통념과는 달리 시중에 나와 있는 대부분의 IoT 장치는 최상의 암호화 방법과 보안 프로토콜을 활용하지 않으므로 보안 위협을 막을 수 있는 장비가 제대로 갖춰져 있지 않습니다. 그러나 이들 중 다수는 애초에 그다지 안전할 의도가 없었기 때문에 스스로 업그레이드할 수 없습니다.
전 세계적으로 높은 채택률에도 불구하고 이는 알려진 사실입니다. 전 세계적으로 IoT 장치의 85% 이상이 안전하지 않습니다. 솔직히 말하자면, IoT는 장치가 보안과 신뢰성 측면을 향상시킬 수 있는 기업의 세계에 더 잘 자리잡고 있습니다. 그러나 경제성이 보안보다 더 높은 위치를 차지하는 소비자 세계에서 제조업체는 보안에 대해 확실히 신뢰할 수 없습니다. 따라서 이러한 상황에서 앞으로 출시될 많은 IoT 장치는 그 어느 때보다 봇넷 및 기타 공격에 취약해질 것입니다. 다행히도 IoT 보안 개선에 분석과 머신러닝을 활용하면 이 문제를 해결할 수 있습니다.
현재 머신러닝은 IoT에서 생성된 데이터를 분석하여 사용자 경험과 효율성을 향상시키는 데 사용됩니다. 동일한 기술을 사용하여 사용 패턴과 장치 동작을 분석하여 IoT 보안 관행을 개선할 수 있습니다. 비정상적인 활동과 잠재적인 위협을 차단하는 데 도움이 될 수 있습니다. 다행스럽게도 기술자들은 이제 집에서 가장 취약한 IoT 보안을 조정하는 데 집중하고 있습니다.
클라우드를 사용하여 인텔리전스 중앙 집중화
과학자들은 이제 내부 IoT 제품의 모든 엔드포인트에서 데이터를 집계하려고 노력하고 있습니다. 클라우드 서버. 이는 입력을 분석하고 악의적인 행동을 탐지하는 데 도움이 됩니다. 또한 어떤 서버와 장치가 IoT 장치와 통신하고 있는지 확인하여 비정상적인 동작을 발견할 수 있습니다. 의심스러운 패킷, 오해의 소지가 있는 URL, 악성 다운로드를 확인할 수 있습니다.
머신러닝을 통한 인간 보조 지능 사용
머신러닝은 IoT 기기를 보호하기 위해 증강 지능을 개발하는 데 도움이 될 수 있습니다. 패턴 인식과 기계 학습을 기반으로 하는 시스템은 기존 연결, 즉 이미 연결된 장치 및 네트워크에서만 정보를 수집합니다. 외부의 모든 것은 위협으로 간주됩니다. 따라서 이러한 시스템은 때때로 잘못된 경보를 발생시킵니다. 이를 완화하는 가장 좋은 방법은 증강 지능(머신러닝을 통한 인간 지능)을 유도하는 것입니다.
인간 지능은 양성 활동과 악성 활동을 쉽게 구별할 수 있습니다. 더 나아가 인간의 사료 잘못된 경보를 방지하기 위해 향후 등받이를 모방할 수 있습니다. 따라서 이 모델은 위협 탐지 효율성을 향상시키고 결과적으로 허위 경보를 줄입니다.
IoT 동작의 도움
다행히도 IoT 장치는 한정된 범위의 기능만 수행하도록 설계되었습니다. 따라서 인간 지능과 기계 학습의 균형 잡힌 조합을 통해 악의적인 행동을 쉽게 탐지하고 차단할 수 있습니다.
이미지 출처: wired.com
모델은 홈 네트워크에 쉽게 설치할 수 있는 소형 디바이스, 사용자가 디바이스를 관리할 수 있는 모바일 애플리케이션, 머신러닝 알고리즘을 통해 통합된 데이터를 저장하고 분석하는 클라우드 서비스로 구성됩니다. 이러한 모델은 기기와 고객으로부터 정보를 수집하는 만큼 시간이 지나면서 정밀도가 향상됩니다.
결국 머신러닝만으로는 완전한 솔루션이라고 볼 수 없습니다. 공격을 막으려면 인간의 지능과 결합해야 합니다.
읽기: 0
