3.1. 身份验证研究
信息安全的另一个经常相关的方面是认证程序。一种方法是使用生物特征。这种方法不需要用户记忆额外的信息，也不需要携带额外的设备。使用的生物特征审查结果、最新相关工作和实现的指标见表4. 对认证准确性的现有值的分析不允许我们谈论特征的单一使用，但是，它使其在多模式认证中的使用具有相关性（例如，脸+虹膜[69]手指、指纹和声音上的面部和静脉排列[70]、手指和手掌的复杂参数[71,72])以及各种类型的乐团的构建[73,74]. 另一个新方向是使用生物特征获取密码密钥（所谓的生物加密系统[75,76]). 这种方法将允许使用现有的和经验证的加密协议，并添加作为密钥不断提供给用户的生物特征信息。然而，这种方法需要稳定地接收密码密钥，因此需要完全固定生物特征。这使得很难应用它们的动态变化。从现有的方法中，可以挑出形成图案的用途：指纹[38]和手指上静脉的位置[77]. 同样重要的是使用加密转换（如散列）来保护存储的生物特征（以及随后使用这些特征的可能性）。有一些关于特征保护的工作：指纹[73]，虹膜[78]、和演讲[79]. 用户身份验证的经典方法依赖于传统的密码保护。根据这种方法，Identifier-Authenticator对（Login-Password）与以某种形式存储的相同信息相匹配。后者不一定是完全相同的登录密码对-信息可以以加密的形式存储，或者只能由其哈希函数表示[80]. 这种方法的一个明显优点是实现简单，不需要任何额外的硬件和复杂的软件。
同时，这种方法也有一些实质性的缺点：
上述弱点需要采取额外步骤，通过多因素身份验证改进传统密码保护。
多因素身份验证是一种访问控制技术，要求用户除了提供登录名和密码外，还提供额外的身份证明，以访问其帐户。这种证明方法可以与只有合法用户才拥有的特定项目联系在一起。该项目可以是单个物理对象（令牌、智能卡等），也可以是用户无法分离或难以与用户分离的部分（他的手掌、手指、键盘行为等）。对于后者，我们讨论了生物特征。
生物特征是一组能够识别用户身份的特定身体或行为特征。
所有的个人生物特征可以分为用户的静态特征和用户的动态特征。
3.1.1. 静态生物特征用户特征
生物特征身份验证的静态方法基于出生时存在的人类生理参数，并通过其生命直至死亡，并且不会丢失、被盗或复制[82]. 以下参数通常用作身份验证的静态特征：
这些特征的一个缺点在于，只要付出巨大努力，它们就可以从实体上与所有者分离，被强行使用或伪造。
这些缺点可以通过使用动态生物特征来弥补。
3.1.2. 动态生物特征用户特征
生物特征认证的动态方法基于人类的行为特征，即在执行或重复任何琐碎动作时发生的特征潜意识运动[82]. 以下参数通常用作身份验证的动态特征：
应该指出，动态生物特征的使用并不是万能的解决方案，因为几乎所有特征都很可能出现类型1和类型2错误，这使得它们无法独立于其他方法使用。此外，在为AND系统开发多因素身份验证（要求通过所有子系统）时，它与其他方法的集成会导致发生类型1错误的可能性大大提高，从而损害系统的操作能力。让我们研究一下托木斯克州立控制系统和无线电电子学大学安全学院实施的几种方法。
3.1.3. 固定密码短语中的按键动力学
此特性的基本参数是按键持续时间（按下键和释放键之间的时间间隔）和按键间隔（按下当前键和按下下一个键之间的间隔）。
固定密码短语识别是基于当用户在系统的特定部分键入预定短语时获得的用户击键动力学分析；例如，当登录到用户输入其登录名和密码的系统时。这种方法也可以基于对所有用户使用相同的特定短语。静态分析通常用于用户只键入小文本的系统，例如在各种在线服务中，如银行、商店等[95]. 基于神经网络的方法的测试表明，1类错误概率为3–4%，相应的2类错误概率则为2–3%[96]. 如此高的概率消除了独立实施此方法的任何可能性。 使用基于模糊逻辑的方法可以获得更好的结果[97]；也就是说，4–5%的类型1错误概率和1–2%的类型2错误概率，尽管这种方法同样不适合独立实现。 3.1.4. 任意文本中的按键动力学
通过击键动力学进行的用户身份验证使用任意文本读取击键并将其写入数据库，以防止以对用户透明的方式对工作站进行未经授权的访问，并且不会引起可能试图使用工作站的入侵者的注意。
在这种情况下，针对最频繁的符号组合（二元图、三元图等）测量认证参数（上述时间间隔）。该方法在团队自己的实现中的使用表明，当应用朴素贝叶斯分类器时，在一个由用户提供的超过100000个符号的训练集中，八个用户可以无错误地识别，尽管上述样本大小无法使用。此外，其他来源[94]为各种身份验证特征分析方法提供类似的错误概率评估，尽管没有一种方法承认所讨论的方法适合独立实现。 3.1.5. 基于签名动态的身份验证
通过手写和验证短语（签名）的动态进行的个人认证是基于每个人的过程的独特和稳定性质，以及其参数可以被测量、数字化和计算机处理的事实。因此，身份验证是通过比较过程而不是书面结果来实现的[92]. 为了准备认证程序中涉及的参数，采取了以下步骤： 1） 手写笔位置对平板电脑依赖性的记录x个(t吨)和年(t吨)，与表面的距离z（z）(t吨)，压住平板电脑对(t吨)，触笔对着平板电脑倾斜α(t吨)以及触笔和轴形成的平面之间的角度年和z（z）和手写笔β(t吨)时间t吨（共六个参数）；
2） 通过线性变换，按照由最大参数值限制的固定维数对签名进行规范化，根据规范化重新计算步骤1依赖项；
3） 计算参数变化率和加速度随时间的变化关系（在此步骤之后，共有18个参数可用）；
4） 应用傅里叶变换识别步骤1中稳态分量的振幅和时间相关性的前七次谐波共8个振幅-合成参数记录到数据库中，并由分类器用于分析[98]. 然后使用神经网络和朴素贝叶斯分类器的方法分析所得参数。该分析以低于5%的认证错误概率生成了单个分类器的最高质量值，最低值超过1%，这再次明确证明了反对任何独立实现此方法的观点。
3.1.6. 几种认证方法的集成保证了最佳方法的性能不丢失
提高单个方法效率的一个明显方法是集成它们。然而，基于AND方法的直接集成（其中所有单独实现的方法都需要同时发生）会造成一种情况，即对于不同的方法，合法用户的成功身份验证概率将成倍增加。反过来，这将导致第1类错误概率的快速增加，并降低该方法的实用性。有必要制定一种集成方法，以确保与正在集成的最佳方法相比，任何方法的任何单个质量值都不会丢失。
这种方法可以表示为：
使用单调函数对神经网络和朴素贝叶斯分类器的输出值进行卷积。该函数包括几个附加系数——卷积参数。该函数的应用保证了这样一组系数可用于将卷积退化为具有其质量参数的单独分类器；
对所得卷积进行优化以选择用于分类目的的最优卷积参数和决策阈值。分类阈值是为每个用户单独选择的，并且可能因用户而异。考虑到单个分类器是卷积的片段，优化后，无论任何特定类型的标准如何，它们都保证结果至少与基于错误概率的单个质量值一样高。
为了实现这种方法，将整个样本分为三组：分类器学习集（实验占60%）；优化学习集（20%）；和测试集，用于评估合成组合分类器的质量（20%）[99]. 该方法的应用使得在基于神经网络和朴素贝叶斯分类器的方法集成过程中，可以在统计上显著降低认证错误概率。该方法基本上既适用于多因素认证系统的开发，也适用于不同因素的组合，例如语音认证和签名动态认证，并确保生成的质量值至少与任何单个方法中的质量值一样高。
3.1.7。进一步研究
本节概述了身份验证方法，并讨论了它们的优缺点。它详细讨论了使用托木斯克州立控制系统和无线电电子学大学系统集成与安全研究所实施的方法，基于动态生物特征的身份验证。结论是，尽管这些方法产生的结果与国际同行在独立分析个人特征方面的结果相当，但所讨论的方法都不能不加补充地应用，因为它们无法确保切实可行和可接受的认证质量，特别是在类型1和类型2错误概率方面。
基于这些方法的结果与AND运算符的组合，将这些方法直接集成在一起，会导致1类错误概率显著提高，并使此类系统难以在实践中使用。
本节提出了一种整合各种分析方法结果的方法，以确保其结果至少与这些方法中的最佳结果一样高，无论使用哪种基于准确性的评估标准。通过基于朴素贝叶斯分类器和神经网络方法的签名动态认证实例，验证了该方法的可用性。该方法可用于在开发多因素身份验证系统时集成多个因素，但为组合两个以上参数选择函数需要进一步研究。
3.3. 数字隐写术研究
信息系统中安全数据传输的当前趋势之一是基于数字隐写方法的应用，该方法将隐藏的数据序列用于各种目的嵌入数字对象中。
信息安全的密写方法在保密信息保护和数字对象认证中的应用[116]. 此外，数字隐写方法也用于与信息安全没有直接关联的领域。这种类型的一个示例是将服务信息嵌入到医学图像中，以便于存储和处理。 本节将讨论安全学院研究人员获得的数字隐写术研究结果。
除了应用之外，数字隐写方法还可以根据使用的数据类型进行分类。这些通常是音频和视频数据以及数字图像。本节将讨论数字图像中信息的嵌入。
在这一部分中，下一级分类基于数据是否被压缩：使用压缩图像和未压缩图像的方法和算法被视为两个不同的类。
在未压缩的数字图像中，信息嵌入在空间域或频域中。空域是数字图像的像素矩阵，频域是通过任何频率变换从数字图像中获得的值矩阵。这些值也称为频率变换系数[117]. 在频域中嵌入信息可确保嵌入的离散性或鲁棒性，具体取决于任何特定目标，并使信息嵌入与数字图像格式相结合成为可能。 在大多数情况下，使用压缩数字图像的隐写方法是基于频率的。联合图像专家组方法（JPEG）是最流行的数字图像有损压缩方法，它基于离散余弦变换（DCT）[117]在处理JPEG图像时，可以通过更改离散余弦变换的量子系数（DCT系数或简单系数）来实现嵌入。 除了我们自己的结果之外，我们还注意到数字图像中数据隐藏领域其他最先进研究的一些例子。
数字图像中的空间嵌入信息有很多算法。最广泛的分类包括基于最低有效位（LSB）方法的算法，根据该方法，数字图像像素的较低一位或两位用于记录秘密消息的位，携带人类视觉感知到的最少信息[116]. 基于LSB方法的不同嵌入算法在提高嵌入效率方面存在差异。隐写嵌入有效性的主要标准是嵌入的隐蔽性、容量和稳定性。
例如，文章[118]提出了一种基于LSB的嵌入方法，增加了嵌入容量。这是通过使用三元符号实现的：在每个像素中，由于只有两个低位的改变，两个三元数被隐藏。 在研究中[119]信息的嵌入是使用汉明码在数字图像像素的低位执行的。此方法允许嵌入长度为的消息片段k个+3人分成2人一组k个+3个像素，因为变化不超过两次。减少容器图像中的更改次数可以增加嵌入的不可见性。 文章[120]提出了一种利用插值将信息嵌入到从源图像获得的容器图像中的方法。嵌入类似于LSB，使用两个或三个低位的插值像素。 另一类广泛的空间嵌入算法是基于像素预测误差的使用。在这种情况下，将预测器应用于容器图像，该预测器基于相邻像素的值来计算图像的每个像素的值。构建了预测误差矩阵，其中包含像素的实际值和预测值之间的差异。当消息嵌入到容器图像中时，像素值根据相应消息位的值和预测错误而变化。
作为示例，我们注意到这篇文章[121]. 提出了一种基于方向封闭预测和扩展技术的数字图像信息空间嵌入算法。该算法的另一个显著特点是嵌入的可逆性，它允许在从容器图像中提取嵌入的消息后恢复其原始形式。 在[122]提出了一种基于直方图平移的可逆数据处理方法。使用Delaunay三角剖分，使用部分原始图像像素执行图像预测。像素数据的选择是随机进行的，这增加了对隐藏分析的阻力。 数字图像中嵌入频率信息的算法根据使用的频率变换进行分类。最常见的是离散傅里叶变换（DFT）、离散余弦变换（DCT）、沃尔什-哈达玛变换（WHT）和各种离散小波变换（DWT）选项。
以下显示了实现数字图像中信息频率嵌入的一些算法示例。
在[123]介绍了一种将数据嵌入DFT相位谱的算法。该变换应用于图像容器大小为8×8像素的块。将消息嵌入容器图像块是通过使用差分相位调制（改进的差分相移键控）的等长片段执行的。 中提出的研究[124,125]旨在实现嵌入DCT领域的最高电容。为此，在图像容器的每个块中，分配一个可变大小的方形区域，其中包含最不重要的DCT系数，当插入这些系数时，这些系数将替换为机密消息的元素。 在[126]它被描述为一种在DVP数字图像的频域中嵌入信息的算法。嵌入是块的，包括使用矩阵运算改变块系数的能量。根据嵌入位的不同，系数的总能量必须相当于某个模值S公司，其中S公司是算法的可变参数。这种技术类似于矢量量化。 所有考虑的算法都适用于未压缩的图像。数字隐写术领域的另一个广泛研究领域与将信息嵌入压缩的数字图像有关。
实践中使用的最流行的压缩方法是JPEG，因此与此领域相关的大量研究都致力于处理JPEG图像。在大多数情况下，当处理JPEG图像时，嵌入是在量化的离散余弦变换系数中执行的。嵌入的效率根据与空间嵌入相同的标准进行评估。
在许多情况下，为了提高将信息嵌入压缩JPEG图像（以及其他类型的图像）的效率，可以使用生物启发优化方法。工作就是一个例子[127]描述了GA-PM1算法，其中使用遗传算法在使用PM1方法嵌入信息时选择两种可能的方法之一来更改每个DCT系数。将图像的块状作为最小化的目标函数。 在[128]，它仅与大小等于预定值L的DCT系数一起使用，以记录消息位。该值是相应算法的参数。嵌入单个位时，系数的绝对值增加一，而嵌入零位保持不变。同时，隐藏空间中未包含的所有其他系数的绝对值也增加了一，以便在检索消息时不会出现歧义。 在许多论文中，在压缩JPEG图像中嵌入信息涉及使用修改的量化表。例如，在[129]，将DCS频谱中频区对应的量化表元素除以整数k个，则完成舍入。机密消息被记录为k个-一元数系统，给定数的位数以加法方式构建到中频DCT系数中。 在[130]，零DCT系数的对角线序列相对于主对角线形成对称条带，用于嵌入。嵌入算法考虑了将消息位嵌入到单独序列中的各种选项，具体取决于其系数的行为。嵌入操作是附加的。在[130]值得注意的是，所提出的方案在保持质量的同时增加了嵌入容量，并且是可逆的。 除了JPEG，还有其他压缩数字图像的方法。特别是，有很多嵌入算法可以处理使用矢量量化压缩的图像。
作为该领域最新研究的例子，可以提到[131,132]. 在[131]提出了在采用绝对矩块截断编码（AMBTC）方法压缩的数字图像中嵌入信息的方法。本研究的目的是提高嵌入的质量。嵌入是通过用秘密消息片段替换位图来实现的，位图是根据AMBTC方法为原始图像的每个块计算的。为了减少失真，重新计算量化级别，量化级别与位图一起在压缩后对像素块进行编码。的作者[132]针对矢量量化（VQ）压缩图像，提出了一种新的无损数据隐藏方法。该方法结合了索引重新排序和索引预测，并减少了压缩文件的大小。 本文作者在大多数列出的领域中获得了原始的隐写方法和算法。获得的算法与最先进的算法相当，或者在某些标准上领先于它们。它们将在以下部分中介绍。
3.3.1、。未压缩数字图像中信息的空间嵌入
类LSB算法的关键问题在于，作为嵌入的结果，数字图像像素的最低有效位获得了秘密消息固有的统计特征，这成为它们的泄露因素，表明图像包含嵌入的消息。
解决这个问题有多种方法。其中一种方法是在嵌入消息之前对其进行转换，以隐藏其统计特征。
Evsutin公司[133]建议使用可逆细胞自动机的动力学来进行这种转换。具有可逆性的元胞自动机的一个例子是块元胞自动机[134]. 该团队检查了块元胞自动机洗牌和扩散信息的能力，并定义了自动机参数，以确保在初步转换期间可靠地隐藏消息的统计特征。 这个问题可以通过其他可逆转换（例如加密）来解决，但细胞-自动转换的优点是实现简单，动作速度快。
传统的类LSB的信息嵌入在数字图像像素中，使得无法恢复随后更改的像素的原始值。然而，有这样的算法实现了数据的可逆隐藏，在从容器图像中提取嵌入的消息后，将恢复原始图像而不会造成任何损失。
具有这种特性的算法的一个示例是基于插值的算法，其中秘密消息不嵌入原始图像中，而是嵌入通过放大原始图像创建的容器图像中。
报纸[135]讨论了一大类此类算法的研究，并提出了一种基于二次拉格朗日插值多项式的原始算法。这项研究使作者得出结论，这类算法不能确保隐写图像的高视觉质量，尽管它确实具有容量大、抗轻微亮度变化和嵌入可逆性等优点。 3.3.2. 未压缩数字图像中信息的频率嵌入
该算法实现了在离散傅里叶变换（DFT）的相位谱中嵌入秘密信息。选择嵌入的相位谱是因为与振幅不同，傅里叶变换元素的相位取精确定义的区间值无论容器图像如何。此属性方便地用于设置嵌入操作。
容器的图像被划分为不重叠的相等大小的块，并且应用DFT并计算每个块的相位谱。相位谱的一个分量用于嵌入一位秘密信息。
嵌入过程概述如下。两个非重叠间隔和（称为嵌入间隔）在间隔内进行.区间内的相位值与位0相对应，相位值落在间隔中，至位1。为了嵌入消息，将在指定的嵌入间隔内逐个检查容器图像块的相位值以获取成员身份。如果下一个相位谱分量的值是其中一个嵌入间隔的成员，则将秘密消息的下一位写入其中，如下所示：如果要求写入0，则将相位元素赋值为φ0; 如果为1，则φ的值1为了避免容器图像块的任何显著失真，在遍历中排除了相位谱的低频分量。
中讨论的研究的一个重要方面[136]是针对频率嵌入的典型问题提供的解决方案，其中嵌入的消息在从频率系数恢复数字图像像素后变得失真。健壮隐写方法的一些突出研究只关注隐写消息抵抗影响隐写容器的外部因素的能力。然而，当信息嵌入数字对象的频域并且没有受到外部因素的影响时，由于实值四舍五入为整数，在数字对象从更改的频谱恢复的阶段确实会发生失真。 Evsutin等人[136]通过迭代嵌入过程提供解决此问题的原始方法。消息的一部分嵌入到图像块中后，将进行检查，以查看是否可以提取所有嵌入的位而没有任何错误。该检查应用反向DFT，形成块的像素值，然后再次应用DFT，即模拟消息的提取。如果出现任何错误，可以通过在最近的DFT之后获得的系数块中重新嵌入位串来纠正。位的丢失和反转通过重新嵌入来纠正，而假位则通过返回初始相位值来消除。如果在给定的迭代次数后无法实现无错误恢复，则块中嵌入的信息量将减少一位，并再次重复该过程。 这种方法可以避免在隐写图像中传递的消息失真，然后将其恢复为原始形式。
中描述的算法[136]与中提出的算法属于同一类[123,126]. 它在容量和嵌入质量等方面与这些算法具有可比性。然而，它允许您在不失真的情况下提取嵌入的消息，这是它的主要优点。此功能允许您使用我们的算法嵌入信息，而无错误提取对信息的嵌入至关重要。这可以是压缩或加密的信息，也可以是文本数据，无需进行额外的转换。 3.3.3. JPEG压缩图像中的信息嵌入
论文中发表的许多算法支持JPEG压缩图像中的信息嵌入[137,138]. 由于JPEG压缩图像的普遍使用，数字隐写术的这一方向具有最高的实际意义。
处理JPEG图像的算法通过处理单独的DCT系数或DCT系数组来实现嵌入。在后一种情况下，通过在由要嵌入的比特确定的系数之间建立某些相关性来实现嵌入。
除此之外，这些算法可以根据它们使用的数据元素中的操作进行区分。如果消息的位直接嵌入到单个DCT系数中，则可以确定两类主要操作：加法操作和替换操作。
JPEG压缩图像中信息的附加嵌入主要由PM1方法的各种算法实现表示。该方法通过在JPEG图像的每个系数中嵌入一位秘密消息来处理非零DCT系数。嵌入是通过基于要嵌入的位的值更改系数的奇偶性来实现的。
Evsutin等人[137]证明了基于PM1的嵌入效率取决于JPEG块的遍历顺序和每个块中DCT系数的遍历次序。在不同位置具有不同数量非零系数的块中嵌入相同数量的信息会导致不同程度的失真。这就是为什么可以通过选择精确的DCT系数来提高嵌入质量的原因，当部分填充信息隐藏容器时，秘密消息的比特将写入该系数。 根据研究结果，Evsutin等人[137]针对JPEG图像DCT系数中基于PM1的消息嵌入，提出了一种原始的隐写路径开发方法。该方法的思想是，容器图像的每个块的权重是基于组成该块的DCT系数所在的频域计算的，并且嵌入期间块遍历的顺序取决于这些权重值。 实现上述方法的嵌入算法被归类为半自适应算法，因为块权重是在嵌入之前计算的。然后，将消息位逐个分配给消息块，这样就不会在一个块中嵌入连续的两个位。此外，将每个块中的DCT系数从高频域遍历到低频域。
与将消息比特随机分配到容器图像块相比，此方法可以显著提高嵌入质量。
中描述的算法的最接近模拟[137]是算法[127]. 在最大隐写图像填充时，两种算法在嵌入质量上都显示出可比较的结果，但是，如果隐写图像不完整，我们的算法将领先于[127]，显示较高的峰值信噪比（PSNR）值。 另一类使用压缩图像的DCT系数的隐写算法是基于替换操作的。代换可以应用于DCT系数或DCT系数的单个位。Evsutin等人[138]讨论了基于对单个DCT系数进行替换操作的原始嵌入方案的研究。 此方案中的主要元素是低整数值x个，称为替换值。嵌入时，将秘密消息的一位写入一个DCT系数，如下所示：如果一位等于1，则用该值替换DCT系数x个; 否则，值为−x个引入了一个额外的操作，以避免在提取期间出现歧义：所有DCT系数的绝对值与不用于写入消息位的替代值相同，都会增加或减少1。
Evsutin等人[138]提出了上述隐写方案的四种算法实现。它们的独特之处在于它们使用遗传算法来提高嵌入的质量。各个算法在优化目标上各不相同。 在每种情况下，遗传算法的作用是确保二进制字符串的子串在DCT块中的最佳位置。
如果我们取一个特定的替代值x个并且假设具有该值的DCT系数对应于位1，并且具有符号相反值的DCT系数对应于比特0，我们可以看到原始图像的任何DCT系数块都已经包含一些二进制字符串。这就是为什么嵌入可以被认为是从块中已经存在的字符串到需要嵌入的字符串的转换。过渡可以通过多种方式实现，每种方式都需要对DCT系数进行不同数量的改变。此外，使用任何特定系数的决定（将0或1写入系数，这是一种校正操作，无需更改）创建了如何使用其他系数的多个选项。此外，优化的目的是为整个区块选择最佳选项。
新嵌入方案和实现该方案的算法的一个重要优点是，它们可以选择任意DCT系数进行嵌入，从而确保消息比特在容器图像的DCT系数块之间的非均匀分布。该解决方案使嵌入任何特定容器图像的属性成为可能。
中所述算法的比较[138]与类似物[128,129]结果表明，我们的算法提供了最佳的嵌入质量，显示了较大的PSNR值，嵌套量相当。 3.3.4. 进一步研究
在上述领域的进一步研究将集中于合成数字图像中数据嵌入的新算法，以提供更高的嵌入效率。
特别是，建议使用生物启发优化方法来提高隐写嵌入的效率。将为数据嵌入和隐藏空间的开发建立并实现新的优化目标。
3.4. 安全数据传输研究
物联网（IoT）在各个工业部门提供了巨大的机会，即使是那些以前没有使用过互联网的行业，例如水坝、食品行业或能源会计。工业对物联网系统的需求引发了许多与此类系统的实施、使用、确保可靠运行和信息安全相关的问题。特别是，此任务需要解决方案：
- -
设备之间的安全数据交换；
- -
网络中设备的授权；
- -
设备上的远程软件更新；
- -
信息访问控制；
- -
接收信息的匿名化。
所有这些问题的解决方案都很复杂，因为这些设备的计算能力低，内存量少，并且必须尽可能少地消耗能量，因为它们通常是自治的。
使用区块链的想法[147,148]在众多概念中脱颖而出。随着物联网设备的数量不断增加，为了共享计算资源，它们越来越多地被合并到计算机网络中，出现了一种分散计算和数据存储的趋势，这与区块链概念类似。这种共生关系将允许创建高度安全的计算机网络，由于黑客攻击单个设备将不允许访问系统中处理的数据，因为这些数据存储在多个设备上，因此黑客攻击将非常困难，而受损设备本身将简单地从系统中关闭，损失最小。这样的系统不断地相互交换数据。 然而，目前典型的物联网系统使用中央服务器来管理、协调和存储数据[149]. 在此类系统中，必须提供可靠的设备身份验证，并提供远程更新物联网设备软件的能力。此类系统的特殊性在于，设备并非一直连接到服务器，而是短时间连接到服务器以传输数据和接收控制信号。使用这种方法，服务器上设备的持续身份验证将是一个昂贵的过程，因为设备之间传输用于身份验证的信息量可能会超过传输到服务器的信息量[150]. 或者，建议使用根据每个设备的物理和信息特征创建的设备的唯一指纹。这种方法允许设备身份验证创建最小的“寄生”流量。例如，这种打印可以是特定设备的射频辐射特性[150]或麦克风噪音和加速度计校准错误[151]. 这些技术通常与机器学习有关[152]. 远程软件更新的问题，除了源的可靠性问题外，还与以下事实有关：要更新软件，设备需要下载大文件，这意味着它需要长时间连接到数据网络，并且有足够的可用空间来保存固件数据。或者，建议单独更新每个功能，立即更新设备内存中的必要代码，然后通知服务器更新成功[149]. 这种方法可以将下载过程分成几个部分，还可以节省设备上的空间。 将这些技术应用于自动抄表（AMR）是不合理的。这是由于系统体系结构。在服务器和计量设备之间有一个中间设备（DCTD），服务器通过它与传感器进行交互。此设备的生产效率足以担当本地服务器的角色，但不足以使用基于机器的技术。无法远程更新仪表软件。数据采集和传输设备的更新可以一步完成。计量设备使用PLC/RF网络与DCTD相连，这不允许它们主动交换数据，也不允许使用区块链技术。
公用设施（如水、气、电等）的自动计量系统目前正处于积极发展阶段。这种系统被称为自动电表读数（AMR）系统。图5显示了AMR系统的结构。 中央服务器处理计量装置（MD）传输的所有信息。数据采集和传输设备（DCTD）充当MD和中央服务器之间的中介。DCTD负责测量仪表并监控其性能。
AMR系统最初是为工业企业设计的，但随着技术的发展，它们也被用于住房和公共服务。AMR系统在住宅建筑中的使用引发了一些问题。此类系统的组件需要互连，必须保护系统免受未经授权的访问，例如未经授权更换MD和其他威胁[153,154]. 目前用作AMR系统组件的设备不具备任何可靠的安全机制，因为它们用于工业设施，目的是测量公用设施的消耗量，但不提供商业计量。
提出了一种基于ITU-T G.9903（02.2014）建议的解决方案，以确保AMR系统中设备的可靠认证。EAP-PSK被用作在EAP上运行的身份验证协议，后者的容量正在扩展，以便在具有异构通信信道的网络中使用[155]. 在身份验证过程中，设备接收加密密钥以与其他网络参与者交换数据（前提是身份验证成功）。AES-CCM用作对称加密算法，结合以下两种算法：
AES-CTR-AES流加密模式；
AES-CBC—计算消息身份验证码的算法。
这种方法可以控制可连接到AMR系统的设备，并监控从DCTD和MD获得的数据的完整性和真实性。
然而，鉴于此解决方案是为具有异构通信信道的网络设计的，因此使用它并不总是可行的。如果所有设备都可以通过单个信道连接到AMR系统，使用为具有异构信道的网络设计的协议可能会使设备过载并产生寄生流量。
提出了一种基于IPsec的解决方案，以减少网络中的设备负载和寄生流量。由于所有AMR系统设备都支持6loWPAN协议（低功率无线个人局域网上的IPv6），因此该解决方案被证明是可行的。
IPsec移植到AMR系统设备，确保使用IKEv2协议对网络设备进行相互身份验证。也可以根据EAP-PSK协议配置网络。在配置期间，设备接收网络地址和身份验证密钥，此时EAP-PSK的执行停止，数据通过IPsec传输。另一个选项是使用设备上预先安装的证书。在这种情况下，初始配置是手动完成的，但网络不需要使用EAP-PSK。
传输期间的数据完整性控制和加密由ESP提供，ESP是IPsec在传输级别使用的协议。该协议确保了网络级传输的数据和数据包头的安全性。
这种方法可以确保AMR系统设备的可靠认证和待传输数据的安全性，并为网络操作的配置提供了广泛的选择；然而，它不能用于具有异构通信信道的网络。基于EAP-PSK的方法灵活性较小，但适用于具有异构通信信道的网络。
对于AMR系统，基于开发的方法提出了威胁列表。对系统机密性的威胁是与系统信息收集相关的威胁。这可以是设备、软件版本、身份验证数据、访问控制策略、网络地址、交互协议等的列表。对商业会计自动化系统完整性的威胁包括：替换对象、替换通信通道、删除对象，破坏通信信道、添加未授权对象、创建未授权通信信道；更改通信信道或对象设置。
总的来说，使用所开发的方法，在软件和硬件级别上识别出70个对AMR系统完整性的威胁。在将作者的方法应用于该系统之前，专家确定了该系统信息安全面临的59个威胁。已识别的其他威胁：未经授权将MD、DCTD或中央服务器添加到系统中，在MD和DCTD之间使用未经授权的硬件通信线路，在DCTD和中央服务器之间使用未授权的硬件通讯线路，创建MD模块之间的未经授权硬件连接，在DCTD模块之间创建未经授权的硬件连接，在中央服务器模块之间创建非授权的硬件链接，替换MD、DCTD或中央服务器（在逻辑网络中），在MD和DCTD之间使用未授权的驱动程序或协议进行通信，使用未经授权的驱动程序或协议在DCTD和中央服务器之间进行通信。应用作者的技术，可以在系统设计阶段提出针对额外检测到的威胁的复杂保护机制的要求[156,157]. 
