物联网技术在诸多领域获得广泛关注的同时,安全问题也变得日趋严峻。针对假冒合法身份、伪造攻击指令、篡改异常数据的威胁,基于加密计算、特征提取、传感器辅助的安全机制,面临计算资源有限、硬件配置不足、环境适应性弱的难题。随着背向散射通信在物联网领域的广泛应用,以及依赖无线链路实现共生传输的特点,其独特的物理层特性为物联网的安全设计提供了新的契机。为此,本文深入挖掘背向散射的绕射特性、空间方向性、非线性效应,构建了低复杂度的安全认证机制、轻量级的攻击检测机制、非侵入式的异常监测机制,有效保障了发送设备真实性、传输指令有效性、接收数据完整性。本文的研究成果如下:首先,针对计算资源有限,难以通过复杂加密实现可穿戴标签身份认证的难题,设计了基于绕射特性的低复杂度安全认证机制。具体地,首先深入挖掘可穿戴标签信号在身体表面绕射模式与身体外部设备的差异性。同时结合身体波动与设备移动对电磁波的影响,提出了基于手势移动的认证机制,强化绕射信号与肢体动作的关联性,实现了低复杂度的物理层安全认证。进一步,根据动作模式与电磁特征匹配关系,设计了基于尺度变化和方差波动机制消除干扰,有效提升系统认证性能。其次,针对硬件配置不足,难以通过天线阵列提取细粒度特征进行攻击指令检测的难题,设计了基于阵列方向性的轻量级攻击检测机制。具体地,首先采用背向散射标签贴附于网关构建分布式阵列,利用其反射多径的空间方向性确定设备的唯一性。为获取可靠的特征,设计了特征信息空间刻画机制进行多维度特征提取,同时设计特征切割修正方式区分合法与非法特征的差异性。此外,针对可预测信道状态的强力攻击,设计了标签随机以及多接收点协作机制,提升系统攻击检测能力。最后,针对监测系统面临数据篡改,而基于传感器方式需侵入式修改机器人,且环境适应性弱的难题,设计了基于非线性效应的非侵入异常监测机制。具体地,首先在机器人关节贴附背向散射标签,利用关节运动对背向散射信号的影响,将轨迹特征逐一表征。进一步,结合非线性效应以及收发信号设计,将信号中的动作信息进行融合与提取。同时,基于机械臂在各阶段的运行状态差异,设计了多阶段时频特征提取方案,并设计深度神经网络对特征滤波重构,以消除机器人反射干扰。本文针对物联网面临的安全难题,构建了低复杂度安全认证机制、轻量级攻击检测机制、非侵入式异常监测机制,并验证了方案的有效性,为物联网的安全提供了有力的技术支持。