Internet of Things
PulseAugur coverage of Internet of Things — every cluster mentioning Internet of Things across labs, papers, and developer communities, ranked by signal.
- instance of federated learning 90%
- instance of Artificial intelligence of things 90%
- used by Hierarchical federated learning using access permissions 90%
- used by alphaXiv 70%
- used by federated learning 70%
- used by ScienceCast 70%
- instance of ScienceCast 70%
- instance of Gotit.pub 70%
- used by Gotit.pub 70%
- used by Wi-Fi 70%
- used by cloud computing 70%
- instance of edge computing 70%
21 天有情绪数据
-
LLM框架以高威胁检测精度提升物联网网络安全
研究人员开发了一个利用大型语言模型(LLM)增强物联网(IoT)生态系统网络安全的新型框架。该系统包括一个检测组件,该组件使用在特定IoT数据集(如IoT-23和TON_IoT)上微调的LLM来识别异常网络行为;以及一个预防组件,该组件制定自适应策略来应对检测到的威胁。该框架的设计包括提示管理、本地适应和全局优化模块,以实现上下文感知决策和持续学习。在基于Docker的环境中进行的验证表明,在威胁检测(99.75%)和缓解措施选择(9…
-
新的RFFI框架提升物联网设备安全性
研究人员开发了一个名为可插拔门控子带解耦融合与无标签捕获感知原型校准(GSDF-CAPC)的新框架,以改进物联网(IoT)设备的射频指纹识别(RFFI)。这种新方法通过动态调制带内波形和零子载波再生来解决跨域RFFI中的信噪比(SNR)交叉问题。GSDF-CAPC框架实现了显著的性能提升,在各种基准测试中展示了零重训练能力和最小的低信噪比损失。
-
语言模型增强智能家居物联网模糊测试
研究人员通过集成大型语言模型(LLMs)开发了一种增强型智能家居物联网(IoT)设备的模糊测试方法。这种新方法旨在通过模拟传统模糊测试方法经常忽略的、逼真的人类决策过程来提高物联网系统的安全性和可靠性。通过整合LLMs,该系统可以发现智能家居环境中复杂的人类交互所产生的意外漏洞,从而实现更强大、更以人为本的测试。
-
AI原生消费者网络攻击需要新的集体防御策略
AI驱动的网络攻击越来越多地针对消费者,超越了企业防御,利用个人数据和财务。新威胁包括通过恶意指令文件的间接提示注入、使用生成式AI进行语音和视频模仿,以及利用不安全的物联网设备。现有安全措施不足以应对这些AI原生攻击,因此需要新的消费者集体防御机制。
-
卫星链路集成到5G中,重塑物联网设备的设计和测试
IEEE Spectrum和Wiley发布的一份新白皮书详细介绍了卫星如何通过3GPP Release 15、16和17集成到5G标准中,从而重塑物联网(IoT)设备的设计和测试。该白皮书强调了现实的卫星链路仿真对于确保可靠性能的必要性,因为静态测试方法无法充分解决长传播延迟和多普勒频移等挑战。它强调了非地面网络(NTN)在资产跟踪和公共安全等远程应用中的价值,并概述了验证设备就绪情况的关键测量指标。
-
人工智能将成为未来十年 6 项关键科技趋势的认知层
人工智能有望成为未来十年众多技术进步的基础认知层。这种整合将推动医疗保健、农业、能源和太空探索等各个领域的转型。人工智能与机器学习、量子计算、扩展现实、区块链和物联网等其他关键技术的融合将塑造技术格局。
-
AI 审计智能家居设置以保障隐私和安全
作者使用 AI 工具审计了他们的智能家居设置,重点关注隐私、安全和稳健性。该过程涉及分析各种物联网 (IoT) 设备及其相关数据流。审计旨在识别潜在漏洞并确保智能家居系统可靠运行。
-
人工智能加速了不安全的“垃圾物联网”设备中的漏洞利用
“垃圾物联网”(internet of shit)是工程师们对庞大互联设备网络的称呼,由于固件未打补丁和安全功能不足,它带来了重大的安全风险。这些设备通常已经是僵尸网络的一部分,而人工智能正在加速漏洞的发现。专家建议用户在可能的情况下升级设备安全性,或者如果设备不是在线功能所必需的,则将其断开与互联网的连接。
-
新的CREG基准衡量机器人中基于证据的信念更新
研究人员推出了互联机器人证据图(CREG)基准,这是一个旨在衡量互联机器人系统中基于证据的共享信念更新的新评估协议。该基准包含七种模式下的350个场景,详细展示了系统如何归因证据、更新信念以及处理矛盾。对四个开源指令模型和六个融合基线的初步评估显示,实体归因对性能有显著影响,并且证据中的语义关系对于准确性至关重要,在某些情况下甚至优于图序列化。研究还强调,信念准确性在整个证据序列中可能不是单调的,这是仅关注终点的评估通常会忽略的一个细微差别。
-
智能冰箱黑客攻击凸显物联网重大安全漏洞
近期一系列冰箱黑客攻击事件凸显了物联网(IoT)生态系统中存在的严重漏洞。这些攻击涉及入侵智能冰箱,并对联网设备更广泛的安全风险发出了严峻警告。这些事件强调了改进安全措施和提高消费者对互联家用电器潜在危险的认识的紧迫性。
-
脉冲神经网络研究探索物联网传感效率
这项实证研究调查了不同的脉冲编码方法如何影响物联网(IoT)设备上脉冲神经网络(SNNs)的能效和准确性。研究人员使用NVIDIA Jetson AGX Orin等硬件,分析了包括无线、惯性和触觉在内的各种传感模态。研究结果表明,编码器的选择会显著影响能耗、延迟和识别准确性,为基于信号结构和特定任务的误差容忍度优化边缘传感系统提供了见解。
-
研究发现TinyML能效研究缺乏标准化
对资源受限嵌入式系统中TinyML研究的一项系统性映射研究发现,在能耗测量和报告方面缺乏标准化。该研究确定了常见的模型,如卷积和轻量级架构,以及影响能耗的因素,如模型架构、硬件和数值精度。优化策略分为模型压缩、感知硬件设计、系统优化和数据处理。研究结果强调需要提高实验平台和测量程序的_一致性,以_改善可复现性并促进跨研究的比较。
-
智能边缘对连接性的要求超越速度:覆盖范围、功耗、带宽、安全性和互操作性
智能边缘需要将连接性考量从单纯的速度转向五个关键领域,以支持分布式AI。这包括使网络覆盖范围与物理环境相匹配,优先考虑能源预算有限的设备的功耗效率,确保有足够的带宽来处理更丰富的数据和模型更新,并将安全性直接集成到连接层。互操作性对于无缝的系统集成也至关重要。
-
新的MEC方法优化了水下物联网数据收集的能量均衡
本文介绍了一种用于水下传感器网络能量均衡数据收集的新方法MECEBDC。它将移动边缘计算(MEC)与自主水下航行器(AUVs)集成,以优化聚类、簇头选择和数据收集。所提出的方法还采用了一种基于元启发式算法的AUV路由算法,该算法考虑了真实的や水下移动动力学,包括重力和浮力。模拟表明,MECEBDC显著降低了节点能耗,并延长了长期水下物联网应用的网络的寿命。
-
模型上下文协议 (MCP) 简化 AIoT 数据访问
模型上下文协议 (MCP) 是 smapiot GmbH 开发的一项开放标准,旨在为 AIoT 项目创建可靠的数据访问层。MCP 作为一座桥梁,将 AI 应用与各种数据源和工具解耦,使客户端无需了解底层基础设施即可发现和使用资源。该协议旨在简化物联网场景中对分散数据的交互,为 AI 代理提供统一的接口来访问信息和执行功能。
-
新框架统一XAI和NSAI以实现可信的物联网异常检测
研究人员引入了一个新的分析框架,旨在增强物联网(IoT)中异常检测系统的可信度。该框架旨在统一解释性人工智能(XAI)和神经符号人工智能(NSAI)的方法,这两种方法通常被分开考虑。通过在五个互补的维度上考察这些方法,该框架有助于表征现有系统,识别设计权衡,并指导开发新的、更可靠的异常检测解决方案,以应用于各种物联网应用。
-
新的自适应无人机采样方法改进了无线电环境测绘
研究人员开发了一种使用自适应无人机(UAV)采样来构建无线电环境地图的新方法,特别适用于非高斯物联网(IoT)观测。该方法利用集成嵌套拉普拉斯近似(INLA)来更新Matérn GMRF后验,并使用熵预筛选和前瞻算法来指导航点选择。研究表明,拓宽先验阴影标准差可显著提高精度和可信区间覆盖率,但过度自信仍可能存在。先验规范的有效性被证明与语料库相关,采集规则之间细微的差异影响有限。
-
新算法优化无线传感器网络中的入侵路径
研究人员开发了一种新算法OG-MOEA/D,旨在优化异构无线传感器网络中的入侵路径。该方法解决了规划路径的挑战,该路径在避开障碍物的同时最大化传感暴露并最小化长度。广泛的模拟表明,OG-MOEA/D在生成分布良好的帕累托前沿和提高超体积方面,始终优于MOEA/D和NSGA-II等现有算法。
-
AI模型在资源受限环境下进行物联网DDoS检测的评估
一项新的研究论文评估了在资源受限的物联网(IoT)环境中检测分布式拒绝服务(DDoS)攻击的几种预训练卷积神经网络架构。该研究使用CICDDoS2019数据集和基于图像的流量表示,根据准确性、可靠性、计算成本和可解释性评估了模型。DenseNet和MobileNet架构表现出强大的性能和可靠性,其中MobileNet显示出高准确性,而DenseNet169提供了卓越的定性可解释性。
-
DIY语音助手Jarvis为本地物联网集成而构建
Wes Fryer 详细介绍了创建名为 Jarvis 的私人本地语音助手的过程。该项目专注于将助手与物联网 (IoT) 集成,用于智能家居应用,强调 DIY 和离网能力。这篇感悟提供了构建此类系统的分步指南。