FLUID-IoT:通过多用户UI分发在共享IoT环境中实现灵活且细粒度的访问控制

环境感知与上下文计算智能家居交互设计智能家居隐私与安全

文献标题

FLUID-IoT: Flexible and Granular Access Control in Shared IoT Environments via UI-Level Control Distribution

文献信息

  • 主题领域: 共享物联网环境中的访问控制
  • 关键词: IoT安全, 访问控制, 多用户物联网, UI分发, 智能家居, 权限设置, 共享设备管理

研究背景与问题

  • 发现的挑战: 共享物联网设备的需求增加,现有的访问控制机制(例如 Google Home、Amazon Alexa)多为“全或无”模式。这种模式可能导致:

    • 安全风险:敏感设备(例如摄像头)的不必要权限开放。
    • 用户体验问题:阻碍共享设备生态系统的普及。
  • 重要性:

    • 为了充分发挥物联网在多用户环境中的潜力,必须解决设备共享时的隐私问题和灵活性不足的问题。
    • 精细化的访问控制方法能够改善用户体验,并确保共享的安全性。
  • 研究动机与相关工作:

    • 现有研究尝试通过修改物联网应用或构建新系统增强访问控制,但这些方法通常需要大量基础架构改动,并难以部署到非开源的平台。
    • 所谓的“设备级访问控制”并不能满足用户对单设备功能(例如空调的温度控制或风速调节)的精细化管理需求。

解决方案

  • 提出的方法: FLUID-IoT框架通过引入多用户UI分发技术,将现有物联网应用改造为集中的控制中心,能基于用户权限选择性地分发设备的UI组件。

  • 创新之处:

    • 用户界面(UIs)微粒化权限:基于UI元素(如智能电视的频道切换按钮或音量控制按钮)进行功能级别的控制。
    • 无需修改底层设备逻辑:框架通过UI分发进行访问控制,而非直接修改设备连接的核心逻辑。
    • 支持现有IoT平台:可快速集成到主流的非开源平台(如Google Home、Amazon Alexa),无需对源代码进行大规模调整。
  • 实施步骤与关键技术:

    • 多活动模式运行:支持IoT应用在前台同时运行多个UI界面,允许用户并行控制。
    • UI提取与单独渲染:每个UI元素在独立的渲染缓冲区中显示,确保UI分发的灵活性,避免UI元素被覆盖。
    • 动态UI流切换:根据用户权限配置,通过网络通道对目标UI元素进行选择性分发。
    • 兼容多平台和现有IoT应用:系统级框架可直接支持未修改的IoT应用。

研究成果

  • 具体成果:

    • FLUID-IoT成功集成到六种主流物联网应用(Google Home、Amazon Alexa等),预计覆盖物联网生态系统的90%。
    • 提供了三种访问控制机制:
      1. 差异化访问控制:支持基于角色差异分配UI功能。
      2. 基于时间的访问控制:支持时间段授权。
      3. 监督访问控制:通过监控和授权确保设备使用安全。
  • 实验与评估结果:

    • 覆盖率测试:FLUID-IoT框架可支持六种主流IoT平台,证明其高兼容性。
    • 性能评估
      • 响应时间:平均128.6ms,与用户“瞬时反应”感知阈值(100ms)相近。
      • 多用户环境下同步延迟显著减少,从原生Google Home的平均5秒降至165ms。
      • 内存消耗较低,仅占现代智能手机平均内存的0.297%。
    • 用户研究
      • 17名参与者对FLUID-IoT进行实地测试,FLUID-IoT总得分为79.08(SUS量表),处于“良好使用体验”评级。
      • 多数用户认可差异化权限设置对日常场景的显著优势。
  • 局限性与未来方向:

    • 局限性
      • 当前不支持基于第三方UI引擎(如Flutter)的IoT应用。
      • 系统依赖单一主设备,存在单点故障风险。
      • 尚未解决远程访问或物理按钮绕过的场景。
    • 未来方向
      • 支持更多访问控制机制(如基于地理位置或操作速率限制)。
      • 改进可扩展性以支持大规模用户或设备场景。
      • 开发跨多个IoT平台的统一界面解决方案,减少多应用间的割裂体验。

综上,FLUID-IoT是一种具有广泛适用性和高度灵活性的新型框架,为共享物联网环境中精细化安全访问控制提供了创新解决方案,同时也明确了未来研究方向。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/147714/2024

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3613904.3641991
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
7 位作者
sell
研究子方向
环境感知与上下文计算、智能家居交互设计、智能家居隐私与安全
work
职业/产业
article
内容状态
已索引正文
hub
相关论文
9 篇相关论文