机器学习如何完善物联网应用的安全性？

随着数字革命的发展，许多个人和商用设备通过Internet访问变得“智能”。建立物联网(IoT)网络为消费者和企业都提供了无数的优势，但同时也带来了新的网络安全漏洞。许多IoT设备生产商缺乏网络安全方面的经验和知识，即使IoT设备以比以往任何时候都更多、更详细、更频繁地收集敏感的个人数据。

是什么使物联网安全性面临挑战?

传统的安全和隐私方法在IoT网络上往往表现不佳。物联网连接的动态性质带来了一组与安全性相关的独特复杂性：

异构性：物联网设备具有多种形状和形式，创建了各种各样的硬件和软件方案。

规模：已经有数十亿个物联网设备在使用中。

互连性：随时随地访问网络。

邻近性：网络在短距离通信中可能依赖于本地设备。

延迟：诸如外科手术设备，装配线生产和交通监控之类的敏感应用需要超可靠的低延迟通信(URLLC)。

成本：大多数设备都需要低成本和低功耗。

结构：在大型的，自组织的IoT网络上，分布式拒绝服务(DDoS)攻击的漏洞增加。

动态配置：随着设备的不断移除和添加，网络重新配置必须具有适应性。

隐私：消费者和专有数据必须得到保护，尤其是在医疗保健应用中。

智能：对于许多物联网应用，必须实时做出复杂的决策。

尽管许多Internet接入点都有着这些痛点中的几个痛点，但IoT设备的局限性以及它们运行所处的环境的复杂性，使这些担忧进一步超出了常规安全功能的范围。

什么是机器学习?

机器学习(ML)涵盖了许多与人工智能相关的建模技术。使用统计数据，机器学习模型可以通过识别重要特征来预测任何数字数据集的结果。可以在庞大、复杂的数据集上训练模型;他们也可以继续自动改进，而无需软件更新或监督。 ML应用的经典示例包括处理语音命令(例如Siri或Alexa)，或在图像中搜索特征(例如特定的面孔或某些动物)。在许多基于文本的搜索算法失败的地方，ML能够隔离像素和音素中的非常规模式以找到含义。

（编辑：开发网_郴州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!