人工智慧對物聯網安全的影響

物聯網市場在過去幾年迅速增長，疫情進一步促進了其在不同地域的採用。物聯網的影響可以通過各種行業用例進行評估，從個性化醫療保健到基礎設施，以及工業應用等。物聯網的日益普及帶來了關鍵的網路安全問題和影響潛力，主要原因如下：

物聯網漏洞可能提供訪問的資料和系統的重要性

大量潛在的攻擊媒介——物聯網網路的各個部分容易受到惡意入侵的影響

據調查資料顯示，超過70%的通用物聯網解決方案存在安全漏洞，如未加密的資料傳輸或基本密碼。

隨著威脅的數量和速度的增加，專家們正在轉向人工智慧來對這些系統進行智慧實時保護。根據研究報告顯示，53%的高管表示要利用人工智慧在網路安全中實現物聯網安全，而69%的受訪者表示，如果沒有人工智慧，他們無法應對網路攻擊。物聯網安全中的人工智慧用例包括：

威脅評估：人工智慧可用於檢查事件資料，並在威脅變得嚴重之前發現它們。機器學習用於分析可疑事件配對的事件記錄。物聯網裝置從各種來源收集資料，並將其輸入支援人工智慧的威脅檢測系統，以確定欺詐和資料丟失。

威脅檢測：基於人工智慧的物聯網滲透測試有助於衡量其漏洞。人工智慧演算法和機器學習可以自動化“筆測試”和“漏洞評估”，使這些流程更加一致和可擴充套件，減少誤報，並建立公司的基線安全條件。這在物聯網裝置高度集中的工業中是有效的，因為這可能涉及數萬個感測器和裝置。

漏洞保護：ML模型監視物聯網裝置和網路活動的異常行為，以防止未知的漏洞和攻擊。

將ML與網路分段整合：企業可以構建分段和邊緣裝置策略，ML模型將監視、掃描和保護裝置。ML系統根據規則自動將裝置放入正確的安全組中。

入侵檢測和預防：人工智慧可以在高度可擴充套件的資訊物理系統中進行入侵檢測，這些系統在複雜的廣域網上有大量相互連線的裝置。

使用者/機器行為分析：許多公司將人工智慧作為其威脅情報流程的一部分，以降低物聯網基礎設施風險。ML使物聯網安全團隊能夠建立明智的預測和反應。在已知漏洞和攻擊的情況下，如分散式拒絕服務，它分析網路行為攻擊模式，並採取預防措施。

基於人工智慧的物聯網網路安全正在得到重視，行業領導者正在開發和部署物聯網專用解決方案。對基於人工智慧的物聯網安全的重視從大規模收購中可以看出，比如DevOps平臺開發商JFrog在2021年以3億美元收購了Vdoo，後者擁有一個基於人工智慧的物聯網安全威脅檢測平臺。同樣，全球物聯網平臺提供商Relayr在2017年收購了AI資料安全提供商Neokami。

需要考慮的一個關鍵趨勢是，中小企業對物聯網安全解決方案的投資不斷增加。這從人工智慧驅動的物聯網安全初創公司增加的投資中可以明顯看出：美國SparkCognition在2022年獲得1.23億美元，以加速人工智慧在各行業的採用，美國物聯網安全解決方案開發商Ordr(利用基於人工智慧的系統控制引擎)在2022年獲得4000萬美元用於連線裝置安全。

基於人工智慧的物聯網網路安全解決方案的採用正在上升。然而，隨著物聯網部署從傳統模型，如利用雲端計算的基於閘道器的部署模型發展到邊緣和霧計算模型，安全需求也在不斷髮展。人工智慧通過基於行為的解決方案構成了端點安全的關鍵元件，可以將其視為對基於簽名的保護的升級。例如，邊緣人工智慧裝置管理供應商Allxon與網路安全軟體公司趨勢科技的物聯網安全部門合作，建立了強大的安全功能。

由於跨部門使用案例的不斷增長，物聯網行業預計將大幅擴張。企業正在考慮制定物聯網和人工智慧的綜合戰略，以滿足動態的安全挑戰和規劃需求，從而為物聯網平臺和網路安全提供商創造機會。物聯網公司通過投資、合作、收購等方式在網路安全人工智慧領域開發整合解決方案，反之亦然，在不久的將來，這種趨勢的增長是可以預見的。​