人体辅助机器学习

　　“机器学习是物联网安全的 人工智能 发展的一个关键组成部分，” PatternEx的联合创始人兼首席执行官Uday Veeramachaneni说道。“问题是，物联网将大规模地分布，如果有一个攻击，你必须作出实时反应。”

　　依靠机器学习和行为分析的大多数系统，将收集有关网络和连接设备的信息，并随后寻求非正常的一切状况。这种原始方法的问题是，它产生太多的错误警告和误报。

　　PatternEx建议的方法是开发一个解决方案，包括机器学习和增强它与人类分析师的见解以便检测更大的攻击。“实时解决这一问题的方法是创建一个学习系统，该系统采用人们反馈的这些异常值和要求，“Veeramachaneni解释说。“只有人类才能区分恶意和良性，这些反馈返回到系统中并创建预测模型，通过模型可以模仿人类的判断-但这需要在巨大的规模和实时的条件下才行。”

　　这是与物联网生态系统特别相关的，其中涉及大量的设备，对产生的海量数据进行实时分析超出了人类的能力。

　　PatternEx采用机器学习算法进行异常检测，并训练所述模型以便在实时方面更准确。训练是由任何一个可以发现新的攻击发生的分析师完成。该系统产生有潜在的攻击的事件。分析师调查事件，并确定系统的评估是否正确。该系统从经验中学习，并在下一次作出更准确的决策。

　　“这种模式有助于提高威胁检测的准确性，随着时间的推移减少误报的数量，”Veeramachaneni说。

　　利用物联网设备的有限功能

　　物联网设备的设计是为了执行一组有限的功能。因此，有了机器学习和足够的数据，它识别异常行为就变得非常容易。这个想法被初创科技公司的Dojo-Labs实验室用来创建智能家居物联网的安全解决方案。

　　“当涉及到物联网设备，它们被设计来做一个非常，非常具体的功能，”该公司联合创始人兼首席执行官Yossi Atias说。“因此，假设我们有很多用户使用相同的摄像头或相同的智能电视或相同的智能报警或智能锁，没有真正的原因表明一个设备会表现出不同于其他的行为，因为他们都运行相同的软件，而这不是用户可以改变的。”

　　Dojo-Labs实验室的方法涉及从不同的端点收集元数据和定义每个设备类型的行为范围，以便能够发现并阻止恶意行为。正如所有的解决方案涉及机器学习，Dojo-Labs实验室的模型由于收集越来越多的客户数据而改进了。