计算机和移动设备运行丰富的操作系统时，有大量的 安全 解决方案和加密协议可以保护他们连接到互联网时受到众多威胁。 物联网 并不是这样的情况。

　　目前有数十亿的 物联网 设备在使用中，其中大部分具有低端处理能力和存储容量，且不具有 安全 解决方案扩展的能力。然而，它们连接到互联网时处于一个非常恶劣的环境。

　　基本上，这就像没有穿铠甲去战场。

　　这就是为什么新的 物联网 漏洞不断浮出水面，每天有无数的物联网设备遭到黑客、僵尸网络和其他恶行的攻击。一个恶意黑客只需要几分钟就能在搜索引擎Shodan上找到成千上万的易受攻击的设备，缺乏免疫的物联网设备经常成为网络中更具危险的黑客的滩头阵地。底线是，我们有太多的智能设备在保护自己(和我们)避免网络攻击时本身太迟钝。

　　但是这个漏洞可以通过机器学习和分析来弥补，特别是通过开发人员和制造商将变得更容易。

　　物联网设备产生大量数据，机器学习被用来分析和阅读数据，以帮助提高效率和客户服务，并降低成本和能源消耗。同样的设备可以在安全相关的用例中使用，如确定安全设备的行为和一般的使用模式，从而有助于发现和阻止异常活动和潜在的有害行为。

　　目前，一些高科技公司正在借鉴这一方法，提供增强物联网的安全性的解决方案，特别是在没有定义安全标准和实践的智能家庭。

　　利用云计算来巩固情报

　　“目前，机器学习与行为分析是检测一切的最大的发展趋势之一，”在网络安全科技公司Bitdefender的首席安全研究员亚历巴兰说道。然而，他阐述了机器学习仍然有很长的路要走，需要有“大量的关于开发，实施和测试算法的研究和创新。”

　　BitDefender的方法是聚集成一个依靠产品的所有终端的云服务器数据库;输入数据进行分析以确定模式和现场恶意行为。“你收集所有的流量，”巴兰说，“通过清理和规范它，学习它，看看设备与什么服务器交流，和其他什么设备交流，他们通常怎样与互联网和设备之间进行连接，并且选择出异常流量。”

　　机器学习是非常有前途的，但它仍然是处于起步阶段，还有很长的路要走。

　　Bitdefender使用云智能与模式识别，通过整套端点安全软件和硬件的本地网络分析，来控制家庭网络的互联网流量和恶意URL、恶意软件下载和可疑的数据包的块连接。云服务的使用使公司能够带来企业级智慧和消费者空间的保护。