[论文解读] New Frontiers in IoT: Networking, Systems, Reliability, and Security Challenges

Saurabh Bagchi, Tarek Abdelzaher+5 more|arXiv (Cornell University)|May 15, 2020

IoT and Edge/Fog Computing参考文献 122被引用 5

一句话总结

本文识别了由于设备异构性、资源限制以及人机协同需求，导致物联网在核心系统、网络、可靠性、安全性和隐私方面面临的核心挑战。本文提出利用5G、边缘-云卸载、模型压缩以及隐私保护机器学习等领域的基础技术，构建安全、可靠且高效的物联网系统，将安全与隐私作为可配置、易用的原 atomic 原语原生支持。

ABSTRACT

The field of IoT has blossomed and is positively influencing many application domains. In this paper, we bring out the unique challenges this field poses to research in computer systems and networking. The unique challenges arise from the unique characteristics of IoT systems such as the diversity of application domains where they are used and the increasingly demanding protocols they are being called upon to run (such as, video and LIDAR processing) on constrained resources (on-node and network). We show how these open challenges can benefit from foundations laid in other areas, such as, 5G cellular protocols, ML model reduction, and device-edge-cloud offloading. We then discuss the unique challenges for reliability, security, and privacy posed by IoT systems due to their salient characteristics which include heterogeneity of devices and protocols, dependence on the physical environment, and the close coupling with humans. We again show how the open research challenges benefit from reliability, security, and privacy advancements in other areas. We conclude by providing a vision for a desirable end state for IoT systems.

研究动机与目标

• 应对由于异构设备、资源受限以及多样化应用场景中实时性要求带来的物联网系统日益复杂的挑战。
• 识别由设备异构性、网络连接波动性以及人机协同交互引发的系统与网络方面的独特挑战。
• 强调可靠性、安全性和隐私作为物联网中的首要关注点，需集成、可配置且易用的系统级解决方案。
• 提出利用5G、模型压缩、边缘-云卸载以及隐私保护机器学习等现有技术进展，应对物联网特有的挑战。
• 倡导在系统设计中从一开始就内建安全、隐私与可靠性，而非事后附加，同时为应用开发者提供可访问的接口。

提出的方法

• 综述并整合5G蜂窝协议、机器学习模型压缩以及设备-边缘-云卸载等基础技术，以应对物联网的资源受限挑战。
• 集成轻量级密码学、硬件信任根以及进程隔离技术，提升资源受限物联网设备的安全性。
• 应用差分隐私与本地数据处理技术，保护在普适物联网环境中持续收集敏感数据时的用户隐私。
• 利用故障数据挖掘与人类认知建模技术，检测并调试大规模分布式物联网部署中的可靠性问题。
• 提出一种系统架构，使安全、隐私与可靠性成为一等公民，可组合且可配置的原语，并为开发者提供清晰的抽象接口。
• 利用软件定义网络与网络功能虚拟化（NFV）技术，提升端到端物联网应用的可扩展性与网络支持能力。

实验结果

研究问题

• RQ1 如何设计物联网的系统与网络架构，以应对设备异构性、无线协议多样性以及不可预测的网络条件？
• RQ2 哪些基础技术可被适配，以实现在严格资源与实时性约束下，物联网系统的高效、安全与可靠运行？
• RQ3 在私人物理空间中通过多种模态（如语音、视觉）持续收集敏感数据的物联网系统中，如何保护隐私？
• RQ4 哪些机制可确保可靠性与安全性作为一等公民、可组合且可配置的组件融入物联网系统设计，而非事后补救？
• RQ5 如何利用机器学习提升物联网的可用性，同时保持对基于模型攻击的鲁棒性，并保护用户隐私？

主要发现

• 5G、边缘-云卸载与模型压缩的整合，可在资源受限的物联网环境中实现高效计算并降低延迟。
• 轻量级密码原语与基于硬件的信任锚点（如ARM TrustZone）可显著提升低功耗物联网设备的安全性。
• 差分隐私与设备端数据处理等隐私保护技术，可降低在普适物联网部署中暴露敏感用户信息的风险。
• 大规模物联网系统中的故障模式通常因环境因素与人机交互而呈现时间和空间上的相关性，需依赖先进的挖掘与建模技术进行分析。
• 安全与隐私必须作为一等公民、可组合的原语嵌入物联网系统中，同时提供易用的抽象接口，使应用开发者无需深入专业知识即可进行配置。
• 物联网中使用的机器学习模型必须同时具备隐私保护能力与对对抗性攻击的鲁棒性，尤其在持续数据采集与人机交互的系统中。