《Computer Science Review》:A comprehensive survey on steganography of medical images
编辑推荐:
本文通过三轴分类法(图抽象层、分析方法、安全目标)系统综述物联网与 cyber-physical systems 融合环境中的图智能安全研究,指出当前研究过度集中于基于图神经网络的检测技术,而高抽象层建模、预测性安全及韧性设计存在显著空白,并提出融合物理知识的混合学习、可信因果推理等未来研究方向。
Hafiz Bilal Ahmad|Haichang Gao|Naila Latif
西安电子科技大学计算机科学与技术学院,中国陕西省西安市710071
摘要
物联网(IoT)与信息物理系统(CPS)的融合将关键基础设施转变为高度相互依赖的环境,在这种环境中,局部性的安全漏洞可能会演变成系统性的网络物理威胁。尽管基于图的安全分析方法非常适合捕捉这类威胁背后的关系依赖性,但现有文献仍然分散,难以理解系统表示、分析方法与操作安全目标之间的关系。本研究通过一个三轴分类法对现有文献进行了系统性的回顾,该分类法根据图抽象层次(建模的内容)、分析技术(分析的方式)和安全目标(分析的目的)对相关工作进行了分类。我们的分析表明,现有研究主要集中在使用网络连通性和来源图进行基于图神经网络的检测上,而更高层次的抽象、预测性安全目标和以弹性为导向的设计则相对较少被探索。我们还发现了主要的实际和方法论限制,特别是在基准真实性、可解释性和部署可扩展性方面。为了解决这些问题,我们提出了一条前瞻性的研究路线图,重点包括物理感知的混合学习、可信赖的因果推理、设计上可解释的图智能、具有对抗鲁棒性的系统以及以人为中心的安全分析。该框架为研究人员和安全专业人士提供了从反应式检测向更具上下文意识和弹性的IoT/CPS安全解决方案发展的结构化指导。
引言
物联网(IoT)与信息物理系统(CPS)的融合将关键基础设施转变为高度互联的环境,在这种环境中,网络事件可以迅速引发物理后果[1]、[2]。这种变化在智能电网、工业自动化、智能交通和自主系统中尤为明显,这些系统中的大规模感知、通信和实时控制紧密耦合[1]、[3]。虽然这种集成提高了监控和运营效率,但也大大增加了系统面临网络物理威胁的风险[2]、[4]。像Stuxnet和Mirai僵尸网络这样的高调事件表明,看似局部的组件漏洞可能会升级为更广泛的运营中断、安全风险和级联故障[3]。因此,保护这些环境需要能够不仅分析孤立事件,还能分析影响整个系统行为的依赖关系、交互和因果路径的分析模型[1]、[4]。
传统的网络安全方法,特别是入侵检测和异常分析,主要依赖于事件级别的观察。在这种范式中,网络流量、日志条目和传感器记录通常被视为独立的特征向量,这限制了捕捉实体随时间和系统层次间相互影响的能力[5]、[6]。在IoT/CPS环境中,这种假设尤其具有局限性,因为威胁往往是通过协调的、多阶段的或跨层的进程出现的,而不仅仅是通过单个异常记录[7]、[8]。图智能提供了一个自然的替代方案,因为它将设备、过程、资产和抽象概念表示为节点,将它们之间的关系表示为边。这使得在统一的关系框架内对通信结构、信息流、功能依赖性和语义威胁上下文进行建模成为可能[7]、[9]、[10]。在这一范式中,图神经网络(GNN)受到了特别关注,因为它们通过聚合局部邻域的信息来学习表示,非常适合结构上下文至关重要的安全任务[5]、[10]。从孤立事件分析到基于图的系统推理的概念转变如图1所示。
这种系统视角尤为重要,因为IoT/CPS的漏洞超出了网络领域。这些环境是异构的、对安全要求高的,并且受到操作限制[1]、[2]。被破坏的传感器数据、被篡改的控制命令或延迟的执行可能会超出网络范围,直接影响物理过程本身[1]、[11]、[12]。此外,分布式智能的日益使用引入了额外的问题,包括数据污染、模型操纵、通信开销以及分散部署下的可观测性限制[4]、[13]、[14]。这些特性使得IoT/CPS的安全成为一个系统级问题,需要结构化、可解释、可扩展且基于实际操作的分析方法[6]、[15]。
尽管关于IoT/CPS的基于图的安全性的文献迅速增长,但它在多个研究方向上仍然分散。现有的调查提供了对特定维度的有价值覆盖;然而,它们通常围绕单一主导视角来组织该领域。例如,Zhong等人[5]专注于使用GNN进行入侵检测,Guan等人[6]研究了对抗鲁棒性,Vatter等人[15]调查了分布式系统中的可扩展GNN部署,Hernandez-Ramos等人[4]回顾了用于IoT安全的联邦学习。相关的研究也讨论了更广泛的安全和保障问题;然而,它们没有提供一个综合框架来分析基于图的安全研究在表示、方法和操作目标方面的内容[1]。如表1所示,这种分散的视角没有提供对该领域的统一分析视角。目前尚不清楚图表示、分析方法和安全目标之间是如何相互关联的,从而限制了跨研究的综合和应用。
为了解决这一差距,本研究通过一个统一的三轴分类法对IoT/CPS安全中的图智能进行了系统性的文献回顾。通过根据图抽象层次、分析方法和安全目标对相关工作进行分类,我们为评估该领域提供了一个结构化的基础,而不是将其视为一系列相互独立的算法。这种视角有助于对文献进行批判性综合,揭示当前研究的重点,并揭示重要的研究空白。它还为解决实际问题(如基准真实性、部署限制、可解释性和对抗操纵的弹性)奠定了更清晰的基础。本研究的整体结构如图2所示。
本研究的主要贡献如下:
1.我们提出了一个统一的三轴分类法,根据图抽象层次、分析方法和安全目标对相关研究进行了组织,并利用这一框架对IoT/CPS安全中的图智能进行了系统和批判性的回顾。
2.我们指出了文献中的主要概念和方法论空白,包括对更高层次的功能和语义抽象的相对较少探索、对预测性和弹性目标的关注不足,以及在基准真实性、可解释性和部署可扩展性方面的持续挑战。
3.我们提出了一条前瞻性的研究路线图,并提供了以物理感知的混合学习、设计上可解释的图智能、可扩展和联邦架构、对抗鲁棒性以及以人为中心的操作集成为导向的实践指导,以支持从反应式检测向更具上下文意识、可信赖和操作可信的网络物理弹性过渡。
本文的其余部分安排如下。第2节描述了系统回顾的方法论。第3节提出了所提出的分类法并绘制了研究格局。第4节批判性地分析了现状并识别了关键的研究空白。第5节概述了未来的研究方向、研究路线图,并讨论了与部署相关的实际挑战和开放性问题。最后,第6节总结了本研究。
章节摘录
系统回顾方法论
为了为本研究奠定基于证据的基础,我们进行了系统文献回顾(SLR)。这种结构化的方法确保了识别、筛选和选择相关研究内容的透明和全面的过程。我们的多阶段方法,从最初的数据库查询到最终选择主要研究,如图3所示。
IoT/CPS安全中的图智能分类法
需要一个强大的概念框架来构建这个快速发展和多样化的基于图的安全领域。一个构建良好的分类法不仅仅是一个分类方案;它还作为一种分析工具,用于映射知识格局、识别主导的研究趋势、揭示未探索的“空白区域”并指导未来的研究[5]、[15]。本节介绍了所提出的框架。我们首先阐述了新分类法的理由,
现状:批判性分析
在已建立的框架基础上,我们使用(L, T, S)元组符号对当前的最新研究进行了批判性分析,重点关注研究发现、方法论权衡和根本性空白。本节超越了简单的研究目录,识别了主导模式,评估了它们的固有局限性,并指出了未来工作中必须解决的根本性空白。我们的分析基于表7中综合的证据,该表映射了最近的研究格局
未来研究方向和路线图
对现状的批判性分析很有价值,但其最终目的是指明前进的道路。上一节中确定的关键挑战,即语义-上下文差距、时间动态、可解释性和可扩展性差距,并非不可克服的障碍,而是变革性研究的契机。本节概述了一个旨在解决这些根本问题的研究路线图,将图智能从一个强大的分析工具转变为
结论
物联网(IoT)与信息物理系统(CPS)的融合使安全问题上升为一个根本性的系统问题,仅靠孤立事件分析无法解决。图智能为此提供了强大的分析基础,因为它可以建模现代关键基础设施中形成网络物理风险的依赖关系、交互和因果关系。为了构建这个快速扩展的领域,本研究提出了
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本研究报告的工作。
致谢
作者感谢编辑和匿名审稿人的宝贵意见和有益建议,这些意见大大提高了本文的质量。本工作部分得到了中国国家重点研发计划(2023YFB3107505)、国家自然科学基金(62302371)和CPSF博士后奖学金计划(GZC20232035)的支持。