论文标题：Analyzing consumer IoT traffic from security and privacy perspectives: a comprehensive survey

期刊：Frontiers of Computer Science

作者：Yan JIA, Yuxin SONG, Zihou LIU, Qingyin TAN, Yang SONG, Yu ZHANG, Zheli LIU

发表时间：8 May 2025

DOI： 10.1007/s11704-025-41155-0

微信链接：点击此处阅读微信文章

引用格式：

Yan JIA, Yuxin SONG, Zihou LIU, Qingyin TAN, Yang SONG, Yu ZHANG, Zheli LIU. Analyzing consumer IoT traffic from security and privacy perspectives: a comprehensive survey. Front. Comput. Sci., 2026, 20(7): 2007809

阅读原文：

摘要

消费级物联网（CIoT）的普及在带来便利的同时，也引发了严峻的安全与隐私挑战。南开大学研究团队提出“流量视角下的安全审计”新范式，深入探讨了网络流量分析在识别设备风险、检测恶意行为及评估隐私泄露中的关键作用。该综述系统总结了 CIoT 流量的独特特征，解构了从数据采集、特征提取到模型分类的完整分析链路，并针对加密流量识别等行业痛点提出了前瞻性的解决方案。

文章精要

在智能家居、智能穿戴等消费级物联网（CIoT）快速发展的今天，如何有效监管海量异构设备的安全性面临核心技术痛点。与传统互联网设备不同，CIoT 设备通常资源受限，且采用了多样化的通信协议（如 ZigBee、蓝牙及各类专有协议），这使得传统的安全防护软件难以直接部署。此外，CIoT 设备产生的流量具有高度的周期性、特定性且往往经过加密处理，导致传统的深度数据包检测（DPI）手段失效，如何从“加密的统计特征”中精准识别设备指纹并预警潜在攻击，成为安全领域亟待突破的屏障。

为了解决这一难题，南开大学团队提出了针对 CIoT 流量分析的系统性分类与综述框架。该研究摒弃了单一的漏洞分析，转而构建了从流量感知到威胁识别的全生命周期技术路径。框架核心涵盖了设备识别（Device Identification）、行为检测（Behavior Detection）及隐私评估（Privacy Evaluation）三大任务。研究深入探讨了利用机器学习与深度学习技术提取流量的流时序特征、包大小分布及协议交互模式，实现在不解密的情况下识别设备类型及其操作指令。同时，团队详尽分析了针对 CIoT 的分布式拒绝服务（DDoS）攻击检测与敏感信息外泄识别的最新研究进展。

研究表明，在对多个公开 CIoT 流量数据集的对比分析中，基于图神经网络（GNN）和序列模型的分析方法展现出卓越的鲁棒性。数据显示，通过流量指纹技术，安全系统能以超过 95% 的准确率自动识别接入网络的异常设备。此外，该综述还重点讨论了当前 CIoT 领域面临的现实困境，如跨设备交互带来的关联风险以及大规模加密通信下的检测效率瓶颈。这一研究不仅为构建透明、可信的消费级物联网环境提供了详尽的技术路线图，也为相关行业标准的设计与监管政策的制定提供了重要的参考。

期刊简介

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办，南京大学支持，SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华院士，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐B类期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”；两次入选“中国科技期刊卓越行动计划”（一期梯队、二期领军）。