[论文解读] The Dichotomy of Cloud and IoT: Cloud-Assisted IoT From a Security Perspective

Behrouz Zolfaghari, Abbas Yazdinejad+3 more|arXiv (Cornell University)|Jul 4, 2022

IoT and Edge/Fog Computing被引用 16

一句话总结

本文对云辅助物联网（CAIoT）的安全性进行了全面调查，通过四种设计方法——基于安全云的物联网、基于云的安全物联网、安全通信以及集成解决方案——提出了面向安全云辅助物联网（SCAIoT）的分层架构。研究识别了关键安全挑战与控制机制，并预测了人工智能（AI）和受量子启发的技术在未来SCAIoT系统中的变革性作用。

ABSTRACT

In recent years, the existence of a significant cross-impact between Cloud computing and Internet of Things (IoT) has lead to a dichotomy that gives raise to Cloud-Assisted IoT (CAIoT) and IoT-Based Cloud (IoTBC). Although it is pertinent to study both technologies, this paper focuses on CAIoT, and especially its security issues, which are inherited from both Cloud computing and IoT. This study starts with reviewing existing relevant surveys, noting their shortcomings, which motivate a comprehensive survey in this area. We proceed to highlight existing approaches towards the design of Secure CAIoT (SCAIoT) along with related security challenges and controls. We develop a layered architecture for SCAIoT. Furthermore, we take a look at what the future may hold for SCAIoT with a focus on the role of Artificial Intelligence(AI).

研究动机与目标

• 为弥补现有关于云辅助物联网（CAIoT）安全性的综述在系统性分析方面的关键空白，提供对安全挑战与控制措施的全面、系统的分析。
• 识别并分类构建安全云辅助物联网（SCAIoT）的四种不同设计方法：基于安全云的物联网、基于云的安全物联网、安全通信以及集成解决方案。
• 提出一种反映所识别设计方法与安全控制措施的分层SCAIoT架构模型。
• 探索人工智能（AI）与受量子启发的技术在未来提升SCAIoT安全性与系统韧性的角色。
• 提供面向未来的SCAIoT研究路线图，重点强调基于AI的威胁检测、自适应安全机制，以及与新兴技术的集成。

提出的方法

• 对现有CAIoT安全综述类文献开展系统性文献回顾，识别其在安全覆盖范围、AI集成以及未来路线图构建方面的不足。
• 对SCAIoT设计的四种主要方法进行分类与分析：(1) 为物联网部署保护云层，(2) 通过云感知方式保护物联网层，(3) 保护物联网-云通信通道，(4) 在两层之间实现端到端、基于代码的全面安全集成。
• 识别并映射各方法中使用的具体安全控制措施，如混合分类器、自适应熵密钥生成、半监督机器学习模型（例如LEDEM），以及基于区块链的框架。
• 提出一种新颖的SCAIoT分层架构，整合四种设计方法，并反映所识别的安全控制措施与威胁缓解策略。
• 评估人工智能与受量子启发技术在安全应用中的性能，包括基于受量子启发经验回放的深度强化学习（DRL-QER）、受量子启发的模糊神经网络（Q-FNN），以及受量子启发的攻击检测模型。
• 通过分析人工智能、边缘-云计算以及受量子启发算法的发展趋势，制定未来研究路线图，预测其在SCAIoT中的集成将实现实时威胁检测与自适应安全加固。

实验结果

研究问题

• RQ1 云辅助物联网（CAIoT）中固有的主要安全挑战是什么？它们如何源于云与物联网的安全漏洞？
• RQ2 构建安全云辅助物联网（SCAIoT）的四种不同设计方法是什么？它们在安全控制与系统集成方面的处理方式有何不同？
• RQ3 在每种SCAIoT设计方法中，具体使用了哪些安全控制措施（如混合分类器、区块链框架或半监督模型）？其性能表现如何？
• RQ4 人工智能（AI）与受量子启发的技术如何增强SCAIoT系统的安全性、可扩展性与实时响应能力？
• RQ5 为实现真正安全、原生AI化且抗量子攻击的SCAIoT生态系统，未来需要哪些研究方向与架构创新？

主要发现

• 本研究识别出SCAIoT的四种关键设计方法：基于安全云的物联网、基于云的安全物联网、安全通信以及集成解决方案，每种方法针对不同的安全关切。
• 混合分类器技术在钓鱼检测中实现了97.86%的准确率，同时将计算复杂度降低87%，展现出在AI驱动威胁检测中的高效性。
• 基于半监督机器学习的LEDEM模型在拒绝服务攻击下，对边缘物联网（fIoT）与移动物联网（mIoT）的缓解性能提升了21%。
• 在Lambda架构中采用的边缘-云深度入侵检测系统（IDS）模型，相比标准机器学习方法，显著缩短了训练时间并提升了真正例检测的准确率。
• 所提出的深度区块链框架（DBF）通过智能合约支持安全数据迁移，增强了物联网网络中的机密性与入侵检测能力。
• 受量子启发的技术如DRL-QER与Q-FNN在优化探索-利用平衡以及通过受量子启发的参数调优改进神经网络设计方面展现出巨大潜力。