本文认为人工智能的使用帮助安全人员保护物联网系统。
图片来源:TippaPatt / Shutterstock.com
物联网(物联网)仍处于初级阶段,但威胁物联网系统和他们的潜在的危害变得相当复杂。有两个原因:物联网的数据和系统漏洞的价值可以访问;和潜在的攻击向量的大量离散元素的物联网网络容易犯规。
人工智能(AI)软件和算法帮助安全专家的这种技术战场从黑客和保护物联网达到成熟。
什么是物联网?
仅在2008年推出,物联网,物联网系统仍相当模糊的概念,学科众多,有时相互冲突的定义。然而,实际上物联网可以理解为一个网络或网络的机器和计算设备可以记录和交换数据和执行数字和物理任务的数据而无需人工干预。
消费者物联网,这通常出现在一个接口中心——通常移动应用或中心设备。然后连接中心与边缘的设备记录数据或执行任务(或两者),与其余的物联网无线网络。
工业物联网(有时称为IIoT,大肆宣传的关键使能技术第四次工业革命,或行业4.0)在许多方面是一个简单的进程的监控和数据采集(SCADA)网络驱动从20世纪中叶工业自动化。
然而,数字化工业过程和驱动网络的更方面更强大的计算机和人工智能软件是目前交付方面的工业产值在许多领域。
IIoT可以改变在许多行业,但迄今为止,两个行业最智能工业自动化技术的使用:制造业(特别是汽车)和物流(尽管AIs推动世界的物流系统正疲于应对全球货运的强烈要求,2021年全球供应短缺就是明证)。
物联网和IIoT的脆弱性
物联网网络特别容易受到网络攻击。使他们有价值的网络效应也存在众多的攻击向量,黑客可以通过哪些渠道访问和利用数据对他们有利。也有利于黑客是缺乏标准化的安全特性和保护物联网系统和设备的管理框架。
许多个人设备组成物联网网络有可怜的安全或没有用于连接到公共网络。攻击者可以通过物联网设备本身违反网络安全(设备)连接的传感器、执行器和中心,他们交流的网络和移动应用程序,网络平台和云存储用于接口。
违反一个物联网网络可以透露私人信息包括视频和音频从人们的家园。消费者物联网处理大量的数据,是有价值的罪犯。
黑客物联网可以告诉窃贼如果人们在家里;它可以给骗子有用的信息包括id和金融活动,可以用来制造复杂,网络钓鱼攻击目标可能工作(这些被称为鱼叉式网络钓鱼攻击,和捕鲸攻击时高价值目标如一个政治家或企业高管)。
在工业、脆弱的物联网系统的影响可能更昂贵。攻击者可以利用控制IIoT系统对公司失去数千美元赎金生产损失的每一分钟。在极端情况下,IIoT推动至关重要的系统,如电网、公共交通、医疗保健网络可能容易受到恶意的国家和非国家行为体。
人工智能可以帮助网络安全专业人士保护物联网
网络安全行业利用先进的人工智能技术来继续支持物联网攻击的几率。
机器学习(ML)是一种人工智能应用程序指示计算机处理数据和测试假设的数据来开发一种“理解”,它提供了有用的分析如果ML算法给出了正确的参数处理和质量数据。
进一步阅读:AI如何克服3 d印刷缺陷?
朴素贝叶斯算法是一个流行的物联网安全。分类数据基于异常活动数据,假定来自独立事件,而不是单一的攻击。命名的算法,它是基于贝叶斯定理,已经被人类训练主管之前设定的目标类的活动,但它可以释放直播数据集来查找和旗帜异常和潜在的恶意活动。
决策树是人工智能过程,使复杂的规则集自动。他们也与人类监督训练,但根据迭代分析每一块数据的规则,最终提供一个答案(通常是一个简单的二元问题像“攻击或正常”)。
一些决策树型AIs使用自动规则学习技术来开发他们的规则集。这增加的人工“代理”是由可能的水平提高的计算能力,包括量子计算等新计算机体系结构。
再(事例)技术创建类找到基于新的数据和数据之间的欧几里得距离已经分类的数据集。一组几何代理配置为基于事例的算法,然后他们可以发现工作模式在大型数据集。
人工神经网络(ann)使用一个数学方程来读取大量数据和输出目标的值通过网络中的节点通过大量的迭代步骤。该方法受电信号通过突触在大脑的方式,尽管其相似性有机大脑比它更说明是有益的。
人工神经网络可以改变他们的决策模型和分析框架提出了新的信息。这使得它们比其他人工智能安全措施更有活力,更具有适应能力在面对改变战术。
对物联网安全前沿的人工智能
人工智能的研究是今天打破新壁垒在物联网安全。网络已经释放了异常检测的,将数据发送到人类的工程师检查。研究人员还发现了AI IIoT安全作为一个潜在的控制方法,识别并评估安全漏洞的损害。
很明显,物联网需要被照顾,虽然它仍不成熟。AI工具是至关重要的维持物联网的安全,并让它发挥其全部潜力。
引用和进一步阅读
Canedo, J。,a Skjellum (2016)。使用机器学习安全物联网系统。14年会上对隐私、安全和信任(PST)可用:https://doi.org/10.1109/PST.2016.7906930。
Farivar F。a、m . s . Haghighi Jolfaei, m . Alazab (2020)。人工智能检测、估计和补偿非线性Cyber-Physical系统的恶意攻击和工业物联网。IEEE工业信息。可以在:https://doi.org/10.1109/TII.2019.2956474。
Kuzlu, M。c .公平,o .居尔(2021)。人工智能在物联网中的作用(物联网)网络安全。发现互联网的东西。可以在:https://doi.org/10.1007/s43926 - 020 - 00001 - 4。
Radanliev, P。d . De Roure k .页面,等。(2020)。网络风险边缘:当前和未来趋势的网络风险分析和人工智能工业物联网和行业4.0供应链。网络安全。可以在:https://doi.org/10.1186/s42400 - 020 - 00052 - 8。
Radanliev, P。特区De Roure j . r . c (2020)。护士,等。未来发展物联网标准化的网络风险(物联网)。SN应用科学。亚博老虎机网登录可以在:https://doi.org/10.1007/s42452 - 019 - 1931 - 0。
王,s和z乔(2019)。健壮的普遍检测敌对的人工智能在物联网环境下的样本。IEEE访问。可以在:https://doi.org10.1109/ACCESS.2019.2919695。
免责声明:这里的观点是作者表达他们的私人能力,不一定代表AZoM.com T /有限的观点AZoNetwork这个网站的所有者和经营者。这个声明的一部分条款和条件本网站的使用。