Light-ZKAD:一种面向工业物联网的轻量级可验证的异常流量检测模型OA
针对工业物联网身份伪装防御薄弱、异常流量检测误报漏报率高、安全方案难适配边缘资源受限场景等问题,文中提出了融合零知识证明与深度学习的轻量级可验证异常流量检测模型Light-ZKAD.该模型以单轻量级工业CA为可信第三方,基于ZK-SNARK与椭圆曲线密码学,融合硬件指纹、时间戳抗重放机制及TLS1.3加密通道,构建边缘网关与服务器的双向可信验证体系;设计嵌入层-多头自注意力-BiLSTM-DNN混合深度学习架构,精准捕捉工业物联网流量的时序与高维关联特征.基于 Edge-IIoTset数据集的实验表明,模型检测准确率为99.02%、召回率为99.57%、精确率为98.51%、F1分数为0.985,训练收敛稳定且无过拟合,泛化能力优异,对比基线模型在检测精度与训练稳定性上优势显著,其安全机制可有效抵御重放、设备克隆、数据篡改等典型攻击.该模型兼顾高安全性、轻量化与检测精准性,实现了身份验证与异常检测的双重安全设计,为资源受限的工业物联网场景提供了一体化安全防护解决方案.
魏金奥;郭丽红;刘津汝;毕汀利;肖焓
南京工程学院 通信与人工智能学院、集成电路学院,江苏 南京 211167南京工程学院 通信与人工智能学院、集成电路学院,江苏 南京 211167南京工程学院 通信与人工智能学院、集成电路学院,江苏 南京 211167南京工程学院 通信与人工智能学院、集成电路学院,江苏 南京 211167南京工程学院 通信与人工智能学院、集成电路学院,江苏 南京 211167
信息技术与安全科学
工业物联网安全异常流量检测零知识证明椭圆曲线密码学深度学习身份验证边缘计算
《物联网技术》 2026 (18)
36-38,3
江苏省大学生科技创新项目(202511276074Y)江苏省大学生科技创新项目(202511276054Y)
评论