物聯網市場在過去幾年迅速增長，疫情進一步促進了其在不同地域的采用。物聯網的影響可以通過各種行業用例進行評估，從個性化醫療保健到基礎設施，以及工業應用等。物聯網的日益普及帶來了關鍵的網絡安全問題和影響潛力，主要原因如下：

　　物聯網漏洞可能提供訪問的數據和系統的重要性

　　大量潛在的攻擊媒介——物聯網網絡的各個部分容易受到惡意入侵的影響

　　據調查數據顯示，超過70%的通用物聯網解決方案存在安全漏洞，如未加密的數據傳輸或基本密碼。

　　隨著威脅的數量和速度的增加，專家們正在轉向人工智能來對這些系統進行智能實時保護。根據研究報告顯示，53%的高管表示要利用人工智能在網絡安全中實現物聯網安全，而69%的受訪者表示，如果沒有人工智能，他們無法應對網絡攻擊。物聯網安全中的人工智能用例包括：

　　威脅評估：人工智能可用于檢查事件數據，并在威脅變得嚴重之前發現它們。機器學習用于分析可疑事件配對的事件記錄。物聯網設備從各種來源收集數據，并將其輸入支持人工智能的威脅檢測系統，以確定欺詐和數據丟失。

　　威脅檢測：基于人工智能的物聯網滲透測試有助于衡量其漏洞。人工智能算法和機器學習可以自動化“筆測試”和“漏洞評估”，使這些流程更加一致和可擴展，減少誤報，并建立公司的基線安全條件。這在物聯網設備高度集中的工業中是有效的，因為這可能涉及數萬個傳感器和設備。

　　漏洞保護：ML模型監視物聯網設備和網絡活動的異常行為，以防止未知的漏洞和攻擊。

　　將ML與網絡分段集成：企業可以構建分段和邊緣設備策略，ML模型將監視、掃描和保護設備。ML系統根據規則自動將設備放入正確的安全組中。

　　入侵檢測和預防：人工智能可以在高度可擴展的信息物理系統中進行入侵檢測，這些系統在復雜的廣域網上有大量相互連接的設備。

　　用戶/機器行為分析：許多公司將人工智能作為其威脅情報流程的一部分，以降低物聯網基礎設施風險。ML使物聯網安全團隊能夠創建明智的預測和反應。在已知漏洞和攻擊的情況下，如分布式拒絕服務，它分析網絡行為攻擊模式，并采取預防措施。

　　基于人工智能的物聯網網絡安全正在得到重視，行業領導者正在開發和部署物聯網專用解決方案。對基于人工智能的物聯網安全的重視從大規模收購中可以看出，比如DevOps平臺開發商JFrog在2021年以3億美元收購了Vdoo，后者擁有一個基于人工智能的物聯網安全威脅檢測平臺。同樣，全球物聯網平臺提供商Relayr在2017年收購了AI數據安全提供商Neokami。

　　需要考慮的一個關鍵趨勢是，中小企業對物聯網安全解決方案的投資不斷增加。這從人工智能驅動的物聯網安全初創公司增加的投資中可以明顯看出：美國SparkCognition在2022年獲得1.23億美元，以加速人工智能在各行業的采用，美國物聯網安全解決方案開發商Ordr(利用基于人工智能的系統控制引擎)在2022年獲得4000萬美元用于連接設備安全。

　　基于人工智能的物聯網網絡安全解決方案的采用正在上升。然而，隨著物聯網部署從傳統模型，如利用云計算的基于網關的部署模型發展到邊緣和霧計算模型，安全需求也在不斷發展。人工智能通過基于行為的解決方案構成了端點安全的關鍵組件，可以將其視為對基于簽名的保護的升級。例如，邊緣人工智能設備管理供應商Allxon與網絡安全軟件公司趨勢科技的物聯網安全部門合作，創建了強大的安全功能。

　　由于跨部門使用案例的不斷增長，物聯網行業預計將大幅擴張。企業正在考慮制定物聯網和人工智能的綜合戰略，以滿足動態的安全挑戰和規劃需求，從而為物聯網平臺和網絡安全提供商創造機會。物聯網公司通過投資、合作、收購等方式在網絡安全人工智能領域開發集成解決方案，反之亦然，在不久的將來，這種趨勢的增長是可以預見的。