基于异构智能家居联邦异常检测的零信任微分段框架CloudShield-IoT

《Mathematics》:A Zero-Trust Micro-Segmentation Framework with Federated Anomaly Detection for Heterogeneous Smart Home Ecosystems

【字体: 大 中 小 】 时间:2026年09月18日 来源:Mathematics 2.3

编辑推荐:

   今天,随着物联网(IoT)在智能家居技术中的出现,新的安全问题也随之产生,包括设备多样性、数据隐私问题以及对高级复杂攻击的易感性。传统入侵检测系统(IDS)面临关键挑战,包括单点故障、高通信开销以及固有的隐私泄露问题,本文提出的去中心化方法正是针对这些问题进行解决。在本文中,

  今天,随着物联网(IoT)在智能家居技术中的出现,新的安全问题也随之产生,包括设备多样性、数据隐私问题以及对高级复杂攻击的易感性。传统入侵检测系统(IDS)面临关键挑战,包括单点故障、高通信开销以及固有的隐私泄露问题,本文提出的去中心化方法正是针对这些问题进行解决。在本文中,引入了一种新颖的基于异构智能家居环境联邦异常检测的零信任微分段框架(CloudShield-IoT)。所提出的架构引入了三个关键创新:(i)动态微分段引擎,通过定期认证设备和监控其行为来强制执行零信任策略;(ii)隐私保护联邦学习模块,用于在不交换原始数据的情况下,实现分布式智能家居节点之间的协作入侵分类。需要注意的是,核心检测模块使用已标注的攻击类别执行有监督入侵分类;本文中"异常检测"一词指的是通过层次化信任评分机制实现的更广泛的系统级行为偏离监控。此外,(iii)层次化信任评分模块能够实时自适应地隔离被攻陷的设备。该框架在公开可用的基准数据集(包括 N-BaIoT 和 IoT-23)上进行了广泛测试,并与10种先进基线方法进行了比较。CloudShield-IoT 在不使用差分隐私的情况下达到了98.8%的检测准确率、0.982的F1分数和0.993的AUC值,推理延迟仅为12.4毫秒。在使用实际有意义(ε = 5.0,δ = 1×10??)的差分隐私(通过矩账户)后,该框架获得了97.6%的准确率、0.975的F1分数和0.989的AUC值。该框架展现出对拜占庭对抗攻击的强鲁棒性。该框架在最多500个节点的部署规模下保持了出色的可扩展性,支持从每节点10个相同类型设备到100个混合类型设备的异构设备配置。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号