一种基于区间二型模糊的物联网与智能城市环境下设备网络信任评估系统

《Internet of Things》：An interval Type-2 Fuzzy-based system for evaluation of device cyber trust in IoT and smart city environments

　　

# 摘要

物联网（IoT）和智能城市环境依赖于异构设备，其网络信任在部署后可能随着身份证据、软件和固件状态、网络行为和漏洞条件的演变而变化。本文提出了一种基于模糊推理的设备网络信任评估系统（FSEDCT），这是一个基于区间二型模糊逻辑系统（IT2-FLS）的框架，用于从多个保障参数评估设备网络信任（DCT）。实现了两个模型。FSEDCTM1考虑设备身份保障（DIA）、软件和固件完整性（SFI）和网络行为正常性（NBN），而FSEDCTM2额外考虑漏洞与暴露保障（VEA）。隶属度函数使用模糊C均值聚类构建，模糊规则库使用Wang-Mendel方法进行初始化，并通过序数关系完成补全。FSEDCT使用14种场景控制设备条件进行评估，这些条件结合了用于DIA和SFI的合成证据、源自N-BaIoT的网络行为证据以及源自NVD的漏洞严重性信息。结果表明，当其他三个参数保持相似时，FSEDCTM2能够区分FSEDCTM1无法分离的与漏洞相关的条件。在场景评估中，FSEDCTM2实现了0.915的Macro-F1分数和0.928的平衡准确率。不确定性足迹（FOU）敏感性分析显示，在考察的缩放范围内，信任状态总体保持稳定，而两个模型均在数十微秒内完成IT2-FLS推理。这些结果表明，FSEDCT提供了一种在物联网和智能城市边缘环境中评估DCT的框架。

# 引言

物联网（IoT）使异构设备能够在各种环境中进行通信并提供服务，包括智能城市、医疗系统、工业应用、交通系统和智能家居[1]、[2]、[3]。同时，IoT系统的异构性和分布式运行带来了安全、隐私和信任挑战[4]、[5]。设备身份记录、软件和固件状态、漏洞信息以及观测到的网络行为可能在运行过程中发生变化[6]、[7]、[8]。因此，连接设备的当前可信度应贯穿其整个运行生命周期进行评估。

设备网络信任（DCT）可以使用不同类型的证据进行评估。对于DCT评估，我们考虑设备身份保障（DIA）、软件和固件完整性（SFI）和网络行为正常性（NBN）作为输入参数，分别对应设备身份、内部完整性和观测到的网络行为[6]、[7]、[8]、[9]。然而，一个设备可能保留有效身份、未改变的软件和固件以及看似正常的网络行为，但仍可能受到已知漏洞的影响或缺乏必要的补丁[7]、[10]。在本研究中，我们额外考虑漏洞与暴露保障（VEA）作为第四个输入参数。VEA旨在捕获DIA、SFI和NBN未直接涵盖的与漏洞相关的条件，包括已知漏洞的适用性、修复情况和暴露情况[6]、[7]、[11]。

基于机器学习（ML）的方法已被用于从服务属性、通信行为和其他观测中估算信任值[12]、[13]，而基于区块链的方法则将信任和声誉信息纳入了分布式访问控制和授权机制[14]。这些方法解决了IoT信任管理的不同需求，如数据驱动的评估和去中心化的决策管理。此外，可解释人工智能（XAI）研究强调了在计算决策输出用于支持运营决策时，使决策过程可理解的重要性[15]、[16]。基于规则的模糊系统（RBFSs）提供了语言变量和可检查的推理规则，但其可解释性取决于有意义的模糊分区和可管理的规则库结构[17]。

用于DCT评估的值是连续的，可能包含由测量和证据解释引起的不确定性。模糊逻辑（FL）使用语言术语和基于规则的推理来表示渐进条件[18]、[19]。区间二型模糊逻辑系统（IT2-FLS）通过区间值隶属度和不确定性足迹（FOU）来建模隶属度函数中的不确定性[20]、[21]。在我们之前的研究中，我们提出了一种基于IT2-FLS的系统，用于从DIA、SFI和NBN评估DCT[22]。在本文中，我们扩展了这一概念，提出了一种基于模糊推理的设备网络信任评估系统（FSEDCT）。我们实现了两个模型：FSEDCTM1和FSEDCTM2，其中M表示模型。FSEDCTM1使用DIA、SFI和NBN作为输入参数，FSEDCTM2将VEA作为第四个输入参数。两个模型都产生连续的DCT分数和运行信任状态。FSEDCTM1可在身份、软件和固件完整性以及网络行为证据可用时使用，而FSEDCTM2在也能获取漏洞适用性、修复和暴露信息时扩展了评估。它们的比较使得在保持相同评估方法的同时，能够考察漏洞和暴露证据的效果。

所提出的模型使用14种设备条件场景进行评估。评估结合了用于DIA和SFI的合成证据以及源自N-BaIoT数据集[8]的网络行为证据（NBN）。用于VEA的漏洞严重性信息从国家漏洞数据库（NVD）快照获取，同时额外考虑适用性、修复、暴露和证据新鲜度条件。相关的CVSS v4.0指标被用于量化漏洞严重性[11]。实验考察了两个模型的响应特性、其运行信任状态分配以及VEA在漏洞条件下的效果。我们还分析了结果对FOU和运行阈值的敏感性，并测量了基于IT2-FLS模型的推理时间。

主要贡献总结如下：

- 我们定义了一个DCT评估模型，考虑DIA、SFI、NBN和VEA，每个参数均从五个安全相关子指标计算得出。
- 我们实现了FSEDCTM1和FSEDCTM2以比较三参数和四参数模型，并考察VEA提供的额外信息。
- 我们构建了一个混合证据评估，使用源自N-BaIoT的NBN、源自NVD的漏洞严重性信息以及合成的DIA和SFI证据。
- 我们通过基于场景的DCT评估、FOU和阈值敏感性分析以及IT2-FLS推理时间测量来评估模型。

本文其余部分组织如下。第2节介绍相关工作。第3节概述信任计算。第4节介绍FL和IT2-FLS的基本概念。第5节提出所提出的FSEDCT模型和实验设置。第6节描述一个示例智能城市边缘用例。第7节展示并分析仿真结果。第8节讨论所提出框架的含义和局限性。最后，第9节总结全文并提出未来研究方向。

## 相关研究

本节回顾了物联网信任管理和信任评估的代表性研究，并将FSEDCT置于相关工作的语境中。表1总结了各种方法及其与FSEDCT的关系。

## 信任计算

信任计算提供了收集信任相关信息、评估实体可信度并使用所得信任信息支持后续决策的机制[35]。ITU-T Y.3050系列为可信网络和服务提供了更广泛的标准化框架[36]。在IoT环境中，信任评估尤为重要，因为设备状态和运行条件可能随时间变化。本节介绍信任评估和……

## 模糊逻辑概述

FL使用隶属度可在0到1之间的模糊集来表示渐进条件[18]。当条件无法通过二元边界充分描述时，这种形式是有益的。基于规则的模糊系统（RBFSs）将这类语言描述与IF-THEN规则相结合，将输入条件映射到输出[19]。在DCT评估中，安全相关证据可能不完整、延迟或受解释影响。因此，语言术语和隶属度提供了一种中间……

## 所提出的模糊系统

本节介绍所提出的FSEDCT。FSEDCT使用IT2-FLS从安全相关证据评估设备的网络信任条件。使用相同的评估方法构建了两个模型。FSEDCTM1考虑DIA、SFI和NBN作为输入参数，而FSEDCTM2额外考虑VEA。

## 用例：智能城市边缘环境

本节说明FSEDCT如何集成到智能城市边缘环境中。如图7所示，交通传感器、环境传感器和连接基础设施等IoT设备通过边缘网关与城市服务通信。网关收集设备定向的网络证据，并从信任注册功能获取身份和生命周期信息，而运行时监控和安全更新提供额外的完整性、行为和漏洞相关信息……

## 仿真结果

本节展示FSEDCT在DCT响应、基于场景的评估、模型比较、敏感性分析和推理时间性能方面的仿真结果。仿真在x86_64 Linux环境下执行，使用AMD Ryzen 9 7950X3D 16核处理器。Python 3.12.3用于数据集构建和分析，IT2-FLS推理使用用Rust 1.94.0实现的研究模糊框架执行。

## 讨论

仿真结果表明，FSEDCT结合了多个保障参数来反映不同安全条件下DCT的变化。FSEDCTM1和FSEDCTM2之间的比较识别了VEA在DIA、SFI和NBN无法单独区分的漏洞相关条件下的贡献。对于由原始三个保障参数定义的条件，两个模型保持相似的信任状态行为。在所考察的FOU范围内变化会影响不确定区间……

## 结论与未来工作

在本文中，我们提出了FSEDCT，一个基于IT2-FLS的框架，用于使用多个保障参数评估DCT。我们实现了两个模型：FSEDCTM1和FSEDCTM2。FSEDCTM1考虑DIA、SFI和NBN作为输入参数，而FSEDCTM2额外考虑VEA以捕获漏洞和暴露条件。两个模型都生成连续的DCT分数，并使用运行信任阈值将其映射到信任状态（可信、未验证或不可靠）。基于仿真结果，……

## 资助

本研究由日本学术振兴会（JSPS）KAKENHI资助，项目编号JP25KJ2239。

## CRediT作者贡献声明

Shunya Higashi：撰写——原稿、可视化、验证、软件、方法论、调查、形式分析、概念化。Yi Liu：撰写——审阅与编辑、监督。Makoto Ikeda：撰写——审阅与编辑、监督。Keita Matsuo：撰写——审阅与编辑、监督。Leonard Barolli：撰写——审阅与编辑、监督、项目管理。Arjan Durresi：撰写——审阅与编辑、监督。

## 利益冲突声明

作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文所述工作。

Shunya Higashi | Yi Liu | Makoto Ikeda | Keita Matsuo | Leonard Barolli | Arjan Durresi

福冈工业大学研究生院，日本福冈市东区瓦字东3-30-1，邮编811-0295