專家視點：傳統(tǒng)互聯(lián)網(wǎng)安全已無法滿足物聯(lián)網(wǎng)需求

專家視點：傳統(tǒng)互聯(lián)網(wǎng)安全已無法滿足物聯(lián)網(wǎng)需求

皇家墨爾本理工大學（RMIT）發(fā)布了關于Abebe Diro博士的研究如何尋求增強空間信息網(wǎng)絡的物聯(lián)網(wǎng)(IoT)安全性的指南。

物聯(lián)網(wǎng)已成為一個快速發(fā)展的技術領域，具有巨大的潛力來改變包括醫(yī)療保健、交通運輸、制造業(yè)和智能家居在內的各個行業(yè)。然而，這種增長也帶來了一系列安全挑戰(zhàn)和擔憂。

與傳統(tǒng)的信息技術(IT)系統(tǒng)不同，由于資源限制、異構性和智能設備的分布式特性，物聯(lián)網(wǎng)環(huán)境的安全具有挑戰(zhàn)性。解決安全問題需要多方面的方法，不僅需要改進安全標準和協(xié)議，還需要在設備、網(wǎng)絡和應用層面實施有效的安全措施。

RMIT網(wǎng)絡安全講師、RMIT網(wǎng)絡安全研究與創(chuàng)新中心(CCSRI)成員Abebe Diro博士證明了傳統(tǒng)互聯(lián)網(wǎng)安全已無法滿足物聯(lián)網(wǎng)設備的需求。在整個研究過程中，Diro一直專注于重新思考和重新設計現(xiàn)有物聯(lián)網(wǎng)安全系統(tǒng)的架構和算法。

利用密碼學和機器學習，Diro通過分散云和減少物聯(lián)網(wǎng)設備的密集計算，成功地測試和創(chuàng)建了具有改進物聯(lián)網(wǎng)安全性的模型。隨著最近深度學習在圖像識別和語言處理方面的成功，Diro決定將這種更有層次、更復雜的機器學習子集應用到其研究領域。其特別研究了異常檢測系統(tǒng)背景下的深度學習。

最終，Diro在減少誤報的傳統(tǒng)IT系統(tǒng)中取得了成功，但當應用于物聯(lián)網(wǎng)時，與傳統(tǒng)的淺層機器學習模型相比，深度學習算法更容易受到攻擊。這些喜憂參半的結果使Diro更深入地研究異常探測，甚至冒險超越云層進入太空。

Diro表示:“物聯(lián)網(wǎng)異常檢測和空間異常檢測之間存在真正的共同點，即它們專注于識別和減輕可能產生重大后果的異常事件?！?/p>

“這不僅僅是這些學科的性質，而是物理生態(tài)系統(tǒng)?？紤]到衛(wèi)星的小型化，太空硬件和活動的增加將依賴于安全方面的相應進步，就像物聯(lián)網(wǎng)在地球上的快速發(fā)展一樣?！?/p>

空間信息網(wǎng)絡(SIN)是由天基資產、地面站和通信鏈路組成的網(wǎng)絡，由于其固有的多樣性，檢測這些網(wǎng)絡中的異常具有挑戰(zhàn)性。SIN被一些人視為網(wǎng)絡安全的新領域，是國家安全的重要因素，也是網(wǎng)絡攻擊的主要目標。

Diro表示：”通過識別SIN中的異常但有洞察力的模式，空間異常檢測是空間安全保護的一個重要方面?，F(xiàn)有的檢測SIN異常方法，如簡單的閾值技術，是不準確、低效且無法解釋的，且高誤報率、高資源需求和低可擴展性?！?/p>

根據(jù)一份聲明，Diro現(xiàn)在專注于在物聯(lián)網(wǎng)異常檢測方面的基礎上進行構建，并將其應用于SIN。通過設計新的算法和方法，就像過去在物聯(lián)網(wǎng)中所做的那樣，Diro希望提高檢測空間異常的準確性，提供接近實時和可擴展的數(shù)據(jù)，最終增強空間安全。

生成海報

免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。