中国指挥与控制学会会刊 
在物联网中,设备节点的增加意味着潜在的攻击面也随之增加,这对提高物联网环境的安全提出了挑战。由于物联网各设备的功能、数据敏感度以及操作需求均存在差异,导致传统的网络访问控制方法无法满足物联网终端访问权限在细粒度划分上的需求[1]。传统的访问控制方法通常根据访问用户的角色展开权限分配,未考虑不同设备之间的差异特性和环境因素的干扰,难以适应物联网复杂设备的变化特性[2]。因此,亟须对物联网终端访问细粒度控制方法展开研究。
文献[3]方法先是通过“阶段”属性来获取数据的生命周期状态,然后利用基于策略距离的层次聚类算法建立数据生命周期各阶段对应的访问控制策略,最后基于关键属性匹配实现数据对应阶段策略的自适应调整,该方法中基于策略距离的层次聚类算法具有较高的计算复杂性,导致无法准确识别物联网终端恶意访问用户。文献[4]方法先是构建自适应安全可验证外包双边CP-ABE模型,然后基于该模型利用批量可验证技术构建双边访问控制策略,该方法中外包双边CP-ABE模型的密钥生成、撤销和更新的难度均较大,导致数据加密的通信开销较大。文献[5]方法首先基于加权属性加密算法对数据展开加密处理,并对数据展开分布式存储,其次通过BBTE方法和RSU技术获得信任值,最后通过挖掘不同角色质量的属性权限关系来构建分层访问控制策略,并利用剪枝技术实现访问策略优化,该方法中RSU技术的计算和存储资源有限,当处理大规模的信任评估任务时,信任值评估的效果较差。文献[6]方法先是利用智慧合约将访问策略和节点属性引入区块链中,然后基于密文—策略属性基加密方法展开数据加密,最后根据访问控制合约实现请求节点属性和访问策略的自动判定授权,实现访问控制,该方法构建的智能合约语言的表达能力较弱,容易出现漏洞,导致物联网访问控制的性能较低。
为了解决上述方法中存在的问题,本文提出考虑权限阈值的物联网终端访问细粒度控制方法。
1 基于改进AES算法的物联网敏感数据加密
选取AES-128加密算法,并对该算法的密钥展开10轮扩展处理,扩展后的算法含有44个字,每4个字为一轮密钥,具体过程如下:
(1)定义加密算法的初始密钥包含16个字节,表示为l0~l15。对于第一轮密钥表示为(e0,e1,e2,e3),其中每个e均表示一个字,且每个e中均含有4个字节,对于第一轮密钥中第i个字ei的构成如下:
ei=(l4i~l4i+3),i=0,1,2,3
(2)对于剩余的轮密钥,构成方式如下:
ei= $\left\{\begin{array}{l}{\mathit{e}}_{\mathit{i}-1}\oplus {\mathit{e}}_{\mathit{i}-4},\mathit{i}\mathit{ }\mathit{m}\mathit{o}\mathit{d}\mathit{ }4\ne 0\\ {\mathit{Y}}_{\mathit{i}}\oplus {\mathit{e}}_{\mathit{i}-4},\mathit{i}\mathit{ }\mathit{m}\mathit{o}\mathit{d}\mathit{ }4\ne 0\end{array}\right.$
式中,i=4,5,…,43;Yi(i=4,8,…,40)表示临时变量,对于Yi(i=4,8,…,40)的具体计算过程可参考式(3)。
Yi=SubWord(RotWord(ei-1))RCo ${\mathit{n}}_{\frac{\mathit{i}}{4}}$
式中,SubWord表示S盒代换;RotWord表示单位为字节的循环移位变换;RCon属于一个常数,对于RCon的具体描述如下:
$R C o n=\left(R C_{i}, 00,00,00\right)$
式中,RC1=01;RCi=2·RCi-1;i>1。
固定密钥需定期更换以降低泄露风险,但物联网设备受限于计算能力,频繁执行密钥协商协议会导致高延迟和能耗激增。时间标签通常是一个动态变化的参数,如时间戳或序列号。在密钥建立过程中引入时间标签,可以使得每次加密使用的密钥都是动态生成的,而不是固定的。这样可以增强密钥的随机性和不可预测性,防止密钥被破解后长期使用。并且,时间标签仅作为密钥派生参数,无须通信双方传输完整密钥,无须在数据包中额外添加抗重放字段,在保证安全性的同时,每个数据包减少2-4字节的传输负载,避免因传统密钥协商协议产生的额外数据包,可进一步优化通信开销。因此,为了加强传统AES-128加密算法[9]的加密强度,在密钥建立过程中引入时间标签y,通过改进AES算法,降低长期密钥管理风险。引入y后的第i个轮密钥ei描述如下:
ei= $\left\{\begin{array}{l}{\mathit{e}}_{\mathit{i}-1}\oplus {\mathit{e}}_{\mathit{i}-4}\oplus \mathit{y},\mathit{i}\mathit{ }\mathit{m}\mathit{o}\mathit{d}\mathit{ }4\ne 0\\ {\mathit{Y}}_{\mathit{i}}\oplus {\mathit{e}}_{\mathit{i}-4}\oplus \mathit{y},\mathit{i}\mathit{ }\mathit{m}\mathit{o}\mathit{d}\mathit{ }4\ne 0\end{array}\right.$ ,i=4,5,…,43
利用公式(5)中的轮密钥ei对物联网敏感数据展开加密,在解密时,同样通过该轮密钥ei解密来获得原始敏感数据。
2 物联网终端访问细粒度控制
在物联网终端访问控制中,“细粒度”指对访问权限进行更精细、更精准的管理与控制,使其能够根据用户身份、设备状态、环境参数等动态调整权限,并有效确定访问任务的优先级,高精度地管理物联网终端的访问请求。因此,首先将忠诚度引入直接信任度计算中来获取物联网访问请求方的信任值,并根据物联网管理员设定的权限阈值为访问请求方分配数据访问权限;然后利用模糊综合评价法确定访问任务的优先级。
2.1 基于信任值阈值的访问权限分配
本文将忠诚度引入直接信任度计算中来获取物联网访问请求方的信任值[10],通过对不同信任值的用户分配不同的访问权限,实现了对访问权限的精细管理。具体过程如下。
假设a和t分别表示物联网数据提供方和访问请求方, ${\mathit{U}}_{\underset{\mathit{a}\to \mathit{t}}{\mathit{F}}}$ (γ)表示a和t之间对于任意事件类型γ的直接信任度,对于 ${\mathit{U}}_{\underset{\mathit{a}\to \mathit{t}}{\mathit{F}}}$ (γ)的计算过程为
式中, ${\mathit{P}}_{\mathit{\varphi }}^{\mathit{a},\mathit{t}}$ 表示a和t之间发生的关于γ的全部结果的集合;pi是集合 ${\mathit{P}}_{\mathit{\varphi }}^{\mathit{a},\mathit{t}}$ 中的第i个结果;σ(u,ui)是指第i个事件随着时间的增长对物联网访问请求者直接信任度计算的衰减程度,u和ui分别表示此刻时间和第i个事件发生的时间;O(pi,γ)是指在第i个事件中,a对t的信任度评价。对于σ(u,ui)和O(pi,γ)的具体计算过程如下:
式中,g(ui,u)表示时间衰减函数; ${\mathit{C}}_{\mathit{i}}^{\mathit{D}}$ 是指a对γ类事件的收益预期值;CV(γi)是指第i个事件的收益实际值;h是指a基于 ${\mathit{C}}_{\mathit{i}}^{\mathit{D}}$ 与CV(γi)的差值得到的信任评估函数。
当物联网中出现恶意行为时,通过公式(7)无法识别恶意节点,因而增加访问请求者的忠诚度。当物联网某个节点上存在恶意行为时,该节点的信任值会大幅度下降。对于物联网数据访问请求者t的忠诚度权重函数Z(pi,γ)的计算过程如下:
$Z\left(p_{i}, \gamma\right)=\left\{\begin{array}{c} 1, \frac{A_{i}(a, t)}{A_{v}(a, t)} \geqslant 1 \\ \frac{g_{i}(a, t) A_{i}(a, t)}{A_{v}(a, t)}, \text { 其他 } \end{array}\right.$
其中,Ai(a,t)是指在物联网第i次服务中,a对t服务的重要度;Av(a,t)是指在物联网当前第v次服务中,a对t服务的重要度;gi(a,t)是指在物联网第i次服务中,a对t的期望值。
引入忠诚度的物联网数据访问请求者t的信任值 ${\mathit{U}}_{\underset{\mathit{a}\to \mathit{t}}{\mathit{F}}}$ (γ)的具体描述为
定义s(γ)是γ类事件的信任度在所有事件信任度中的权重值,且 ${\sum }_{\mathit{\gamma }}^{}$ s(γ)=1,则物联网数据访问请求者t的总信任值 ${\mathit{U}}_{\underset{\mathit{a}\to \mathit{t}}{\mathit{F}}}$ (γ)'的描述如下:
式中, ${\mathit{U}}_{\underset{\mathit{a}\to \mathit{t}}{\mathit{F}}}$ (γ)'∈[-1,1]。
将网络访问请求者的角色分为恶意用户、普通用户、高级用户,并设定对应的权限阈值U1、U2。当 ${\mathit{U}}_{\underset{\mathit{a}\to \mathit{t}}{\mathit{F}}}$ (γ)<U1时,判定该访问请求者为恶意用户,则该用户无任何访问物联网数据的权限;当U1≤ ${\mathit{U}}_{\underset{\mathit{a}\to \mathit{t}}{\mathit{F}}}$ (γ)<U2时,判定该用户为普通用户,则该用户可以访问物联网中的普通数据;当 ${\mathit{U}}_{\underset{\mathit{a}\to \mathit{t}}{\mathit{F}}}$ (γ)≥U2时,判定该用户为高级用户,则该用户可以访问包含敏感数据在内的所有物联网数据,并将公式(5)中的密钥ei发送给该用户,该用户可通过密钥解密获得物联网中的敏感数据[11]。
2.2 基于模糊综合评价法的访问任务优先级确定
构建包含物联网所有终端访问请求任务的集合G、物联网终端访问请求任务上下文因素集I以及访问任务上下文因素集I的权重集S,对于G、I、S的具体描述如下:
式中,Gi是指物联网终端的第i个访问请求;n表示物联网访问请求总数;I1、I2、I3分别表示访问任务的地点、截止时间和访问用户信任值;S1、S2、S3分别表示I1、I2、I3对应的权重。
建立模糊矩阵K=(kij)3*n,kij表示第i个访问请求任务上下文因素对第j个物联网访问请求任务的隶属度,则K=(kij)3*n反映了上下文因素和物联网访问请求任务之间的关系。
定义B(Ui)表示访问请求任务上下文因素的隶属度函数,将物联网终端的各个访问请求I1、I2、I3代入B(Ui)中,能够得到各因素的隶属度,则上下文因素的评价矩阵K具体描述如下:
K= $\left\{\begin{array}{llll}{\mathit{k}}_{11}\mathit{ }& {\mathit{k}}_{12}& \mathit{ }\dots & \mathit{ }{\mathit{k}}_{1\mathit{n}}\\ {\mathit{k}}_{21}& \mathit{ }{\mathit{k}}_{22}& \mathit{ }\dots \mathit{ }& {\mathit{k}}_{2\mathit{n}}\\ {\mathit{k}}_{31}\mathit{ }& {\mathit{k}}_{32}& \mathit{ }\dots & \mathit{ }{\mathit{k}}_{3\mathit{n}}\end{array}\right\}$
构建加权平均模型qj,对于qj的具体计算过程如下:
qj= $\sum _{\mathit{i}=1}^{\mathit{n}}$ xi*kij(i=1,2,3)
其中,qj表示第j个访问请求任务的优先级综合评价值;xi表示第i个访问请求任务上下文因素的权重系数。
将公式(13)转换成矩阵形式表示如下:
基于加权平均法即qj/ $\sum _{\mathit{i}=1}^{\mathit{n}}$ qi,对Q展开归一化处理,得到Q=( ${\tilde{\mathit{q}}}_{1}$ , ${\tilde{\mathit{q}}}_{2}$ ,…, ${\tilde{\mathit{q}}}_{\mathit{n}}$ ),如果 ${\tilde{\mathit{q}}}_{1}$ > ${\tilde{\mathit{q}}}_{2}$ >…> ${\tilde{\mathit{q}}}_{\mathit{n}}$ ,则表示物联网终端各访问请求任务的优先级序列为G1,G2,…,Gn,根据G1,G2,…,Gn中的顺序对物联网终端的各个用户的访问请求展开处理[14-15]。
3 实验与分析
为了验证考虑权限阈值的物联网终端访问细粒度控制方法的整体有效性,需要对其展开测试。
在图1所示的物联网环境中展开终端访问细粒度控制,并设置实验参数如下:网络终端设备共20台设备类型,分为传感器、门锁、摄像头三种;网络带宽为100 Mbps;处理器的内存为5 GB;访问用户数量为500个;物联网中敏感数据占总数据的30%;权限阈值U1=0.35、U2=0.75。
3.1 加密成本
根据图2可知,箱体的上下边界线分别表示加密一个数据的最大通信开销和最小通信开销,中位线表示加密所有数据的通信开销平均值。对比三种方法,在加密相同数量的物联网敏感数据时,所提方法的通信开销远低于加权属性加密方法、密文-策略属性基加密方法,表明利用所提方法展开敏感数据加密的成本更低,能够有效降低后续的物联网访问控制成本。这是由于本文方法在原有的AES算法基础上,引入了时间标签,通过动态派生会话密钥减少密钥协商次数,并将时间标签作为天然抗重放参数替代传统附加字段,减少数据包传输负载,从而显著降低了通信开销。
3.2 访问者信任值
由于物联网终端访问者的信任值决定了该访问者对物联网数据的访问权限,进而决定了最终的访问控制效果,因此利用本文所提方法、加权属性加密方法和密文-策略属性基加密方法,对物联网终端访问者的信任值展开评估,以此验证本文所提方法在物联网终端访问控制任务中的细粒度控制水平。访问者信任值的评估值和实际值的对比如图3所示。
分析图3可知,在加权属性加密方法和密文—策略属性基加密方法应用下,这两种方法的物联网访问者信任值评估值和信任值实际值波动曲线之间均存在较大差异。而所提方法的物联网访问者信任值评估值和信任值实际值波动曲线完全吻合。这是由于本文方法采用了将忠诚度引入直接信任度计算的方式获取物联网访问请求方的信任值,提高了信任值的准确性和全面性,实现细粒度控制,从而能够根据不同用户的信任值动态分配差异化的访问权限,确保只有高信任度的用户才能获得敏感资源的访问权限,有效提升了物联网系统的安全性和访问控制的灵活性。
3.3 访问成功率
在物联网终端访问控制场景中,将试图通过非授权或破坏性手段绕过系统安全机制、非法获取设备资源或干扰正常服务运行的异常访问主体定义为恶意访问用户。这些用户使用伪造身份凭证尝试越权访问,按随机设定频率发送畸形数据包干扰服务,并重复回放历史合法请求制造异常会话。为了进一步比较本文所提方法、加权属性加密方法和密文—策略属性基加密方法的物联网终端访问控制性能,现利用上述方法展开物联网终端访问控制,并在访问控制过程中不断增加恶意访问用户,统计三种方法控制下的物联网正常用户成功访问率情况,如图4所示。
通过图4能够发现,随着物联网中恶意访问用户的增加,三种方法控制下的访问成功率均呈现下降趋势。其中,本文所提控制方法的访问成功率下降速度最慢,当物联网中不存在恶意访问用户时,所提方法控制下的物联网成功访问率高于加权属性加密方法和密文—策略属性基加密方法。而当物联网中恶意用户的比例达到60%时,本文所提控制方法的访问成功率仍在95%以上。但对比另两种方法来看,当物联网中恶意用户的比例达到60%时,加权属性加密方法控制下的正常用户访问成功率下降至43%,密文—策略属性基加密方法控制下正常用户访问成功率下降至69%,说明这两种方法在恶意用户增加较多时,无法区分正常用户与恶意用户,统一实行了访问控制,拒绝了大部分用户的访问申请,降低了正常用户的访问成功率。而本文所提方法能够更准确地计算出该用户的信任值,判断出该用户为恶意用户,进而单独拒绝恶意用户的访问申请,不会影响正常用户的访问权限,具有更高的物联网终端访问控制性能,实现了细粒度控制。
4 结束语
为了提高物联网环境的安全性,需要对物联网终端用户展开访问控制,目前的访问控制方法存在数据加密开销较大、访问者信任值的评估效果较差以及访问控制性能较低的问题。为了解决上述问题,提出了一种考虑权限阈值的物联网终端访问细粒度控制方法,该方法先是利用基于时间标签的AES加密算法对物联网中的敏感数据展开加密,然后计算物联网访问者的信任值,基于权限阈值对访问者展开身份识别和数据权限分配,最后通过模糊综合评价法确定各访问者的访问优先级。经验证,该方法具有较低的数据加密开销,且能够有效提高访问者的信任值评估效果和访问控制性能,为物联网环境安全研究提供了数据支持。