物聯(lián)網(wǎng)市場(chǎng)在過去幾年迅速增長(zhǎng)，疫情進(jìn)一步促進(jìn)了其在不同地域的采用。物聯(lián)網(wǎng)的影響可以通過各種行業(yè)用例進(jìn)行評(píng)估，從個(gè)性化醫(yī)療保健到基礎(chǔ)設(shè)施，以及工業(yè)應(yīng)用等。物聯(lián)網(wǎng)的日益普及帶來了關(guān)鍵的網(wǎng)絡(luò)安全問題和影響潛力，主要原因如下：

物聯(lián)網(wǎng)漏洞可能提供訪問的數(shù)據(jù)和系統(tǒng)的重要性

大量潛在的攻擊媒介——物聯(lián)網(wǎng)網(wǎng)絡(luò)的各個(gè)部分容易受到惡意入侵的影響

據(jù)調(diào)查數(shù)據(jù)顯示，超過70%的通用物聯(lián)網(wǎng)解決方案存在安全漏洞，如未加密的數(shù)據(jù)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(zhuǎn)向人工智能來對(duì)這些系統(tǒng)進(jìn)行智能實(shí)時(shí)保護(hù)。根據(jù)研究報(bào)告顯示，53%的高管表示要利用人工智能在網(wǎng)絡(luò)安全中實(shí)現(xiàn)物聯(lián)網(wǎng)安全，而69%的受訪者表示，如果沒有人工智能，他們無法應(yīng)對(duì)網(wǎng)絡(luò)攻擊。物聯(lián)網(wǎng)安全中的人工智能用例包括：

威脅評(píng)估：人工智能可用于檢查事件數(shù)據(jù)，并在威脅變得嚴(yán)重之前發(fā)現(xiàn)它們。機(jī)器學(xué)習(xí)用于分析可疑事件配對(duì)的事件記錄。物聯(lián)網(wǎng)設(shè)備從各種來源收集數(shù)據(jù)，并將其輸入支持人工智能的威脅檢測(cè)系統(tǒng)，以確定欺詐和數(shù)據(jù)丟失。

威脅檢測(cè)：基于人工智能的物聯(lián)網(wǎng)滲透測(cè)試有助于衡量其漏洞。人工智能算法和機(jī)器學(xué)習(xí)可以自動(dòng)化“筆測(cè)試”和“漏洞評(píng)估”，使這些流程更加一致和可擴(kuò)展，減少誤報(bào)，并建立公司的基線安全條件。這在物聯(lián)網(wǎng)設(shè)備高度集中的工業(yè)中是有效的，因?yàn)檫@可能涉及數(shù)萬個(gè)傳感器和設(shè)備。

漏洞保護(hù)：ML模型監(jiān)視物聯(lián)網(wǎng)設(shè)備和網(wǎng)絡(luò)活動(dòng)的異常行為，以防止未知的漏洞和攻擊。

將ML與網(wǎng)絡(luò)分段集成：企業(yè)可以構(gòu)建分段和邊緣設(shè)備策略，ML模型將監(jiān)視、掃描和保護(hù)設(shè)備。ML系統(tǒng)根據(jù)規(guī)則自動(dòng)將設(shè)備放入正確的安全組中。

入侵檢測(cè)和預(yù)防：人工智能可以在高度可擴(kuò)展的信息物理系統(tǒng)中進(jìn)行入侵檢測(cè)，這些系統(tǒng)在復(fù)雜的廣域網(wǎng)上有大量相互連接的設(shè)備。

用戶/機(jī)器行為分析：許多公司將人工智能作為其威脅情報(bào)流程的一部分，以降低物聯(lián)網(wǎng)基礎(chǔ)設(shè)施風(fēng)險(xiǎn)。ML使物聯(lián)網(wǎng)安全團(tuán)隊(duì)能夠創(chuàng)建明智的預(yù)測(cè)和反應(yīng)。在已知漏洞和攻擊的情況下，如分布式拒絕服務(wù)，它分析網(wǎng)絡(luò)行為攻擊模式，并采取預(yù)防措施。

基于人工智能的物聯(lián)網(wǎng)網(wǎng)絡(luò)安全正在得到重視，行業(yè)領(lǐng)導(dǎo)者正在開發(fā)和部署物聯(lián)網(wǎng)專用解決方案。對(duì)基于人工智能的物聯(lián)網(wǎng)安全的重視從大規(guī)模收購(gòu)中可以看出，比如DevOps平臺(tái)開發(fā)商JFrog在2021年以3億美元收購(gòu)了Vdoo，后者擁有一個(gè)基于人工智能的物聯(lián)網(wǎng)安全威脅檢測(cè)平臺(tái)。同樣，全球物聯(lián)網(wǎng)平臺(tái)提供商Relayr在2017年收購(gòu)了AI數(shù)據(jù)安全提供商N(yùn)eokami。

需要考慮的一個(gè)關(guān)鍵趨勢(shì)是，中小企業(yè)對(duì)物聯(lián)網(wǎng)安全解決方案的投資不斷增加。這從人工智能驅(qū)動(dòng)的物聯(lián)網(wǎng)安全初創(chuàng)公司增加的投資中可以明顯看出：美國(guó)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(guó)物聯(lián)網(wǎng)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(shè)備安全。

基于人工智能的物聯(lián)網(wǎng)網(wǎng)絡(luò)安全解決方案的采用正在上升。然而，隨著物聯(lián)網(wǎng)部署從傳統(tǒng)模型，如利用云計(jì)算的基于網(wǎng)關(guān)的部署模型發(fā)展到邊緣和霧計(jì)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(gòu)成了端點(diǎn)安全的關(guān)鍵組件，可以將其視為對(duì)基于簽名的保護(hù)的升級(jí)。例如，邊緣人工智能設(shè)備管理供應(yīng)商Allxon與網(wǎng)絡(luò)安全軟件公司趨勢(shì)科技的物聯(lián)網(wǎng)安全部門合作，創(chuàng)建了強(qiáng)大的安全功能。

由于跨部門使用案例的不斷增長(zhǎng)，物聯(lián)網(wǎng)行業(yè)預(yù)計(jì)將大幅擴(kuò)張。企業(yè)正在考慮制定物聯(lián)網(wǎng)和人工智能的綜合戰(zhàn)略，以滿足動(dòng)態(tài)的安全挑戰(zhàn)和規(guī)劃需求，從而為物聯(lián)網(wǎng)平臺(tái)和網(wǎng)絡(luò)安全提供商創(chuàng)造機(jī)會(huì)。物聯(lián)網(wǎng)公司通過投資、合作、收購(gòu)等方式在網(wǎng)絡(luò)安全人工智能領(lǐng)域開發(fā)集成解決方案，反之亦然，在不久的將來，這種趨勢(shì)的增長(zhǎng)是可以預(yù)見的。