文章详情

摘要

针对物联网边缘设备部署背景下安全威胁严峻，传统防护方法适配性不足，单一检测机制在未知威胁识别和误报率控制方面存在短板的问题，对物联网（Internet of Things, IoT）边缘安全防护系统展开研究，提出基于双引擎协同检测与行为建模的防护方案。该方案整合静态规则检测与动态行为分析引擎，前者通过规则库匹配快速识别已知攻击，后者通过机器学习构建设备正常行为基线捕捉异常活动；双引擎依托协同机制交互信息，基于置信度融合检测结果，同时采用模型轻量化、计算优化策略适配边缘设备资源约束。基于树莓派集群与 Mininet的边缘模拟环境与标准数据集验证，该系统在已知和未知攻击检测中均具备更高准确性，且资源消耗更低，有效提升了IoT边缘环境的安全防护能力。

关键词

双引擎协同；行为建模；IoT边缘安全；异常检测；规则检测；资源优化

参考文献

1. [1] Aditi R，Kokila J，Ramasubramanian N，et al. Device-Specific Security Challenges and Solution in IoT Edge Computing: A Review [J].The Journal of Supercomputing，2023，79（18）：20790-20825.
2. [2] 李金，高红亮，刘科孟，等.基于边缘节点技术的电力系统入侵安全防护 [J].现代电力，2024，41（6）：1009-1016.
3. [3] 顾天晟，曾福康，邵思思，等.基于拟态防御和Paillier加密的智能物联网终端安全防护方法 [J].网络与信息安全学报，2024，10（6）：164-176.
4. [4] 周品希，沈岳，李伟.基于深度学习的物联网入侵检测系统综述 [J].网络安全与数据治理，2025，44（6）：1-10.
5. [5] Biswas A，Wang H C. Autonomous Vehicles Enabled by the Integration of IoT, Edge Intelligence, 5G, and Blockchain [J].Sensors，2023，23（4）：1963.
6. [6] 刘会飞，朱雨雷，刘皓天，等.基于人工智能的工业物联网安全防护综述 [J].物联网技术，2025，15（10）：118-125.
7. [7] 聂祯，郭子琛，高明，等.基于机器学习的移动通信网络切片安全部署系统 [J].电子设计工程，2023，31（17）：173-177.
8. [8] 王可冰，杨国伟，连昶锦.煤矿5G网络安全机制与策略研究 [J].中国矿业，2024，33（12）：173-179.
9. [9] 任晓旭，仇超，邓辉，等.边缘智能融合区块链：研究现状、应用及挑战 [J].信息与控制，2024，53（1）：1-16.
10. [10] 冯毅雄，杨晨，胡炳涛，等.基于5G多接入边缘计算的云化PLC系统架构设计与应用 [J].计算机辅助设计与图形学学报，2024，36（1）：33-46.

基金项目

2025年度广东省普通高校青年创新人才项目（2025KQNCX230）；广州城市职业学院校级科研项目（KYCT2025047，KYCT2025038，KYFB2025032）

作者简介

黄民丰（2001—），男，汉族，广东汕头人，助教，硕士研究生，研究方向：物联网应用技术、人工智能技术应用；余俊悦（2006—），男，汉族，广东惠州人，研究方向：网络安全、AI模型安全及其应用。