随着实验室的新一代的太阳能杀虫灯物联网节点的研发落地，新的关于保护户外设备抵御物理攻击的研究需求进一步出现。新的研究工作开展的原因主要有两个方面：1）实验室新研发的太阳能杀虫灯物联网节点已经开始大量的采用智能IP摄像头；2）将这些携带了智能IP摄像头的太阳能杀虫灯物联网节点部署在户外的时候，极有可能会遇到物理攻击的问题。因此，实验室舒磊教授和博士生苏勤联合印度的两位学者Anakhi Hazarika和Nikumani Choudhury对智能IP摄像头网络物理攻击实时检测开展了研究工作，并在国际期刊IEEE Transactions on Industrial Cyber-Physical Systems上合作发表了研究成果《基于网络与遥测数据的智能IP摄像头网络物理攻击实时检测》。其中来自于印度Birla Institute of Technology and Science学院电子工程系的Anakhi Hazarika为第一作者，Nikumani Choudhury博士和博士生苏勤为共同作者，舒磊教授为通信作者。

研究问题：这个研究工作要解决的问题是智能IP摄像头在网络物理攻击下的安全问题。具体来说，研究目标是设计一个基于机器学习的自适应安全框架，能够在边缘计算设备上实时检测和分类网络物理攻击。传统的安全防护手段依赖预定义规则，难以应对不断变化的攻击模式，而本研究则利用网络流量和遥测数据，通过数据驱动的方法检测异常行为，实时识别安全漏洞，并迅速发出预警。

该问题的研究难点包括：如何在资源受限的边缘计算设备上实现高效的安全措施；如何动态调整安全措施以应对不断演变的威胁；如何在实时处理中快速检测威胁并立即响应安全漏洞或异常。该问题的研究相关工作包括对物联网（IoT）设备和网络物理系统（CPS）中网络物理攻击的研究，特别是针对智能相机的物理对抗攻击的研究。

这篇论文提出了一个基于机器学习的自适应安全框架，用于解决智能IP摄像头的网络物理攻击问题。具体来说，该文提出了一种名为IALSTM（推理感知LSTM）的新型模型，专为资源受限的边缘计算设备设计。通过结构化剪枝、超参数优化、定点运算和量化技术等多项创新手段，有效降低了模型的计算复杂度和延迟，同时保持了较高的检测准确率。实验结果表明，IALSTM模型在准确率、延迟和适应性方面表现出色，适用于实时异常检测。未来的工作将进一步整合联邦学习，改进模型更新以应对不断演变的威胁，并扩展遥测数据的维度，以提高框架的弹性和实用性。

这篇研究论文的发表延续了实验室与印度的学者的良好合作，不久前双方也联合开展研究工作，发表了新的期刊论文Camera planning for physical safety of outdoor electronic devices: Perspective and analysis, in IEEE/CAA Journal of Automatica Sinica, 2025.

论文信息：

[1] A. Hazarika, N. Choudhury, L. Shu and Q. Su, "Real-Time Detection of Cyber-Physical Attacks on Smart-IP-Camera Using Network and Telemetry Data," in IEEE Transactions on Industrial Cyber-Physical Systems, vol. 3, pp. 251-261, 2025, doi: 10.1109/TICPS.2025.3544128.