智能家居是物联网技术的热门应用场景,帮助用户以手机等智能终端直接控制连接到互联网的智能设备,切实地为人们日常生活带来舒适和便利。但与此同时,设备异构性、多方数据交互、跨域服务共享等特性也使得智能家居系统存在拒绝服务、隐私泄露等安全隐患。与DDo S等传统网络攻击不同,攻击者控制设备产生的网络流量与用户正常请求之间无明显区别,这导致相关攻击行为难以检测。因此,为进一步保障智能家居系统的安全,本文对异常检测技术展开深入研究。首先,针对智能家居异常检测以不精准的网络流量统计信息、推断信息,复杂的应用程序源代码等作为分析对象的问题,研究基于应用程序日志的异常检测技术。为从大量应用程序日志中提取设备相关部分,以关键字做初步过滤,以物联网厂家某一设备的日志作为基础,根据TF-IDF算法构建其与新日志的词向量表示;基于词向量计算余弦距离以获得两者的文本相似度;相似度高于阈值即为所求,最终精准提取设备日志。其次,针对仅以物联网设备功耗、使用频率等作为异常行为检测依据,导致对隐蔽攻击不敏感的问题,研究基于用户使用设备习惯的异常检测模型。通过正则表达式提取设备日志中的记录时间、设备标识符等信息,以确定设备动作;遍历已存储的历史操作获得全部设备在该时刻的状态和早于该操作一段时间内的操作序列,并保存到“行为库”;若待检测日志经过相同步骤构建设备状态和操作序列后不能与之匹配,则被视为异常。同时,为达到实时异常检测的效果,设计并实现名为HAGuard的App,可在异常行为出现时向用户发出警报。最后,分别收集设备动作时日志和3名志愿者在智能家庭生活28天的日志构建两个数据集,对所提出两种方法进行实验验证与分析。