近年来物联网设备已经成为大规模网络攻击的目标,其安全问题日益严重。然而,由于物联网设备通常功耗和内存受限,使其无法安装传统的安全软件,如防病毒、IDS软件等进行安全防御。因此,如何获得物联网设备内部复杂的安全行为和状态并进行安全检测是目前亟需解决的问题。针对上述问题,本文提出了通过固件虚拟化并结合深度学习技术对物联网设备进行系统安全检测与防御的方法,并设计和实现了一种物联网行为安全检测系统。针对难以获得物联网设备内部复杂的安全行为和状态的问题,本文基于固件虚拟化技术模拟出物联网设备的系统运行环境,进而收集物联网设备内部复杂的安全行为和状态。针对物联网设备内部行为信息结构复杂难以检测的问题,本文提出了基于深度学习的物联网行为安全检测方案。该方案分为训练阶段和实时检测阶段。训练阶段系统通过深度神经网络学习设备的系统行为复杂特征并进行模型构建。实时检测阶段,系统基于训练好的检测模型进行物联网行为的安全检测。针对物联网异常行为的风险缓解的需求,本文对异常行为进行分析,确定其所处的攻击阶段以及其具有的安全风险,并提出了风险缓解策略。基于以上方案我们实现了基于固件虚拟化和深度学习的物联网设备行为安全检测原型系统,并对原型系统进行功能测试与性能测试。测试结果显示,该系统能够有效地实现物联网设备行为的安全检测和风险缓解,同时带来了较小的性能开销。