Вопреки распространенному мнению, большинство устройств Интернета вещей, представленных на рынке, не используют лучшие методы шифрования и протоколы безопасности и, следовательно, недостаточно оснащены для предотвращения любых угроз безопасности. Однако многие из них неспособны обновиться просто потому, что они изначально не были предназначены для обеспечения безопасности.
Известен факт, что, несмотря на высокий уровень их внедрения во всем мире, В мире более 85% устройств Интернета вещей в мире не защищены. Честно говоря, Интернет вещей лучше подходит для бизнеса, где устройства способны улучшить аспекты безопасности и надежности. Но в потребительском мире, где доступность имеет более важное значение, чем безопасность, производителям определенно нельзя доверять безопасность. Поэтому в таких ситуациях многие будущие устройства Интернета вещей будут более подвержены ботнетам и другим атакам, чем когда-либо. К счастью, мы можем решить эту проблему, если будем использовать аналитику и машинное обучение для повышения безопасности Интернета вещей.
В настоящее время машинное обучение используется для анализа данных, генерируемых Интернетом вещей, для повышения удобства работы пользователей и повышения эффективности. Эту же технологию можно использовать для улучшения методов обеспечения безопасности Интернета вещей путем анализа моделей использования и поведения устройств. Это может помочь вам заблокировать аномальные действия и потенциальные угрозы. К счастью, сейчас технологи сосредоточены на настройке наиболее уязвимой системы безопасности Интернета вещей, то есть дома.
Использование облака для централизации интеллекта
Ученые сейчас пытаются агрегировать данные со всех конечных точек продуктов Интернета вещей внутри облачный сервер. Это поможет им анализировать вводимые данные и обнаруживать вредоносное поведение. Они также смогут увидеть, какие серверы и устройства взаимодействуют с устройствами Интернета вещей, и, следовательно, обнаружить аномальное поведение. Они могут проверять наличие подозрительных пакетов, вводящих в заблуждение URL-адресов и вредоносных загрузок.
Использование искусственного интеллекта с машинным обучением
Машинное обучение может быть полезно при разработке расширенного интеллекта для защиты устройств IoT. Безопасность система, основанная только на распознавании образов и машинном обучении, будет собирать информацию только из существующих соединений, то есть уже подключенных устройств и сети. Все внешнее будет рассматриваться как угроза. Таким образом, такие системы время от времени будут вызывать ложные срабатывания. Лучший способ смягчить это — создать расширенный интеллект (человеческий интеллект с машинным обучением).
Человеческий интеллект может легко различать доброкачественные и вредоносные действия. Далее, человеческий корм в будущем можно будет имитировать спину, чтобы предотвратить ложные срабатывания. Следовательно, модель повышает эффективность обнаружения угроз и, в конечном итоге, снижает количество ложных тревог.
Помощь от поведения Интернета вещей
К счастью, устройства Интернета вещей предназначены только для выполнения определенного диапазона функций. Следовательно, хорошо сбалансированное сочетание человеческого интеллекта и машинного обучения может легко обнаружить и остановить вредоносное поведение.
/p>
Источник изображения: Wired.com
Модель состоит из небольшого устройства, которое можно легко установить в домашних сетях, мобильного приложения, позволяющего пользователю управлять устройством, и облачного сервиса, который хранит и анализирует консолидированные данные с помощью алгоритмов машинного обучения. Такая модель со временем повышает свою точность, поскольку она собирает информацию от устройств и клиентов.
Наконец, машинное обучение само по себе не может рассматриваться как комплексное решение. Чтобы остановить атаки, его необходимо объединить с человеческим интеллектом.
Читать: 0
