软件学报

作者：樊琳娜，李城龙，吴毅超，段晨鑫，王之梁，林海，杨家海

单位：樊琳娜，清华大学 网络科学与网络空间研究院, 北京 100084;北京信息科学与技术国家研究中心, 北京 100084;国防科技大学 信息通信学院, 湖北 武汉 43001911,李城龙，清华大学 网络科学与网络空间研究院, 北京 10008402,吴毅超，清华大学 网络科学与网络空间研究院, 北京 100084;北京信息科学与技术国家研究中心, 北京 10008403,段晨鑫，清华大学 网络科学与网络空间研究院, 北京 100084;北京信息科学与技术国家研究中心, 北京 10008404,王之梁，清华大学 网络科学与网络空间研究院, 北京 100084;北京信息科学与技术国家研究中心, 北京 10008405,林海，清华大学 网络科学与网络空间研究院, 北京 100084;北京信息科学与技术国家研究中心, 北京 10008406,杨家海，清华大学 网络科学与网络空间研究院, 北京 100084;北京信息科学与技术国家研究中心, 北京 10008407

关键词：物联网;设备识别;异常检测

基金：国家自然科学基金(62172251); 国家重点研发计划(2018YFB1800204)

随着物联网技术的发展, 物联网设备广泛应用于生产和生活的各个领域, 但也为设备资产管理和安全管理带来了严峻的挑战. 首先, 由于物联网设备类型和接入方式的多样性, 网络管理员通常难以得知网络中的物联网设备类型及运行状态. 其次, 物联网设备由于其计算、存储资源有限, 难以部署传统防御措施, 正逐渐成为网络攻击的焦点. 因此, 通过设备识别了解网络中的物联网设备并基于设备识别结果进行异常检测, 以保证其正常运行尤为重要. 近几年来, 学术界围绕上述问题开展了大量的研究. 系统地梳理物联网设备识别和异常检测方面的相关工作. 在设备识别方面, 根据是否向网络中发送数据包, 现有研究可分为被动识别方法和主动识别方法. 针对被动识别方法按照识别方法、识别粒度和应用场景进行进一步的调研, 针对主动识别方法按照识别方法、识别粒度和探测粒度进行进一步的调研. 在异常检测方面, 按照基于机器学习算法的检测方法和基于行为规范的规则匹配方法进行梳理. 在此基础上, 总结物联网设备识别和异常检测领域的研究挑战并展望其未来发展方向.

来源：2024年第1期

《软件学报》期刊编辑部

查看软件学报杂志2024年第1期