LLM-Driven Auto Configuration for Transient IoT Device Collaboration

📄 arXiv: 2507.03064v1 📥 PDF

作者: Hetvi Shastri, Walid A. Hanafy, Li Wu, David Irwin, Mani Srivastava, Prashant Shenoy

分类: cs.CR, cs.AI

发布日期: 2025-07-03

💡 一句话要点

CollabIoT：利用LLM驱动的自动配置实现瞬态IoT设备的安全协作

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 物联网安全 设备协作 访问控制 大型语言模型 自动配置 瞬态环境 能力凭证

📋 核心要点

  1. 现有IoT设备协作面临挑战，尤其是在瞬态环境中，手动配置细粒度访问控制策略对非专业用户来说不切实际。
  2. CollabIoT利用LLM将用户高级意图转化为细粒度访问控制策略，并采用基于能力的访问控制和轻量级代理实现安全协作。
  3. 实验表明，CollabIoT能够以100%的准确率生成策略，设备配置时间约为150ms，网络开销和访问控制开销分别高达2ms和0.3ms。

📝 摘要（中文）

本文提出CollabIoT系统，旨在实现瞬态IoT环境中安全且无缝的设备协作。CollabIoT采用基于大型语言模型（LLM）的方法，将用户的高级意图转换为细粒度的访问控制策略。为了支持安全无缝的设备协作，CollabIoT采用基于能力的访问控制进行授权，并使用轻量级代理进行策略执行，从而提供硬件独立的抽象。论文实现了CollabIoT的策略生成和自动配置原型，并在IoT测试平台和大规模仿真环境中评估了其有效性。实验结果表明，基于LLM的策略生成管道能够以100%的准确率生成功能正确的策略。在运行时，系统配置新设备的时间约为150毫秒，基于代理的数据平面产生的网络开销高达2毫秒，访问控制开销高达0.3毫秒。

🔬 方法详解

问题定义：在瞬态IoT环境中，如何安全、高效地实现设备间的协作是核心问题。现有方法依赖手动配置细粒度访问控制策略，对于非专业用户而言，操作复杂且容易出错。此外，异构设备的兼容性以及运行时策略的动态执行也是挑战。

核心思路：CollabIoT的核心思路是利用LLM理解用户的高级意图，并将其自动转化为细粒度的访问控制策略。这种方法降低了用户配置的复杂性，并能根据环境变化动态调整策略。采用基于能力的访问控制和轻量级代理，实现了硬件无关的策略执行，提高了系统的灵活性和安全性。

技术框架：CollabIoT系统包含以下主要模块：1) LLM驱动的策略生成器：负责将用户的高级意图转化为细粒度的访问控制策略。2) 基于能力的访问控制模块：用于授权设备间的交互。3) 轻量级代理：在设备之间拦截和过滤数据，执行访问控制策略。整个流程为：用户输入高级意图 -> LLM生成策略 -> 设备注册并获取能力凭证 -> 设备间通过代理进行通信，代理根据能力凭证执行访问控制。

关键创新：CollabIoT最重要的创新在于利用LLM自动生成访问控制策略。与传统的手动配置或基于规则的策略生成方法相比，LLM能够更好地理解用户的意图，并生成更灵活、更安全的策略。此外，轻量级代理的设计降低了策略执行的开销，提高了系统的响应速度。

关键设计：LLM的选择和Prompt的设计是关键。论文中使用的LLM类型未知，但Prompt的设计需要能够清晰地表达用户意图，并指导LLM生成正确的策略。轻量级代理的设计需要考虑性能和安全性，例如，可以使用缓存机制来减少策略查询的开销，并使用加密技术来保护能力凭证。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

CollabIoT的实验结果表明，基于LLM的策略生成管道能够以100%的准确率生成功能正确的策略。在运行时，系统配置新设备的时间约为150毫秒，基于代理的数据平面产生的网络开销高达2毫秒，访问控制开销高达0.3毫秒。这些数据表明CollabIoT在策略生成准确性和运行时性能方面都表现出色。

🎯 应用场景

CollabIoT可应用于智能家居、智能办公、智慧医疗等多种场景。例如，在智能家居中，访客设备可以安全地访问特定的智能设备，而无需手动配置复杂的访问权限。在智慧医疗中，患者的医疗设备可以与医生的设备安全地共享数据，从而提高诊断效率。该研究有助于推动IoT设备间的安全协作，提升用户体验。

📄 摘要（原文）

Today's Internet of Things (IoT) has evolved from simple sensing and actuation devices to those with embedded processing and intelligent services, enabling rich collaborations between users and their devices. However, enabling such collaboration becomes challenging when transient devices need to interact with host devices in temporarily visited environments. In such cases, fine-grained access control policies are necessary to ensure secure interactions; however, manually implementing them is often impractical for non-expert users. Moreover, at run-time, the system must automatically configure the devices and enforce such fine-grained access control rules. Additionally, the system must address the heterogeneity of devices. In this paper, we present CollabIoT, a system that enables secure and seamless device collaboration in transient IoT environments. CollabIoT employs a Large language Model (LLM)-driven approach to convert users' high-level intents to fine-grained access control policies. To support secure and seamless device collaboration, CollabIoT adopts capability-based access control for authorization and uses lightweight proxies for policy enforcement, providing hardware-independent abstractions. We implement a prototype of CollabIoT's policy generation and auto configuration pipelines and evaluate its efficacy on an IoT testbed and in large-scale emulated environments. We show that our LLM-based policy generation pipeline is able to generate functional and correct policies with 100% accuracy. At runtime, our evaluation shows that our system configures new devices in ~150 ms, and our proxy-based data plane incurs network overheads of up to 2 ms and access control overheads up to 0.3 ms.