ตรงข้ามกับความเชื่อทั่วไป อุปกรณ์ IoT ส่วนใหญ่ในตลาดไม่ได้ใช้วิธีการเข้ารหัสและโปรโตคอลความปลอดภัยที่ดีที่สุด จึงไม่พร้อมป้องกันภัยคุกคามด้านความปลอดภัย อย่างไรก็ตาม หลายอุปกรณ์ไม่สามารถอัปเกรดตัวเองได้ เพราะตั้งแต่แรกก็ไม่ได้ออกแบบมาเพื่อความปลอดภัยมากนัก
เป็นข้อเท็จจริงที่ว่ 儘管 การนำ IoT ไปใช้ทั่วโลกสูง แต่มากกว่า 85% ของอุปกรณ์ IoT ทั่วโลกไม่ปลอดภัย IoT เหมาะกับโลกองค์กรธุรกิจมากกว่า ที่อุปกรณ์สามารถปรับปรุงความปลอดภัยและความน่าเชื่อถือได้ แต่ในโลกผู้บริโภค ที่ราคาถูกสำคัญกว่าความปลอดภัย ผู้ผลิตแน่นอนว่าไม่น่าเชื่อถือด้านความปลอดภัย ดังนั้น อุปกรณ์ IoT รุ่นใหม่หลายตัวจะคุ้มครองบอทเน็ตและการโจมตีอื่นๆ มากกว่าก่อน ขอขอบคุณที่เราสามารถแก้ปัญหานี้ได้ด้วยการวิเคราะห์และ Machine Learning เพื่อปรับปรุงความปลอดภัย IoT
ปัจจุบัน Machine Learning ใช้วิเคราะห์ข้อมูลจาก IoT เพื่อเพิ่มประสบการณ์ผู้ใช้และประสิทธิภาพ เทคโนโลยีเดียวกันนี้สามารถใช้ปรับปรุงแนวทางปฏิบัติความปลอดภัย IoT ได้ โดยการวิเคราะห์รูปแบบการใช้งานและพฤติกรรมอุปกรณ์ ช่วยบล็อกกิจกรรมผิดปกติและภัยคุกคามที่อาจเกิดขึ้น โชคดีที่นักเทคโนโลยีกำลังเน้นแก้ไข IoT ที่เปราะบางที่สุด คือที่บ้าน
ใช้ Cloud เพื่อรวมข้อมูลข่าวกรอง
นักวิทยาศาสตร์กำลังพยายามรวบรวมข้อมูลจากทุกปลายทางของผลิตภัณฑ์ IoT ไปยังเซิร์ฟเวอร์ Cloud จะช่วยให้วิเคราะห์อินพุตและตรวจจับพฤติกรรมอันตราย ได้เห็นว่าเซิร์ฟเวอร์และอุปกรณ์ไหนสื่อสารกับ IoT จึงตรวจจับพฤติกรรมผิดปกติ ตรวจสอบแพ็กเก็ตน่าสงสัย URL หลอกลวง และการดาวน์โหลดอันตราย
ใช้ Human-Aided Intelligence ร่วมกับ Machine Learning
Machine Learning สามารถช่วยพัฒนา Augmented Intelligence เพื่อรักษาความปลอดภัยอุปกรณ์ IoT ระบบความปลอดภัยที่พัฒนาจากการจดจำรูปแบบและ Machine Learning เพียงอย่างเดียว จะรวบรวมข้อมูลจากการเชื่อมต่อที่มีอยู่แล้ว คือ อุปกรณ์และเครือข่ายที่เชื่อมต่อแล้ว สิ่งภายนอกจะถูกมองว่าเป็นภัยคุกคาม ระบบแบบนี้จะทำให้เกิด False Alarm บ่อย วิธีที่ดีที่สุดคือนำ Augmented Intelligence (Human Intelligence + Machine Learning) เข้าไป
ปัญญามนุษย์แยกแยะกิจกรรม良性และอันตรายได้ง่าย เพิ่มเติม ความคิดเห็นของมนุษย์สามารถเลียนแบบในอนาคตเพื่อป้องกัน False Alarm ดังนั้น โมเดลนี้เพิ่มประสิทธิภาพการตรวจจับภัยคุกคาม และลด False Alarm ลงเรื่อยๆ
ความช่วยเหลือจากพฤติกรรม IoT
โชคดีที่อุปกรณ์ IoT ออกแบบมาเพื่อทำหน้าที่เฉพาะเจาะจงในช่วงที่จำกัด ดังนั้น การผสมผสานที่สมดุลระหว่างปัญญามนุษย์และ Machine Learning สามารถตรวจจับและหยุดพฤติกรรมอันตรายได้ง่าย
แหล่งภาพ: wired.com
โมเดลประกอบด้วยอุปกรณ์เล็กๆ ที่ติดตั้งในเครือข่ายบ้านได้ง่าย แอปมือถือให้ผู้ใช้จัดการอุปกรณ์ และบริการ Cloud ที่จัดเก็บและวิเคราะห์ข้อมูลรวมผ่านอัลกอริทึม Machine Learning โมเดลนี้เพิ่มความแม่นยำตามเวลา ตามข้อมูลที่รวบรวมจากอุปกรณ์และลูกค้า
สุดท้าย Machine Learning เพียงอย่างเดียวไม่สามารถเป็นโซลูชันสมบูรณ์ได้ ต้องรวมกับปัญญามนุษย์เพื่อหยุดการโจมตี
