論文の概要: A Comprehensive Survey on Smart Home IoT Fingerprinting: From Detection to Prevention and Practical Deployment
- arxiv url: http://arxiv.org/abs/2510.09700v1
- Date: Thu, 09 Oct 2025 18:12:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:29.569956
- Title: A Comprehensive Survey on Smart Home IoT Fingerprinting: From Detection to Prevention and Practical Deployment
- Title（参考訳）: スマートホームIoTフィンガープリントに関する総合調査:検出から予防・実用化まで
- Authors: Eduardo Baena, Han Yang, Dimitrios Koutsonikolas, Israat Haque,
- Abstract要約: スマートホームのコンテキストに特化して,IoTフィンガープリントを包括的に分析する。
ネットワークトラフィック分析や機械学習ベースのスキームなど、既存のテクニックをレビューし、適用性と制限を強調します。
われわれは、次世代スマートホームエコシステムの信頼性とプライバシー保護の指紋認証を推進できるオープンな研究方針を概説する。
- 参考スコア（独自算出の注目度）: 6.063895419883398
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smart homes are increasingly populated with heterogeneous Internet of Things (IoT) devices that interact continuously with users and the environment. This diversity introduces critical challenges in device identification, authentication, and security, where fingerprinting techniques have emerged as a key approach. In this survey, we provide a comprehensive analysis of IoT fingerprinting specifically in the context of smart homes, examining methods for device and their event detection, classification, and intrusion prevention. We review existing techniques, e.g., network traffic analysis or machine learning-based schemes, highlighting their applicability and limitations in home environments characterized by resource-constrained devices, dynamic usage patterns, and privacy requirements. Furthermore, we discuss fingerprinting system deployment challenges like scalability, interoperability, and energy efficiency, as well as emerging opportunities enabled by generative AI and federated learning. Finally, we outline open research directions that can advance reliable and privacy-preserving fingerprinting for next-generation smart home ecosystems.
- Abstract（参考訳）: スマートホームには、ユーザや環境と継続的に対話する異種モノのインターネット(IoT)デバイスが増えている。
この多様性は、指紋認証技術が重要なアプローチとして登場したデバイス識別、認証、セキュリティにおいて重要な課題をもたらす。
本調査では,スマートホームの文脈におけるIoTフィンガープリントの包括的分析を行い,デバイスとその検出方法,分類,侵入防止について検討する。
我々は、ネットワークトラフィック分析や機械学習ベースのスキームといった既存の手法をレビューし、リソース制約のあるデバイス、動的利用パターン、プライバシー要件を特徴とする家庭環境における適用性と制限を強調した。
さらに、スケーラビリティ、相互運用性、エネルギー効率といったフィンガープリントシステムのデプロイメント課題や、生成AIやフェデレーション学習によって実現される新たな機会についても論じる。
最後に、次世代スマートホームエコシステムのための信頼性とプライバシー保護の指紋認証を向上するためのオープンな研究指針を概説する。
関連論文リスト
- To See or Not to See -- Fingerprinting Devices in Adversarial Environments Amid Advanced Machine Learning [0.725130576615102]
デバイスフィンガープリントは、しばしばデバイスを認証し、敵を検出し、環境中の盗聴者を特定するために使用される。
これは正当性と悪意のあるデバイスを識別する能力を必要とする。
デバイス指紋認証のための汎用的で単純化されたモデルを提案する。
論文 参考訳（メタデータ） (2025-04-11T05:40:47Z) - Leveraging Machine Learning Techniques in Intrusion Detection Systems for Internet of Things [11.185300073739098]
従来の侵入検知システム(IDS)は、IoTネットワークの動的かつ大規模な性質を管理するのに不足することが多い。
本稿では,機械学習(ML)とディープラーニング(DL)技術がIoT環境におけるIDSのパフォーマンスを大幅に向上させる方法について検討する。
論文 参考訳（メタデータ） (2025-04-09T18:52:15Z) - Facial Expression Analysis and Its Potentials in IoT Systems: A Contemporary Survey [48.60253527030446]
表情分析とIoT(Internet-of-Thing)システムの統合は、さまざまなシナリオにおいて大きな可能性を秘めている。
本研究の目的は,表情分析における研究の進展を概観し,IoTシステムとの統合の可能性を探ることである。
表情に基づく技術とIoTシステムの融合に向けた課題と今後の方向性を強調します。
論文 参考訳（メタデータ） (2024-12-23T14:41:01Z) - Machine Learning-Assisted Intrusion Detection for Enhancing Internet of Things Security [1.2369895513397127]
IoT(Internet of Things)に対する攻撃は、デバイス、アプリケーション、インタラクションのネットワーク化と統合化が進むにつれて増加している。
IoTデバイスを効率的にセキュアにするためには、侵入システムのリアルタイム検出が重要である。
本稿では、IoTセキュリティのための機械学習ベースの侵入検知戦略に関する最新の研究について検討する。
論文 参考訳（メタデータ） (2024-10-01T19:24:34Z) - Generative AI for Secure Physical Layer Communications: A Survey [80.0638227807621]
Generative Artificial Intelligence(GAI)は、AIイノベーションの最前線に立ち、多様なコンテンツを生成するための急速な進歩と非並行的な能力を示す。
本稿では,通信ネットワークの物理層におけるセキュリティ向上におけるGAIの様々な応用について,広範な調査を行う。
私たちは、物理的レイヤセキュリティの課題に対処する上で、GAIの役割を掘り下げ、通信の機密性、認証、可用性、レジリエンス、整合性に重点を置いています。
論文 参考訳（メタデータ） (2024-02-21T06:22:41Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - From Generative AI to Generative Internet of Things: Fundamentals,
Framework, and Outlooks [82.964958051535]
生成人工知能(GAI)は、現実的なデータを生成し、高度な意思決定を促進する能力を持っている。
GAIを現代のモノのインターネット(IoT)に統合することによって、ジェネレーティブ・インターネット・オブ・モノ(GIoT)が登場し、社会の様々な側面に革命をもたらす大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-10-27T02:58:11Z) - A Novel IoT Trust Model Leveraging Fully Distributed Behavioral
Fingerprinting and Secure Delegation [3.10770247120758]
IoT(Internet of Things)ソリューションは、データ収集と処理を容易にするために、急激な需要を実験している。
自律的な方法で提供される新機能やサービスの数が増えるほど、ユーザをデータハッキングや損失に晒す攻撃面が大きくなる。
そこで本稿では, スマートなものの装備に関する非自明な問題に対処し, 隣人を通じて, ネットワーク内のオブジェクトの信頼性を, 対話前に評価する戦略を提示する。
論文 参考訳（メタデータ） (2023-10-02T07:45:49Z) - Towards Artificial General Intelligence (AGI) in the Internet of Things
(IoT): Opportunities and Challenges [55.82853124625841]
人工知能(Artificial General Intelligence, AGI)は、人間の認知能力でタスクを理解し、学習し、実行することができる能力を持つ。
本研究は,モノのインターネットにおけるAGIの実現に向けた機会と課題を探究する。
AGIに注入されたIoTの応用スペクトルは広く、スマートグリッド、住宅環境、製造、輸送から環境モニタリング、農業、医療、教育まで幅広い領域をカバーしている。
論文 参考訳（メタデータ） (2023-09-14T05:43:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。