【儀表網 儀表下游】導讀：物聯網可以廣義地理解為配備傳感器和IP地址，以通過互聯網進行通信的計算設備網絡。物聯網設備的安全性之所以特別具有挑戰性，是因為這些設備的用途非常廣泛，超出了任何安全解決方案的范疇。此外，這些設備的設計成本較低、低功耗，而且通常只需一個簡單的密碼(如果需要的話)。這使得物聯網設備極易遭到黑客攻擊。
 

　　人工智能如何通過數據分析幫助物聯網網絡安全
 

　　如果物聯網設備擅長一件事，那就是通過無數傳感器收集數據。人工智能可以幫助物聯網設備在極短的時間內解析大量難以想象的數據。人工智能和物聯網的結合可以為組織提供更大的可見性和控制力，即使其擁有大量通過互聯網進行通信的設備和傳感器。換句話說，人工智能可以將企業通過物聯網收集到的數據轉化為有價值的見解。這在保護設備和網絡免受未經授權的訪問和滲透嘗試方面尤為重要。
 

　　物聯網中的安全問題
 

　　有多種因素使網絡安全成為物聯網設備的一個具有挑戰性的命題。該領域的規模和范圍極其廣闊，其中物聯網由各種各樣的設備組成，而且每種設備都有自己的操作系統和安全漏洞。這種異構性使得物聯網網絡難以用單一的防御系統來覆蓋。此外，由于物聯網設備的設計成本低廉，因此它們通常是低功耗、節能的設備，沒有內置或內置很少的安全框架。此外，每個網絡都由數千個甚至數百萬個這樣的設備組成，這些設備通過互聯網為其提供數據,這使得整個安全命題成為一場虛擬的噩夢，具有難以置信的操作復雜性。即使是最低限度，網絡也需要確保所有操作系統、網絡應用程序的定期更新，同時保持新資產的庫存，衡量安全風險，檢測潛在目標等。而這正是安全專業人士在應對物聯網網絡安全威脅時求助于人工智能的原因所在。
 

　　物聯網網絡安全中的人工智能
 

　　構建物聯網安全框架的基本步驟在于識別網絡上的所有設備。對于擁有數百萬傳感器和設備的大型網絡來說，這可能是一項艱巨的任務。然而，有了人工智能，發現過程變得容易多了，并能夠提供關于設備性質的全面、詳細的信息。有效的網絡安全在于識別和監控網絡中每一個節點，而人工智能的這種識別和資產管理能力使其在物聯網網絡安全方面非常有效。
 

　　其次，人工智能還可以通過數據分析幫助物聯網網絡安全。人工智能不會疲倦和疲勞，并且在持續監控龐大的物聯網網絡以尋找活動異常方面比人類更有效。不幸的是，這也導致了許多誤報案例，因為任何異常都可能被視為潛在的漏洞。但是，這可以通過使用機器學習和訓練AI來識別攻擊模式來解決。不幸的是，我們對有效攻擊模式建模的能力相當有限，因為出于隱私考慮，來自真實攻擊的實際漏洞數據很少被披露，這使得我們的分析質量能力受限。
 

　　機器學習在物聯網中的應用
 

　　機器學習在識別潛在威脅、發現網絡中的漏洞和識別系統性物聯網漏洞(例如物聯網設備上缺少密碼保護或密碼保護較弱)，以及解決網絡配置以構建防御方面非常有用。機器學習基于海量網絡安全數據集和物聯網設備配置文件來工作，這使得零日威脅成為許多公司擔心的問題。但拋開零日威脅不談，事實證明，機器學習在對抗DDoS攻擊和改善物聯網網絡整體安全狀況方面非常有效。借助機器學習提供的早期威脅識別能力，它還可以幫助制造商設計更安全的設備，并及時有效地推出安全補丁。
 

　　為了進一步提高物聯網的網絡安全性，來自機器學習的數據還可以幫助物聯網開發人員創建更安全的設備。通過及早識別漏洞，開發人員會在可能的情況下發送安全補丁，或創造新版本的設備以更好地保護用戶。
 

　　由于大多數物聯網設備缺乏有效的加密和安全框架，因此機器學習可以高效地在網絡級別提供適應性強且靈活的物聯網安全性。此外，對于部署物聯網框架的公司來說，成本前景也更易于管控。同樣的方法甚至可以適用于家庭或較小規模的物聯網部署，以便及早識別威脅并提醒用戶其網絡中的任何異常情況。