智慧城市网

 

　　物联网可以广义地理解为配备传感器和IP地址，以通过互联网进行通信的计算设备网络。物联网设备的安全性之所以特别具有挑战性，是因为这些设备的用途非常广泛，超出了任何安全解决方案的范畴。此外，这些设备的设计成本较低、低功耗，而且通常只需一个简单的密码(如果需要的话)。这使得物联网设备极易遭到黑客攻击。
 

　　人工智能如何通过数据分析帮助物联网网络安全
 

　　如果物联网设备擅长一件事，那就是通过无数传感器收集数据。人工智能可以帮助物联网设备在极短的时间内解析大量难以想象的数据。人工智能和物联网的结合可以为组织提供更大的可见性和控制力，即使其拥有大量通过互联网进行通信的设备和传感器。换句话说，人工智能可以将企业通过物联网收集到的数据转化为有价值的见解。这在保护设备和网络免受未经授权的访问和渗透尝试方面尤为重要。
 

　　物联网中的安全问题
 

　　有多种因素使网络安全成为物联网设备的一个具有挑战性的命题。该领域的规模和范围极其广阔，其中物联网由各种各样的设备组成，而且每种设备都有自己的操作系统和安全漏洞。这种异构性使得物联网网络难以用单一的防御系统来覆盖。此外，由于物联网设备的设计成本低廉，因此它们通常是低功耗、节能的设备，没有内置或内置很少的安全框架。此外，每个网络都由数千个甚至数百万个这样的设备组成，这些设备通过互联网为其提供数据,这使得整个安全命题成为一场虚拟的噩梦，具有难以置信的操作复杂性。即使是最低限度，网络也需要确保所有操作系统、网络应用程序的定期更新，同时保持新资产的库存，衡量安全风险，检测潜在目标等。而这正是安全专业人士在应对物联网网络安全威胁时求助于人工智能的原因所在。
 

　　物联网网络安全中的人工智能
 

　　构建物联网安全框架的基本步骤在于识别网络上的所有设备。对于拥有数百万传感器和设备的大型网络来说，这可能是一项艰巨的任务。然而，有了人工智能，发现过程变得容易多了，并能够提供关于设备性质的全面、详细的信息。有效的网络安全在于识别和监控网络中每一个节点，而人工智能的这种识别和资产管理能力使其在物联网网络安全方面非常有效。
 

　　其次，人工智能还可以通过数据分析帮助物联网网络安全。人工智能不会疲倦和疲劳，并且在持续监控庞大的物联网网络以寻找活动异常方面比人类更有效。不幸的是，这也导致了许多误报案例，因为任何异常都可能被视为潜在的漏洞。但是，这可以通过使用机器学习和训练AI来识别攻击模式来解决。不幸的是，我们对有效攻击模式建模的能力相当有限，因为出于隐私考虑，来自真实攻击的实际漏洞数据很少被披露，这使得我们的分析质量能力受限。
 

　　机器学习在物联网中的应用
 

　　机器学习在识别潜在威胁、发现网络中的漏洞和识别系统性物联网漏洞(例如物联网设备上缺少密码保护或密码保护较弱)，以及解决网络配置以构建防御方面非常有用。机器学习基于海量网络安全数据集和物联网设备配置文件来工作，这使得零日威胁成为许多公司担心的问题。但抛开零日威胁不谈，事实证明，机器学习在对抗DDoS攻击和改善物联网网络整体安全状况方面非常有效。借助机器学习提供的早期威胁识别能力，它还可以帮助制造商设计更安全的设备，并及时有效地推出安全补丁。
 

　　为了进一步提高物联网的网络安全性，来自机器学习的数据还可以帮助物联网开发人员创建更安全的设备。通过及早识别漏洞，开发人员会在可能的情况下发送安全补丁，或创造新版本的设备以更好地保护用户。
 

　　由于大多数物联网设备缺乏有效的加密和安全框架，因此机器学习可以高效地在网络级别提供适应性强且灵活的物联网安全性。此外，对于部署物联网框架的公司来说，成本前景也更易于管控。同样的方法甚至可以适用于家庭或较小规模的物联网部署，以便及早识别威胁并提醒用户其网络中的任何异常情况。