP在表达能力上等价于结构良好的OpenAPI 3模式，但固件占用降低了三个数量级。论文将DCP定位为连接MCP（正朝企业SaaS连接发展）与MCP无法覆盖的物理设备之间的缺失层。

本文提出并实现了一种基于物联网的智能家居自动化系统，旨在通过环境传感器和树莓派5实现能源节约与用户控制。系统实时监测运动、温度、湿度、光照和烟雾等环境参数，并据此自动调节设备行为以节省能源。开发了一个两室原型，利用GPIO/I2C接口集成传感器和执行器，通过PWM动态控制风扇速度和LED亮度。采用Flask和图形化界面构建了Web仪表板，支持手动控制和实时监控，并每30秒记录CSV格式的能耗日志。项目采用迭代式开发模型，测试结果显示，相较于始终开启模式，系统节能超过46%。研究证明了低成本、模块化设备在提升家庭可持续性和可用性方面的潜力，是物联网在智能家居领域的典型应用。

本文针对医疗物联网（IoMT）环境中日益增长的网络安全威胁，提出了一种基于Tsetlin Machine（TM）的设备端可解释入侵检测系统（IDS）。TM是一种规则驱动的透明机器学习方法，通过命题逻辑表示攻击模式，具有天然的强可解释性。作者使用MedSec-25数据集（涵盖真实网络攻击的多个阶段）进行实验，结果表明所提模型在分类性能上达到97.83%，优于传统机器学习模型和现有最新方法。该系统不仅能高精度检测各类攻击阶段，还能通过特征级贡献、类别投票分数及子句激活热图提供明确的决策解释，增强了模型的可信度。此外，模型成功部署在Raspberry Pi等边缘设备上，支持实时设备端推理与入侵检测。该研究解决了IoMT场景中对于高准确率、可解释性及实时性的三重需求，为安全攸关的医疗应用提供了可行的解决方案。

本文针对物联网环境中广泛使用的消息队列遥测传输（MQTT）协议进行了全面的安全分析。研究采用混合方法论，首先通过理论回顾梳理了MQTT协议的基本架构、通信模式以及安全机制缺陷，随后在模拟智能家居环境中搭建实验平台，实际执行了四种典型攻击：窃听（Eavesdropping）、篡改（Tampering）、拒绝服务（Denial of Service, DoS）和暴力破解（Brute Force）。实验结果表明，由于MQTT协议原生缺乏强加密和身份认证机制，上述攻击可成功实施并导致严重安全风险，包括数据泄露、设备控制权丧失和服务中断。基于实验发现，论文提出了一系列缓解策略和最佳实践，例如强制使用TLS加密、实施客户端证书认证、配置访问控制列表（ACL）以及部署入侵检测系统。研究的主要贡献在于：系统化地量化了MQTT在真实IoT场景下的脆弱性，并为开发者和运维人员提供了可直接落地的加固方案。本文适合物联网安全研究人员、协议设计者以及智能家居系统管理员阅读。

该论文对物联网（IoT）恶意软件的生命周期进行了大规模实证研究。作者收集了来自多个来源的物联网恶意软件样本（如蜜罐、公开样本库），并对其进行了长达数年的纵向分析。研究重点包括恶意软件的感染阶段（初始入侵、持久化、命令与控制通信）、传播机制（如利用漏洞、暴力破解）、以及恶意软件家族的演化关系。通过构建恶意软件行为图谱和家族聚类，作者揭示了不同恶意软件家族在代码重用、模块化设计上的共性，并量化了恶意软件存活时间、更新频率等指标。主要贡献包括：（1）首次对物联网恶意软件生命周期进行系统化、大规模的测量；（2）发现了恶意软件在传播和持久化策略上的趋势变化；（3）为防御者提供了针对性的缓解建议（如关闭未使用的端口、及时更新固件）。实验基于超过10万个样本，覆盖多个架构（MIPS、ARM、x86）。该研究有助于理解物联网威胁态势，并为安全团队制定检测和预防策略提供依据。

该论文首次系统性地评估了商业物联网安全防护产品（IoT safeguards）的威胁检测能力。研究背景是智能音箱、安防摄像头等消费类物联网设备在家庭中日益普及，带来了隐私和安全威胁，而市场上出现了多种声称能提供保护的服务（如防火墙、入侵检测等）。然而，这些防护产品的实际效果及其自身可能引入的隐私风险尚未被充分研究。作者开发了一套自动化实验框架，能够在大型物联网测试床上对多个流行商业防护产品进行可控实验，模拟常见的安全威胁（如网络扫描、恶意域名解析）和隐私风险（如不必要的数据收集）。通过数千次实验，结果发现这些产品在检测和阻止安全威胁方面存在显著不足，许多攻击未能被识别或阻断。更严重的是，这些防护产品本身会与云端进行大量交互，收集用户设备的行为数据，可能反而增加了家庭的隐私暴露风险。论文的主要贡献包括：首次对IoT防护产品进行大规模比较分析；公开了自动化实验工具和数据集；揭示了当前防护产品的效能缺陷和隐私隐患。该研究适合安全研究人员、物联网设备制造商、隐私倡导者以及消费者阅读，以了解现有防护产品的局限性并推动改进。

本文提出了一种名为 PhyFuzz 的新型传感器漏洞检测方法，利用物理信号模糊测试来发现传感器中的安全缺陷。传感器在现代系统中广泛应用，但物理层面的攻击往往被忽视。PhyFuzz 通过生成物理信号（如声波、电磁波等）并注入到传感器中，观察系统的异常行为，从而检测出传感器对物理干扰的脆弱性。该方法系统性地探索了传感器物理输入空间，结合自适应变异策略以提高漏洞发现效率。实验在多种实际传感器设备上进行，结果表明 PhyFuzz 能够有效发现传统软件模糊测试无法触及的物理层漏洞，例如传感器饱和、信号干扰导致的错误输出等。该研究为物联网和嵌入式系统安全提供了新的测试视角，有助于开发更鲁棒的传感器系统。主要贡献包括：1）提出了物理信号模糊测试的通用框架；2）设计了针对传感器特性的变异生成算法；3）通过案例验证了方法的有效性。

本文提出 FirmAgent，一种融合模糊测试与大型语言模型（LLM）智能体的方法，用于自动化发现物联网（IoT）固件中的安全漏洞。研究背景是：IoT 设备数量激增，其固件普遍存在内存破坏、逻辑缺陷等漏洞，而传统模糊测试在固件平台上面临代码覆盖率低、种子生成盲目等挑战。FirmAgent 核心思路是让 LLM 智能体理解固件结构（如二进制文件解析、文件系统识别）后，动态指导模糊测试的种子生成与变异策略。具体而言，智能体先通过静态分析提取固件关键函数、协议处理逻辑等信息，再结合运行时覆盖率反馈，生成更可能触发深层路径的测试用例。实验在多个真实 IoT 固件（如路由器、摄像头）上进行，与 AFL、LibFuzzer 等基线工具对比，FirmAgent 在漏洞发现数量、代码覆盖率及触发崩溃效率上均有显著提升，成功挖掘出多个未公开的零日漏洞。主要贡献包括：1）首次系统性将 LLM 智能体与模糊测试结合用于固件安全；2）提出智能体引导的种子生成机制；3）构建专用数据集并公开评估结果。本文适合固件安全研究人员、AI 辅助漏洞挖掘开发者阅读。

本文提出了一种面向区块链物联网数据共享系统的、支持撤销的CP-ABE密钥管理方案。现有混合架构中，许可链存储防篡改元数据，加密负载置于内容寻址存储，但密钥访问控制存在瓶颈：常见方案依赖在线RBAC或智能合约返回密钥，引入可信在线策略执行点并削弱可审计性。本文采用密文密钥发布替代在线密钥分发：账本记录元数据 (CID, CK, PolicyID, epoch)，其中CK是封装AES-GCM密钥的CP-ABE密文。用户从账本获取CK，若属性满足策略则在本地解密。为支持前向撤销和策略演进而不重新加密大文件，引入基于时间/纪元的属性及轻量级CK轮换协议，仅更新小密文密钥和账本条目。基于本地内容寻址存储、哈希链账本和CP-ABE后端实现了最小端到端原型。实验显示：CP-ABE加密占主导延迟（k=6混合布尔策略约186 ms），账本和存储操作约1-2 ms；基于纪元的撤销在动态环境下摊销密钥更新成本；网关辅助模式在模拟客户端4倍减速下将中位解密时间降低4倍以上；账本增长速度与共享资产数量而非读取者数量成比例。

本文是一篇全面的物联网（IoT）安全综述，旨在系统性地分析和应对IoT环境中的安全威胁。随着IoT设备在智能城市、数字健康和工业4.0等领域的指数级增长，实时数据生成和智能决策支持成为可能，但同时也带来了严重的安全风险，主要源于设备的计算局限性、缺乏标准化以及攻击面的扩大。论文首先介绍了IoT安全的背景和挑战，然后详细描述了28种常见攻击，包括传统威胁（如中间人攻击）和专门的IoT攻击（如节点复制和窃取）。为了结构化理解这些风险，研究者使用了STRIDE模型进行功能威胁分类，并结合CVSS框架进行定量风险评估。进一步，论文建立了这些威胁与五大漏洞类（过程、代码、通信、操作和设备）之间的稳健映射，揭示了攻击者利用的具体技术入口。除了威胁识别，综述还介绍了最先进的缓解技术，并讨论了新兴研究范式和空白，为未来的研究提供了路线图，并为研究人员和从业者构建弹性和安全的IoT生态系统提供了坚实的技术基础。本文适合IoT安全研究人员、系统设计师、安全分析师以及对IoT安全感兴趣的学生阅读。

该论文研究了住宅智能设备无线网络流量中的隐私泄露风险，重点关注低技能攻击者（如邻居）能否利用简单工具实施隐私攻击。以往研究多假设攻击者具备专业机器学习知识、标注数据和参考设备，而本文模拟一名“偶然攻击者”：仅使用三台商用Raspberry Pi、Wireshark和基础Python脚本，在真实公寓楼的相邻房间进行为期三周的实验。结果显示，该攻击者能手动识别智能设备类型（如灯泡、电视、冰箱）；通过流量模式区分用户状态（如设备开关）；利用RSSI三角测量穿透墙壁追踪智能手机移动；并成功提取详细的日常作息，包括访客的睡眠模式。研究证明，即使资源有限的普通攻击者（例如邻居）也能对智能家居隐私构成实质性威胁，打破了以往认为只有高级威胁行为者才能实施此类攻击的假设。

本文针对蓝牙低功耗（BLE）物联网系统中的安全与通信可靠性挑战，设计并实现了一个基于BLE的身份认证系统。系统使用工业级nRF5340开发套件，包含一个带有键盘的外围节点（用于输入PIN码）和一个带有LCD显示屏的中心节点（用于验证结果显示）。用户通过外围节点键盘输入PIN码，经BLE无线传输至中心节点进行实时验证，并显示正确或错误。仅在身份认证通过后，外围节点才允许向中心节点发送数据。此外，外围节点还集成了温度传感器，可实时测量温度并通过BLE发送至中心节点，在LCD上显示。实验在不同场景下收集接收信号强度指示（RSSI）值以评估性能，结果显示信号强度随距离增加呈对数衰减，且在近距离时信号强。系统具有低延迟特性，支持快速输入输出，并通过PIN码认证确保安全，防止误用。整个系统将通信、感知与安全无缝集成，适用于智能门禁控制、无线监控及家庭自动化等场景。

提出面向物联网设备的网络物理数据流图（CPDFD）威胁建模方法，支持硬件建模，实验表明能发现更多攻击场景。