СИСТЕМАТИЧНИЙ АНАЛІЗ МЕТОДІВ ЗАБЕЗПЕЧЕННЯ ІНФОРМАЦІЙНОЇ БЕЗПЕКИ В IOT-ПРИСТРОЯХ

Назарій Вітів; Оксана Гонсьор

doi:10.28925/2663-4023.2026.34.1226

Автор(и)

Назарій Вітів Національний університет "Львівська Політехніка" https://orcid.org/0009-0005-8225-9765
Оксана Гонсьор Національний університет "Львівська Політехніка" https://orcid.org/0000-0003-0895-5859

DOI:

https://doi.org/10.28925/2663-4023.2026.34.1226

Ключові слова:

автентифікація, апаратні методи захисту, блокчейн, Інтернет речей, інформаційна безпека, криптографія, штучний інтелект

Анотація

В даній роботі досліджено відомі методи забезпечення інформаційної безпеки, що є актуальними для IoT-пристроїв і враховують їх специфіку. Обґрунтовано актуальність проблеми захисту інформації в IoT, описано широкий діапазон існуючих підходів та необхідність їх комплексного застосування з урахуванням ресурсних обмежень пристроїв. Проаналізовано наукові праці дослідників, що охоплюють легковагову криптографію, системи виявлення вторгнень, апаратні методи захисту, блокчейн та методи штучного інтелекту. Розглянуто чотирирівневу архітектуру IoT-систем (рівень пристроїв, мережевий, платформний та рівень застосунків) з точки зору загроз і механізмів захисту, а також детально розглянуто концептуальні засади кожного методу: легковагова криптографія (алгоритми PRESENT, SPECK, SIMON, ASCON), системи виявлення вторгнень (IDS) на основі сигнатур, аномалій і машинного навчання, апаратні засоби захисту (TPM, Secure Boot, TEE, PUF), технологія блокчейн та методи з використанням штучного інтелекту. Для кожного методу систематизовано переваги та обмеження з урахуванням специфіки ресурсно-обмежених IoT-пристроїв. В заключному розділі проведено порівняльний аналіз зазначених методів за п'ятьма критеріями: ефективністю захисту даних, виявленням атак, адаптивністю, ресурсними витратами та оптимальним рівнем використання в архітектурі IoT. Наукова новизна роботи полягає в систематизації зазначених методів у єдиній порівняльній матриці з урахуванням оптимального рівня їх застосування в архітектурі IoT. На основі проведених досліджень обґрунтовано доцільність застосування комплексного підходу до забезпечення інформаційної безпеки, який передбачає інтеграцію різних механізмів захисту на всіх рівнях архітектури IoT.

Завантаження

Дані завантаження ще не доступні.

Посилання

Amrita, Ekwueme, C. P., Adam, I. H., & Dwivedi, A. (2024). Lightweight cryptography for Internet of Things: A review. EAI Endorsed Transactions on Internet of Things, 10. https://publications.eai.eu/index.php/IoT/article/view/5565

Suryateja, P. S., & Rao, K. V. (2024). A survey on lightweight cryptographic algorithms in IoT. Cybernetics and Information Technologies, 24(1), 21–34. https://doi.org/10.2478/cait-2024-0002

Alqahtani, H., & Sarker, I. H. (2025). A systematic review of lightweight cryptographic schemes for security and privacy in IoT. Discover Computing. https://doi.org/10.1007/s10791-025-09755-3

Santos-González, I., Rivero-García, A., González-Martín, C., & Caballero-Gil, P. (2025). A survey of efficient lightweight cryptography for power-constrained microcontrollers. Technologies, 13(1), 3. https://doi.org/10.3390/technologies13010003

Bhavsar, M., Roy, K., Kelly, J., & Odeyomi, O. (2023). Anomaly-based intrusion detection system for IoT application. Discover Internet of Things, 3, Article 5. https://doi.org/10.1007/s43926-023-00034-5

Sharma, B., Sharma, L., Lal, C., & Roy, S. (2023). Anomaly based network intrusion detection for IoT attacks using deep learning technique. Computers and Electrical Engineering, 107, Article 108626. https://doi.org/10.1016/j.compeleceng.2023.108626

Sabeena, S., & Chitra, S. (2024). Comparative study on anomaly based intrusion detection using deep learning techniques. EAI Endorsed Transactions on Internet of Things, 11(1). https://doi.org/10.4108/eetiot.7178

Seth, A. (2025). Attack and anomaly detection in IoT sensors using machine learning approaches. Journal of Recent Innovations in Computer Science and Technology, 2(1), 16–27. https://doi.org/10.70454/JRICST.2025.20108

Mohan, S., Jayakumar, V., & Selvaraj, R. (2025). TinyML-based intrusion detection systems for sustainable and energy-constrained IoT devices. Results in Engineering, 24, 103171. https://doi.org/10.1016/j.rineng.2025.108013

Velázquez-Rodríguez, A., Iglesias-Martínez, M. E., & Fernández-de-Vega, F. (2025). Lightweight signal processing and edge AI for real-time anomaly detection in IoT sensor networks. Sensors, 25(21), 6629. https://doi.org/10.3390/s25216629

Xia, Y., Zhou, Y., Liu, J. N., Liu, X., Chen, J., Xiao, F., & Zhu, H. (2025). Hardware-enhanced data security for Internet of Things. Fundamental Research. https://doi.org/10.1016/j.fmre.2025.09.025

Zhurylo, O., Liashenko, O., & Avetisova, K. (2023). Hardware security overview of fog computing end devices in the Internet of Things. Innovative Technologies and Scientific Solutions for Industries, 1(23), 57–71. https://doi.org/10.30837/ITSSI.2023.23.057

García-Teodoro, P., Camacho, J., Maciá-Fernández, G., & Díaz-Verdejo, J. E. (2024). Strengthening Internet of Things security: Surveying physical unclonable functions for authentication, communication protocols, challenges, and applications. Applied Sciences, 14(5), 1700. https://doi.org/10.3390/app14051700

Almarri, S., & Aljughaiman, A. (2024). Blockchain technology for IoT security and trust: A comprehensive SLR. Sustainability, 16(23), 10177. https://doi.org/10.3390/su162310177

Gugueoth, V., Safavat, S., Shetty, S., & Rawat, D. (2023). A review of IoT security and privacy using decentralized blockchain techniques. Computer Science Review, 50, 100585. https://doi.org/10.1016/j.cosrev.2023.100585

Obaidat, M. A., Rawashdeh, M., Alja'afreh, M., Abouali, M., Thakur, K., & Karime, A. (2024). Exploring IoT and blockchain: A comprehensive survey on security, integration strategies, applications and future research directions. Big Data and Cognitive Computing, 8(12), 174. https://doi.org/10.3390/bdcc8120174

Kaushik, D., Gulia, P., Gill, N. S., Mohammad, Y., Shukla, P. K., & Shreyas, J. (2026). Synergizing blockchain and AI to fortify IoT security: A comprehensive review. Artificial Intelligence Review, 59(2), Article 41. https://doi.org/10.1007/s10462-025-11434-0

Juber, A. H., & Farhan, B. I. (2026). Innovative strategies for IoT security using AI and blockchain: A comprehensive review. Iraqi Journal for Computers and Informatics, 52(1), 99–112. https://doi.org/10.25195/ijci.v52i1.656

Hassan, J., Abid, M. K., Ahmad, M., Ghulam, A., Fakhar, M. S., & Asif, M. (2023). A survey on blockchain based intrusion detection systems for IoT. VAWKUM Transactions on Computer Sciences, 11(1). https://doi.org/10.21015/vtcs.v11i1.1385

AlE'mari, S., Anbar, M., Sanjalawe, Y., Manickam, S., & Hasbullah, I. (2022). Intrusion detection systems using blockchain technology: A review, issues and challenges. Computer Systems Science and Engineering, 40(1), 87–112. https://doi.org/10.32604/csse.2022.017941

Khraisat, A., Alazab, A., & Alazab, M. (2025). Federated learning for intrusion detection in IoT environments: A privacy-preserving strategy. Discover Internet of Things, 5, 72. https://doi.org/10.1007/s43926-025-00169-7

Pagano, A., Ferraro, G., & Petralia, G. (2025). Federated learning-driven cybersecurity framework for IoT networks with privacy preserving and real-time threat detection capabilities. Informatics, 12(3), 62. https://doi.org/10.3390/informatics12030062

Al-Sarem, M., Al-Hagery, M., & Saeed, F. (2025). A survey on cybersecurity in IoT. Future Internet, 17(1), 30. https://doi.org/10.3390/fi17010030

Rivadeneira, J. E., Díaz-Verdejo, J. E., García-Teodoro, P., & González-Manzano, L. (2025). A literature review on security in the Internet of Things: Identifying and analysing critical categories. Computers, 14(2), 61. https://doi.org/10.3390/computers14020061

Tuptuk, N., Hazell, P., Watson, J., & Hailes, S. (2023). A survey on cyber risk management for the Internet of Things. Applied Sciences, 13(15), 9032. https://doi.org/10.3390/app13159032