近日，我校77779193永利官网硕士研究生马祖超（指导老师：刘亮）在物联网恶意节点检测领域的研究成果DCONST: Detection of Multiple-Mix-Attack Malicious Nodes Using Consensus-based Trust in IoT Networks被信息安全著名会议25th Australasian Conference on Information Security and Privacy (ACISP 2020)录用，并被评为会议唯一一篇最佳学生论文。ACISP会议自1995年首次举办以来，至今已是第25届，这是继西安电子科技大学、国防科技大学之后，国内高校再次获得最佳学生论文，也是我校首次获得该会议最佳学生论文。

随着物联网技术的飞速发展，物联网在智能家居，智慧医疗，公共安全，工业监控及环境保护等领域广泛应用，近年来成为研究热点。然而，由于物联网网络拓扑十分灵活，接入设备软硬件安全性低，使整个网络安全性不足，容易遭受各种恶意攻击。物联网设备计算、存储能力弱，面向传统网络的恶意节点检测技术无法有效地部署至物联网环境中。现有恶意节点检测算法性能易受网络拓扑影响，检测结果对节点的存活性以及其所收集信息的可靠性有较强的依赖，鲁棒性差。为此，该研究针对物联网中具有多种攻击能力的恶意节点，建立恶意节点混合攻击模型，通过对网络中传递的数据报文嵌入知识标签，以知识标签的流动为恶意节点检测提供感知信息，使物联网节点无需额外的网络通信即可获取网络的数据传输、节点交互历史、数据完整性等证据信息，进而学习网络中节点的信誉；提出了一种基于群体共识的信誉量化模型（DCONST），对恶意节点进行定位并识别出其具体的攻击行为。此成果降低了检测算法对网络拓扑、节点存活性、收集信息可靠性的依赖，提升了检测鲁棒性。

Australasian Conference on Information Security and Privacy (ACISP) 是信息安全领域的著名国际会议。ACISP旨为国际研究人员和行业专家提供一个介绍与讨论信息安全、隐私和网络安全领域最新研究趋势、突破和挑战的学术论坛，使一些前沿的信息安全技术及其存在的问题得到讨论与分享。ACISP2020收到投稿151篇，录用论文30篇，录用率20%。ACISP组委会每年仅选取1篇到2篇论文授予最佳论文奖，挑选1篇论文授予最佳学生论文奖，其中最佳学生论文奖要求学生对研究的贡献超过50%。此前该会议的最佳论文、最佳学生论文多数由国外著名高校获得。

该研究工作得到了国家自然科学基金项目的资助和支持。