Contrariamente alla credenza popolare, la maggior parte dei dispositivi IoT sul mercato non utilizza i migliori metodi di crittografia e protocolli di sicurezza e pertanto non è adeguatamente attrezzata per scoraggiare eventuali minacce alla sicurezza. Tuttavia, molti di loro non sono in grado di aggiornarsi da soli, semplicemente perché non sono stati pensati per essere molto sicuri.
È noto che, indipendentemente dal loro alto tasso di adozione in tutto il mondo, mondo, oltre l’85% dei dispositivi IoT mondiali non sono sicuri. Francamente, l’IoT è meglio posizionato nel mondo delle imprese, dove i dispositivi sono in grado di migliorare gli aspetti di sicurezza e affidabilità. Ma nel mondo dei consumi, dove l’accessibilità economica occupa una posizione più elevata rispetto alla sicurezza, sicuramente non ci si può fidare dei produttori in termini di sicurezza. Pertanto, in tali situazioni, molti futuri dispositivi IoT saranno più inclini che mai alle botnet e ad altri attacchi. Per fortuna, possiamo risolvere questo problema se utilizziamo l'analisi e l'apprendimento automatico per migliorare la sicurezza dell'IoT.
Attualmente, l'apprendimento automatico viene utilizzato per analizzare i dati generati dall'IoT per migliorare l'esperienza e l'efficienza dell'utente. La stessa tecnologia può essere utilizzata per migliorare le pratiche di sicurezza dell’IoT analizzando i modelli di utilizzo e il comportamento dei dispositivi. Può aiutarti a bloccare attività anomale e potenziali minacce. Fortunatamente, gli esperti di tecnologia si stanno ora concentrando sull'ottimizzazione della sicurezza IoT più vulnerabile, cioè quella domestica.
Utilizzo del cloud per centralizzare l'intelligenza
Gli scienziati stanno ora cercando di aggregare i dati provenienti da tutti gli endpoint dei prodotti IoT all'interno un server cloud. Li aiuterà ad analizzare gli input e a rilevare comportamenti dannosi. Saranno anche in grado di vedere quali server e dispositivi stanno comunicando con i dispositivi IoT e, quindi, individuare un comportamento anomalo. Possono verificare la presenza di pacchetti sospetti, URL fuorvianti e download dannosi.
Utilizzo dell'intelligenza assistita dall'uomo con il machine learning
Il machine learning può essere utile nello sviluppo dell'intelligenza aumentata per proteggere i dispositivi IoT. Il sistema basato solo sul riconoscimento di modelli e sull'apprendimento automatico raccoglierà informazioni solo dalle connessioni esistenti, ovvero dai dispositivi e dalla rete già connessi. Qualunque cosa esterna sarà vista come una minaccia. Pertanto, tali sistemi attivano di tanto in tanto falsi allarmi. Il modo migliore per mitigarlo è indurre l'intelligenza aumentata (intelligenza umana con apprendimento automatico).
L'intelligenza umana può facilmente distinguere tra attività benigne e dannose. Inoltre, alimentazione umana i dorsi potranno essere imitati in futuro per evitare falsi allarmi. Pertanto, il modello migliora l'efficienza del rilevamento delle minacce e, infine, riduce i falsi allarmi.
Un aiuto dal comportamento IoT
Fortunatamente, i dispositivi IoT sono progettati solo per eseguire una gamma definita di funzioni. Pertanto, una miscela ben bilanciata di intelligenza umana e apprendimento automatico può facilmente rilevare e bloccare un comportamento dannoso.
Fonte immagine: wired.com
Il modello è costituito da un piccolo dispositivo che può essere facilmente installato nelle reti domestiche, un'applicazione mobile che consente all'utente di gestire il dispositivo e un servizio cloud che archivia e analizza i dati consolidati attraverso algoritmi di apprendimento automatico. Tale modello migliora la sua precisione nel tempo tanto quanto raccoglie informazioni da dispositivi e clienti.
Infine, l'apprendimento automatico da solo non può essere considerato una soluzione completa. Deve essere combinato con l'intelligenza umana per fermare gli attacchi.
leggi: 0
