物联网 安全领域机器学习方法的研究与前景

随着物联网的不断发展壮大，它对社会和经济各方面的影响也愈发明显起来。网络中的节点通常是资源受限的，因此成为了网络攻击的重要目标之一。

物联网是一个通过有线或无线通信技术进行通信的互联网分布式网络嵌入式系统，或者也可以说成物理对象或事物的网络，具有不俗的计算、存储以及通信能力，通常用于嵌入电子设备（如传感器和执行器）、软件和网络连接，物联网能够使这些对象之间收集、处理和交换数据。

为了成功实现万物物联网，分析安全和隐私问题的根源至关重要。准确来说物联网这个术语已经被从现有技术中抛弃，因此我们有必要知道物联网的安全挑战是新的挑战还是从旧技术继承。

机器学习的传统方法被广泛用于物联网的各个方面（如应用程序、服务、架构、协议、数据聚合、资源分配、集群），以及安全性问题，但物联网是一种大规模部署、提倡智能、健壮和可靠的技术，ML和DL是物联网中很有前景的应用。此外，ML和DL应用在物联网中能够更好地利用所生成的数据，使物联网系统能够做出最正确的决策。考虑到我们在现实场景之间的实时交互以及智能设备和物理环境之间的实时交互，DL也可以用于物联网设备，传感器用以执行各种复杂的传感和识别数据的任务，以高效实现各种各样的新的应用程序和人工智能服务。

其次是数据的管理和分析。无线数据可以从不同的来源生成，包括网络信息系统、传感和通信设备。数据是物联网系统的关键，必须进行有效的分析才能从数据中获得有价值的信息，然而大规模数据管理是一个严峻的挑战。在物联网网络中生成的数据在本质上是不同的，它们的类型、格式和语义都不同，因此表现出来的语法和语义具有异质性。语法异构性是指数据类型、文件格式、编码方案和数据模型的多样性，而语义异质性是指在数据含义上的差异，这种异构性导致了高效和统一泛化的问题，特别是在大数据的情况下。因此，如何有效利用这些异构性，实现数据挖掘的目标，成为当前研究的热点。

（编辑：银川站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!