18、基于流量分析的智能家居应用平台层异常行为检测

基于流量分析的智能家居应用平台层异常行为检测

1. 实验设置与评估指标

在智能家居环境中，为了检测智能应用程序（SmartApps）的异常行为，我们进行了一系列实验。实验使用了 ZigBee 和 Z - Wave 两种无线协议。采用 TI CC2531 USB Dongle 作为 ZigBee 嗅探器，两个 USRPs 作为 Z - Wave 嗅探器。SmartThings 集线器与监测设备 HoMonit 之间的距离约为 2 米。从 SmartThings 公共 GitHub 仓库中选取了 30 个 SmartApps，这些应用与 7 个 ZigBee 设备和 4 个 Z - Wave 设备进行交互，设备位于距离集线器不到 10 米的 200 平方米房间内。

评估指标选择了真正率（TPR）、真负率（TNR）、精确率、召回率和 F1 分数。将异常行为定义为正例，因此 TPR 和 TNR 分别等同于语音活体检测任务中的真识别率（TRR）和真接受率（TAR）。精确率定义为正确推断事件占所有推断事件的比例；召回率定义为成功推断事件占所有触发事件的比例；F1 分数是精确率和召回率的调和平均值。

2. 微基准测试：事件和 SmartApp 推断

2.1 确定突发阈值

突发阈值用于对同一事件捕获的无线数据包进行聚类，直接影响 SmartApp 推断的有效性。实验步骤如下：
1. 随机选择 4 个 ZigBee 设备和 4 个 Z - Wave 设备。
2. 在每个设备上手动触发每种事件类型 50 次，两次连续事件的时间间隔为 3 - 10 秒。
3. 测量突发阈值从 0 到 10 秒整数取值时 SmartApp 推