對于任何組織來說，機器學習都是一種有價值的工具，可以在更可擴展、更有效的基礎上，通過自動化和異常行為檢測保證物聯(lián)網(wǎng)設備的安全。

IT團隊正在努力為不斷擴大的企業(yè)網(wǎng)絡上的大量設備制定適當?shù)陌踩呗?。保護物聯(lián)網(wǎng)投資對企業(yè)的生存和增長至關重要，但物聯(lián)網(wǎng)安全面臨著獨特的挑戰(zhàn)。

機器學習(ML)方法可以解決物聯(lián)網(wǎng)安全的一些挑戰(zhàn)。它解決了識別網(wǎng)絡上未知設備的問題，確保它們包含在現(xiàn)有的安全框架中，并使繁忙的IT團隊更容易管理物聯(lián)網(wǎng)。

機器學習在物聯(lián)網(wǎng)安全中。

物聯(lián)網(wǎng)設備通常是企業(yè)網(wǎng)絡中最薄弱的環(huán)節(jié)，但它們對企業(yè)的使用是無限的。再加上它們的可擴展性，不難理解為什么企業(yè)會繼續(xù)擴大其使用范圍。網(wǎng)絡安全團隊需要額外的技術(shù)來跟蹤所有設備，并確保網(wǎng)絡安全。

一般來說，機器學習可以通過自動掃描和管理整個網(wǎng)絡中的物聯(lián)網(wǎng)設備來保護物聯(lián)網(wǎng)。在IT團隊意識到之前，他們可以掃描網(wǎng)絡上的所有設備并自動關閉攻擊。這是2018年微軟WindowsDefender軟件在30分鐘內(nèi)關閉木馬惡意軟件攻擊時發(fā)生的。

更深入地說，機器學習有助于識別網(wǎng)絡上的所有設備，包括只間歇連接的設備。設備可根據(jù)預設規(guī)則自動添加到適當?shù)木W(wǎng)段，從而自動啟動網(wǎng)絡分段策略。IT團隊可以騰出時間從事更有價值的技術(shù)項目，更快更有效地管理公司的整體網(wǎng)絡安全戰(zhàn)略。

深入了解物聯(lián)網(wǎng)安全中的機器學習。

機器學習幫助物聯(lián)網(wǎng)安全團隊根據(jù)之前的行為進行智能預測和響應。在已知漏洞和攻擊的情況下，如分布式拒絕服務，將當前網(wǎng)絡行為與攻擊示例中的行為模式進行比較，并采取保護措施。

AWSIOTDevicedender.Extrementworks解決方案或MicrosoftAzure物聯(lián)網(wǎng)安全中心等服務為物聯(lián)網(wǎng)安全提供機器學習功能，包括設備級異常檢測和自動威脅響應。

在Microsoft的Windowsdefender示例中，客戶端和基于云的機器學習系統(tǒng)自動將當前網(wǎng)絡的使用與30個并行安全保護模型進行比較。一些模型使用數(shù)百萬因素來確定已知攻擊的積極或消極行為。

為防止未知漏洞和零日攻擊，機器學習模型將監(jiān)控物聯(lián)網(wǎng)設備和網(wǎng)絡活動，實時檢測異常行為，并立即采取保護措施。許多機器學習系統(tǒng)每天都會自動更新威脅情況，這使得機器學習成為保護復雜網(wǎng)絡的理想選擇。它將立即查看物聯(lián)網(wǎng)車隊的大量數(shù)字足跡，并將車隊的行為與已知的威脅和歷史行為進行比較。在威脅通過物聯(lián)網(wǎng)設備侵入主要企業(yè)網(wǎng)絡之前，只有使用機器學習系統(tǒng)的網(wǎng)絡才能如此迅速地采取行動，發(fā)現(xiàn)威脅。

機器學習在物聯(lián)網(wǎng)安全方面的主要優(yōu)勢、檢測和保護設備和網(wǎng)絡的速度。它可以為所有網(wǎng)絡帶來現(xiàn)代安全模型和框架，包括仍在使用傳統(tǒng)技術(shù)和物聯(lián)網(wǎng)設備的網(wǎng)絡。

以下是對機器學習兩個優(yōu)勢的仔細研究：

1.在網(wǎng)絡上搜索和識別所有物聯(lián)網(wǎng)設備。

考慮到物聯(lián)網(wǎng)機組的龐大和復雜性，物聯(lián)網(wǎng)團隊可能不了解當前網(wǎng)絡上的所有物聯(lián)網(wǎng)設備，特別是間歇連接或使用傳統(tǒng)協(xié)議發(fā)送或接收數(shù)據(jù)的設備。從安全的角度來看，它們是隱藏的，直到它們變得活躍或成為攻擊目標。

機器學習可以識別網(wǎng)絡上的物聯(lián)網(wǎng)設備，因為它可以自動掃描和比較歷史網(wǎng)絡行為。例如，如果機器學習模型知道每個月某一天特定位置的網(wǎng)絡流量增加，它可以檢測到潛在的隱藏設備。然后，IT經(jīng)理可以派一個團隊親自檢查，并將其納入未來的安全計劃。

2.更有效地向網(wǎng)段添加物聯(lián)網(wǎng)設備。

創(chuàng)建網(wǎng)段只是任務的一部分；IT團隊必須向分段添加設備才能正常工作。這是網(wǎng)絡上大量物聯(lián)網(wǎng)設備的挑戰(zhàn)。將機器學習與網(wǎng)絡分段相結(jié)合，可以更輕松、更高效。

團隊可以設置分段和邊緣設備規(guī)則啟動，然后機器學習模型自動監(jiān)控、掃描和保護設備。當設備連接時，機器學習系統(tǒng)會根據(jù)這些規(guī)則自動將其放入適當?shù)陌踩M中。這使得IT人員能夠騰出時間從事更有價值的技術(shù)活動和策略，同時保持物聯(lián)網(wǎng)設備的相關性和更新安全性。

物聯(lián)網(wǎng)安全中機器學習的缺點。

機器學習可以識別遺留的物聯(lián)網(wǎng)設備，甚至與它們通信；然而，如果它們太舊或不更新，它們很容易受到攻擊。機器學習系統(tǒng)必須設置為識別舊設備，然后在設備不再連接時提醒IT管理員。否則，設備可能只是以前連接過的報告中的一個項目，可能無法及時捕獲以防止攻擊。

同樣，車隊中物聯(lián)網(wǎng)設備的多樣性也可能挑戰(zhàn)機器學習的最新狀態(tài)。根據(jù)使用的機器學習服務，該模型可以根據(jù)不斷變化的威脅模式更新設備兼容性列表。機器學習今天可以掃描和保護的設備明天可能會有所不同。機器學習的質(zhì)量取決于支持其系統(tǒng)和安全模型。

許多物聯(lián)網(wǎng)設備需要超可靠、低延遲的通信，如敏感的手術(shù)設備、裝配線生產(chǎn)系統(tǒng)和交通監(jiān)控系統(tǒng)。這些設備通常在24/7全天候使用，這意味著機器學習協(xié)議不能在非工作時間運行。機器學習支持的掃描或監(jiān)控協(xié)議可能會占用這些設備的寶貴帶寬，使其在此期間速度過慢甚至無法運行。IT團隊在實施其機器學習策略時，需要了解IOT設備的功能和用途。典型的設置可能不起作用。

成都融和實業(yè)排隊叫號系統(tǒng)廠家(yuanshangpin.cn)是一家集研發(fā)、生產(chǎn)、營銷、服務于一體的高新技術(shù)企業(yè).主營智能排隊叫號系統(tǒng)、醫(yī)院分診系統(tǒng)、排隊機、叫號機、評價器(好差評系統(tǒng))、呼叫器、多媒體查詢及信息發(fā)布配套系統(tǒng)等,公司產(chǎn)品已廣泛應用于不動產(chǎn)登記、智慧醫(yī)療、智慧稅務、智慧政務、智慧金融、智慧通訊、智慧服務大廳、智慧機關單位等服務窗口行業(yè).咨詢電話：028-87438905。

標簽：物聯(lián)網(wǎng),物聯(lián)網(wǎng)安全,機器學習ML,自動化物聯(lián)網(wǎng)安全