物聯(lián)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采用。物聯(lián)網的影響可以通過各種行業(yè)用例進行評估，從個性化醫(yī)療保健到基礎設施，以及工業(yè)應用等。物聯(lián)網的日益普及帶來了關鍵的網絡安全問題和影響潛力，主要原因如下：

物聯(lián)網漏洞可能提供訪問的數(shù)據和系統(tǒng)的重要性

大量潛在的攻擊媒介——物聯(lián)網網絡的各個部分容易受到惡意入侵的影響

據調查數(shù)據顯示，超過70%的通用物聯(lián)網解決方案存在安全漏洞，如未加密的數(shù)據傳輸或基本密碼。

隨著威脅的數(shù)量和速度的增加，專家們正在轉向人工智能來對這些系統(tǒng)進行智能實時保護。根據研究報告顯示，53%的高管表示要利用人工智能在網絡安全中實現(xiàn)物聯(lián)網安全，而69%的受訪者表示，如果沒有人工智能，他們無法應對網絡攻擊。物聯(lián)網安全中的人工智能用例包括：

威脅評估：人工智能可用于檢查事件數(shù)據，并在威脅變得嚴重之前發(fā)現(xiàn)它們。機器學習用于分析可疑事件配對的事件記錄。物聯(lián)網設備從各種來源收集數(shù)據，并將其輸入支持人工智能的威脅檢測系統(tǒng)，以確定欺詐和數(shù)據丟失。

威脅檢測：基于人工智能的物聯(lián)網滲透測試有助于衡量其漏洞。人工智能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展，減少誤報，并建立公司的基線安全條件。這在物聯(lián)網設備高度集中的工業(yè)中是有效的，因為這可能涉及數(shù)萬個傳感器和設備。

漏洞保護：ML模型監(jiān)視物聯(lián)網設備和網絡活動的異常行為，以防止未知的漏洞和攻擊。

將ML與網絡分段集成：企業(yè)可以構建分段和邊緣設備策略，ML模型將監(jiān)視、掃描和保護設備。ML系統(tǒng)根據規(guī)則自動將設備放入正確的安全組中。

入侵檢測和預防：人工智能可以在高度可擴展的信息物理系統(tǒng)中進行入侵檢測，這些系統(tǒng)在復雜的廣域網上有大量相互連接的設備。

用戶/機器行為分析：許多公司將人工智能作為其威脅情報流程的一部分，以降低物聯(lián)網基礎設施風險。ML使物聯(lián)網安全團隊能夠創(chuàng)建明智的預測和反應。在已知漏洞和攻擊的情況下，如分布式拒絕服務，它分析網絡行為攻擊模式，并采取預防措施。

基于人工智能的物聯(lián)網網絡安全正在得到重視，行業(yè)領導者正在開發(fā)和部署物聯(lián)網專用解決方案。對基于人工智能的物聯(lián)網安全的重視從大規(guī)模收購中可以看出，比如DevOps平臺開發(fā)商JFrog在2021年以3億美元收購了Vdoo，后者擁有一個基于人工智能的物聯(lián)網安全威脅檢測平臺。同樣，全球物聯(lián)網平臺提供商Relayr在2017年收購了AI數(shù)據安全提供商Neokami。

需要考慮的一個關鍵趨勢是，中小企業(yè)對物聯(lián)網安全解決方案的投資不斷增加。這從人工智能驅動的物聯(lián)網安全初創(chuàng)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，以加速人工智能在各行業(yè)的采用，美國物聯(lián)網安全解決方案開發(fā)商Ordr(利用基于人工智能的系統(tǒng)控制引擎)在2022年獲得4000萬美元用于連接設備安全。

基于人工智能的物聯(lián)網網絡安全解決方案的采用正在上升。然而，隨著物聯(lián)網部署從傳統(tǒng)模型，如利用云計算的基于網關的部署模型發(fā)展到邊緣和霧計算模型，安全需求也在不斷發(fā)展。人工智能通過基于行為的解決方案構成了端點安全的關鍵組件，可以將其視為對基于簽名的保護的升級。例如，邊緣人工智能設備管理供應商Allxon與網絡安全軟件公司趨勢科技的物聯(lián)網安全部門合作，創(chuàng)建了強大的安全功能。

由于跨部門使用案例的不斷增長，物聯(lián)網行業(yè)預計將大幅擴張。企業(yè)正在考慮制定物聯(lián)網和人工智能的綜合戰(zhàn)略，以滿足動態(tài)的安全挑戰(zhàn)和規(guī)劃需求，從而為物聯(lián)網平臺和網絡安全提供商創(chuàng)造機會。物聯(lián)網公司通過投資、合作、收購等方式在網絡安全人工智能領域開發(fā)集成解決方案，反之亦然，在不久的將來，這種趨勢的增長是可以預見的。