इसके विपरीत लोकप्रिय धारणा के अनुसार, बाजार में अधिकांश IoT डिवाइस सर्वश्रेष्ठ एन्क्रिप्शन विधियों और सुरक्षा प्रोटोकॉल का उपयोग नहीं करते हैं, और इस प्रकार किसी भी सुरक्षा खतरों को रोकने के लिए अच्छी तरह से सुसज्जित नहीं हैं। हालांकि, उनमें से कई खुद को अपग्रेड करने में असमर्थ हैं, सिर्फ इसलिए कि वे पहले स्थान पर बहुत सुरक्षित नहीं थे।
यह एक ज्ञात तथ्य है कि दुनिया भर में अपनाने की उनकी उच्च दर के बावजूद, दुनिया के 85% से अधिक IoT डिवाइस सुरक्षित नहीं हैं। सच कहूँ तो, IoT व्यावसायिक उद्यमों की दुनिया में बेहतर स्थिति में है, जहाँ डिवाइस सुरक्षा और विश्वसनीयता पहलुओं में सुधार करने में सक्षम हैं। लेकिन उपभोक्ता दुनिया में, जहां सामर्थ्य सुरक्षा की तुलना में उच्च स्थान रखती है, निर्माताओं पर निश्चित रूप से सुरक्षा पर भरोसा नहीं किया जा सकता है। इसलिए ऐसी स्थितियों में, आने वाले कई IoT डिवाइस बॉटनेट और अन्य हमलों के लिए पहले से कहीं अधिक संवेदनशील होंगे। शुक्र है, अगर हम IoT सुरक्षा को बेहतर बनाने के लिए एनालिटिक्स और मशीन लर्निंग का उपयोग करते हैं तो हम इस समस्या को हल कर सकते हैं।
वर्तमान में, मशीन लर्निंग का उपयोग उपयोगकर्ता अनुभव और दक्षता बढ़ाने के लिए IoT जनित डेटा का विश्लेषण करने के लिए किया जाता है। उपयोग पैटर्न और डिवाइस व्यवहार का विश्लेषण करके IoT सुरक्षा प्रथाओं को बेहतर बनाने के लिए उसी तकनीक का उपयोग किया जा सकता है। यह आपको असामान्य गतिविधियों और संभावित खतरों को रोकने में मदद कर सकता है। खुशी की बात है कि प्रौद्योगिकीविद् अब सबसे कमजोर IoT सुरक्षा यानी घर पर सुधार करने पर ध्यान केंद्रित कर रहे हैं।
इंटेलिजेंस को केंद्रीकृत करने के लिए क्लाउड का उपयोग करना
वैज्ञानिक अब क्लाउड सर्वर के अंदर IoT उत्पादों के सभी समापन बिंदुओं से डेटा एकत्रित करने का प्रयास कर रहे हैं। इससे उन्हें इनपुट का विश्लेषण करने और दुर्भावनापूर्ण व्यवहार का पता लगाने में मदद मिलेगी। वे यह भी देखने में सक्षम होंगे कि कौन से सर्वर और डिवाइस IoT उपकरणों के साथ संचार कर रहे हैं और इसलिए असामान्य व्यवहार का पता लगा सकते हैं। वे संदिग्ध पैकेट, भ्रामक URL और दुर्भावनापूर्ण डाउनलोड की जांच कर सकते हैं।
मशीन लर्निंग के साथ ह्यूमन-एडेड इंटेलिजेंस का उपयोग करना
IoT डिवाइस को सुरक्षित करने के लिए ऑगमेंटेड इंटेलिजेंस को विकसित करने में मशीन लर्निंग फायदेमंद हो सकती है। सिर्फ पैटर्न रिकग्निशन और मशीन लर्निंग पर आधारित एक सुरक्षा सिस्टम केवल मौजूदा कनेक्शन यानी पहले से कनेक्टेड डिवाइस और नेटवर्क से जानकारी इकट्ठा करेगा। . किसी भी बाहरी चीज को खतरे के रूप में देखा जाएगा। इस प्रकार, ऐसे सिस्टम समय-समय पर झूठे अलार्म ट्रिगर करेंगे। इसे कम करने का सबसे अच्छा तरीका संवर्धित बुद्धि (मशीन लर्निंग के साथ मानव बुद्धि) को प्रेरित करना है।
मानव बुद्धि सौम्य और दुर्भावनापूर्ण गतिविधियों के बीच आसानी से अंतर कर सकती है। इसके अलावा, झूठे अलार्म को रोकने के लिए भविष्य में मानवीय प्रतिक्रियाओं का अनुकरण किया जा सकता है। इसलिए, मॉडल खतरे का पता लगाने की दक्षता को बढ़ाता है और अंततः झूठे अलार्म को कम करता है।
IOT Behaviour से मदद
सौभाग्य से, IoT उपकरणों को केवल एक निश्चित श्रेणी के कार्यों को करने के लिए डिज़ाइन किया गया है। इसलिए, मानव बुद्धि और मशीन लर्निंग का एक संतुलित मिश्रण दुर्भावनापूर्ण व्यवहार का आसानी से पता लगा सकता है और उसे रोक सकता है।
इमेज सोर्स: Wired.com
मॉडल में एक छोटा उपकरण होता है जिसे होम नेटवर्क में आसानी से स्थापित किया जा सकता है, एक मोबाइल एप्लिकेशन जो उपयोगकर्ता को डिवाइस का प्रबंधन करने की अनुमति देता है, और एक क्लाउड सेवा जो मशीन लर्निंग एल्गोरिदम के माध्यम से समेकित डेटा को संग्रहीत और विश्लेषण करती है। इस तरह के मॉडल समय के साथ अपनी सटीकता में सुधार करते हैं क्योंकि यह उपकरणों और ग्राहकों से जानकारी एकत्र करता है।
आखिरकार, अकेले मशीन लर्निंग को एक पूर्ण समाधान नहीं माना जा सकता है। हमलों को रोकने के लिए इसे मानव बुद्धि के साथ जोड़ने की जरूरत है।