[论文解读] Internet of Threats Introspection in Dynamic Intelligent Virtual Sensing

Victor R. Kebande, Joseph Bugeja+1 more|arXiv (Cornell University)|Jun 21, 2020

Energy Efficient Wireless Sensor Networks参考文献 20被引用 4

一句话总结

本文研究了物联网生态系统中动态智能虚拟传感器（DIVS）的安全威胁，重点关注恶意用户反馈如何注入虚假标签，从而损害预测准确性。本文提出了一种内省式威胁分析框架，以识别并缓解对DIVS完整性的风险，强调在虚拟化传感环境中实施稳健的标签验证机制的必要性。

ABSTRACT

Continued ubiquity of communication infrastructure across Internet of Things (IoT) ecosystems has seen persistent advances of dynamic, intelligent, virtualised sensing and actuation. This has led to effective interaction across the connected ecosystem of -things. Furthermore, this has enabled the creation of smart environments that has created the need for the development of different IoT protocols that support the relaying of information across billions of electronic devices over the Internet. That notwithstanding, the phenomenon of virtual sensors that are supported by IoT technologies like Wireless Sensor Networks (WSNs), RFID, WIFI, Bluetooth, ZigBee, IEEE 802.15.4, etc., emulates physical sensors, and enables more efficient resource management through the dynamic allocation of virtual sensor resources. A distinctive example of this has been the proposition of the Dynamic Intelligent Virtual Sensors (DIVS). This DIVS concept is a novel proposition that allows sensing to be done by the use of logical instances through the use of labeled data. This allows for making accurate predictions during data fusion. However, a potential security attack on DIVS may end up providing false labels during the User Feedback Process (UFP), which may interfere with the accuracy of DIVS. This paper investigates the threat landscape in DIVS when employed in IoT ecosystems, in order to identify the extent to which the severity of these threats may hinder accurate prediction of DIVS in IoT, based on labeled data.

研究动机与目标

• 分析影响物联网生态系统中动态智能虚拟传感器（DIVS）的威胁态势。
• 识别用户反馈过程（UFP）期间的虚假标注如何损害DIVS的预测准确性。
• 评估可能危及智能环境中虚拟化传感可靠性的安全威胁的严重性。
• 提出一种用于动态、智能虚拟传感系统内省式威胁分析的框架。
• 通过识别标签验证机制中的漏洞，支持安全且准确的数据融合。

提出的方法

• 作者分析了DIVS的架构，重点关注其依赖标注数据以实现准确预测的机制。
• 他们将用户反馈过程（UFP）识别为一个关键攻击面，虚假标签可能在此处被注入。
• 采用威胁建模方法评估对DIVS标注过程的潜在攻击。
• 研究评估了受损标签对数据融合准确性和系统可靠性的影响。
• 该框架强调内省式分析，以在威胁影响预测结果前检测并缓解风险。
• 在支持虚拟传感器操作的物联网协议（如WSNs、RFID、Wi-Fi、Bluetooth、ZigBee）中评估了安全影响。

实验结果

研究问题

• RQ1 在物联网生态系统中，针对动态智能虚拟传感器（DIVS）的用户反馈过程（UFP）的主要安全威胁有哪些？
• RQ2 在UFP期间的虚假标注如何损害虚拟化传感环境中DIVS预测的准确性？
• RQ3 现有物联网协议和虚拟传感器架构在多大程度上使DIVS暴露于完整性攻击之下？
• RQ4 可以实施哪些内省机制以检测并防止DIVS中的恶意标签注入？
• RQ5 虚拟传感中的安全漏洞如何影响智能环境中数据融合的可靠性？

主要发现

• 在用户反馈过程（UFP）期间的虚假标注对DIVS预测的准确性构成重大威胁。
• 标注数据的完整性对于动态虚拟传感系统中可靠的数据融合至关重要。
• 基于WSNs、RFID和ZigBee等协议构建的虚拟传感器易受操纵标签输入的攻击。
• 本研究发现，当前的DIVS实现缺乏足够的内省机制以检测恶意标签注入。
• 对标签完整性的威胁会严重降低物联网中智能虚拟传感的性能与可信度。
• 本研究强调了在动态、互联环境中通过主动、内省式威胁分析来保障DIVS安全的必要性。