産業用モノのインターネット (IIoT) におけるセキュリティ戦略と AI の応用-AI-php.cn

著者 | Chen Jun

査読者| Chonglou

#オープンな産業用インターネット環境では、モノのインターネットに基づく何百万もの端末と中間デバイスが、継続的に通信を行い、24 時間オンライン状態を維持する必要があります。ただし、これらのデバイスには、初期設計の制限により、機密性、完全性、可用性、拡張性、相互運用性の点で、さまざまなセキュリティホールや隠れた危険性が存在することがよくあります。同時に、このような機器ハードウェア自体、実行中のソフトウェアアプリケーション、および通信ネットワーク ##内部/外部さまざまな脅威によって、さまざまな不正アクセス、データ改ざん、本番稼働の中断、さらにはネットワークデバイスへの損傷が引き起こされる可能性があります。その中で、一般的な脅威の種類には、分散型サービス拒否 (DDoS) 攻撃、情報スキャンと盗難、虚偽のデータが含まれます。インジェクション、端末やファイルのロックなどにより、企業は生産停止のジレンマに陥ります。これらは生産志向の企業に致命的な打撃を与えることがよくあります。 #インターネットモード

最初

産業用モノのインターネット (IIoT) におけるセキュリティ戦略と AI の応用 ,

産業用モノのインターネットの運用モデルについて基本的に理解しましょう。クラウドサービスの関連モデルを拡張して、産業用モノのインターネットでは、サービスとしてのプラットフォーム (PaaS)、サービスとしてのソフトウェア (SaaS)、サービスとしてのアプリケーション (AaaS)、およびデータとしてのサービス (DaaS)、相互通信方法。リアルタイムでデータを収集して保存することで、企業は

#さまざまな

#異種プラットフォームからのデータの品質を管理し、保守することが容易になります。 #consistency を使用して、出力を予測し、プロセスと材料のコストを制御します。 AaaS は、インターネット経由でのアプリケーションのオンデマンド配信、およびオンデマンドまたは料金を請求するサービスであることを言及する価値があります。期間ベースの消費者。クラウドサーバー上でホストされているため、アプリケーションのすべての更新、設定、セキュリティは端末ではなくサーバー側で行われます。 Data as a Service (DaaS) は、企業の端末デバイスがクラウドにアクセスできる場所ならどこでもデータ処理を実行できるようにし、いわゆるマスターデータ管理 (MDM) の概念を実現します。言い換えれば、すべての技術データ、トランザクションデータ、商業データ、物流データ、マーケティングデータ、およびマルチメディアデータが統合され、グローバルな一貫性と更新が維持されます。強化要件産業用 IoT ネットワークシステムでは、増加するにつれて、さらに多くのIoT

エンドポイントはさまざまな種類の産業データを収集するために使用され、エンドポイントとクラウドサービス間の接続などがますます重要になっています。クラウドサービスの場合、セキュリティ強化の責任は主にホストにあります。データフローの収集、高密度生成、分散コンピューティング、およびローカルストレージの作業の一部を実行するエッジコンピューティングエンドポイントの場合、設計の開始時にはコスト、可用性、およびネットワーク接続が主要な要素となることが多いためです。そのため、IoT エンドポイントデバイスの安全性は低いことがよくあります。

前述したように、エッジデバイス (センサー、アクチュエーター、電源モジュール、監視/集約デバイスなど) で実行される一部の通信プロトコルは、モバイルアプリケーション、ローカルストレージ、呼び出しインターフェイス、さらにはハードウェア自体にも脆弱性がある可能性があります。この点で、

企業は、インストール時と展開時、および運用時の両方で、適切なデバイス管理 (ポリシー主導の構成の強制など) と処理の実装を優先する必要があります。ソフトウェア/ハードウェアのタイムリーなパッチ適用と更新、保存中および転送中のデータの暗号化などのリソース。 #近年、人工知能を活用した攻撃手法が次々と登場しており、企業のセキュリティ強化手法もそれに追随する必要があります。更新の繰り返し。「魔法には魔法で負ける」という諺があるように、

人工知能関連の防御テクノロジーを導入することによってのみ、攻撃をうまく撃退し、生産の中断やデータ損失を回避することができます。 . .

リスクと機会

カスタマイズされた処理方法##包括的かつインテリジェントなセキュリティ管理業界のパイオニアとなり、市場での認知度##

人工知能は、産業用モノのインターネットにとって新しい概念ではありません。従来の SWOT (強み、Weaknesses、O#)を使用できます。 ##機会、T脅威、強み、弱み、機会、脅威など）人工知能の推進要因を見つけるための分析方法システムのセキュリティと産業の生産性の向上を結びつけます。以下は、産業用モノのインターネットにおける人工知能セキュリティ管理の実装に関して外国の学者によって導き出された SWOT 分析の結論です。 ## 現在、産業用モノのインターネットのセキュリティ制御ニーズの観点から、採用および実装できる人工知能テクノロジーの利点には主に次の側面が含まれます。

統合された自動化されたリスクと脅威の管理

人工知能ベースの生体認証と戦闘を含むアクセス管理サービス拒否 (DoS) 攻撃など

システムおよびアプリケーションレベルの脆弱性の検出
##データ損失と漏洩の防止
ウイルス対策関連ポリシーの適用
##標的型詐欺検出
侵入検知と防御
## 通常、次の完全なセット産業用 IoT エンタープライズシステムは、多くの場合、ハードウェア、ソフトウェア、サービスという 3 つの基本コンポーネントに基づいています。この点で、業界は 1 つ以上の人工知能テクノロジーを次のさまざまなアプリケーションシナリオに実装することに成功しています。

人工知能テクノロジー

# # ＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃アドバンテージ＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ##デメリット	内部システム	##自動パターン解析
十分なデータ量と適切な高品質データがあることを確認する必要があります	現在の運用モデルと動作環境を理解する必要があります # ＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃機会＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃脅威	#システム外部
	価格が高く、専門家が不足している	事例が少ないを参照すると、産業プロフェッショナルの属性が強すぎて、密疎の状況が生まれやすいです。

さまざまなルールに従って個々のデータ断片を分析し、「変化なし」または「攻撃の疑い」に分類し、新しいルールを自動的に策定する機能を備えています。 #対象となるアクティビティのカテゴリに基づいて、異常なアクティビティを分類します。距離に基づいて新しいパターンを作成します。深層学習ファジーロジック

##アプリケーションシナリオ	##意思決定ツリー
##ナイーブベイズ	)
K 最近傍 (K-NN)	大規模なデータセット内のパターンを発見し、カテゴリに分類された既存のデータと新しいデータの間のユークリッド
従来の人工ニューラルネットワーク		セキュリティの脆弱性によって引き起こされる損失を特定、分類、推定できる、早期の自動異常検出に適しています。
機械学習	##さまざまなデータ駆動型の手法を使用して、十分なデータ量と品質を確保しながら、データを処理し、仮説を検証し、ルールを自動的に抽出します。
## 画像やマルチモーダルデータの分析など、他のテクノロジーよりもはるかに複雑な問題を解決します。
##言語データ分析を実行し、不完全で不確実なデータを取得し、傾向分析を実行します。	フラクタル解析
パターンとミラーデータの「滑らかさ」を推定し、傾向とその変化を分析します。	自然言語処理 (NLP)
人間と人間、人間とコンピューターのインタラクション、エモーショナルコンピューティングなど、大量の自然言語データを処理および分析します。	AI レイヤリング想像力最近、業界の専門家は、上記の人工知能技術が次のようなものである可能性があると指摘しています。産業用 IoT 環境のシナリオに適用すると、次の接続間にフォグコンピューティング (F##) を追加することが考えられ、提案されます。 IoT エッジデバイスとクラウドサービス。#og Computing) セキュリティレイヤ化。この層は、人工知能の関連テクノロジーとモデルに依存して、接続されているエッジエンドポイントと産業ネットワークシステム環境の基本的なステータスを理解できるだけではありません。また、独自の AI を活用した自己学習機能を通じて、直接接続されたクラウドサービス側からの新しい攻撃をより簡単かつ迅速に学習し、隔離することができます。同時に、データアクセスのセキュリティとサイバー攻撃に対する適応性を大幅に向上させるための対策を創造的に作成します。もちろん、この層は、人間の専門家によるその後の分析やフォローアップのためにイベント処理情報のダンプを容易にするログインターフェイスも提供できます。概要現段階では、人工知能と産業用インターネットの統合は、これは、生産システムの問題診断の適時性と自動化された予防プロセスの精度を向上させる鍵となります。これらは多くの場合、継続的な分析、パターン認識、異常検出、さまざまな攻撃元のリスク予測と切り離せないものです。たとえば、インテリジェントで自動化されたファームウェアアップデートにより、ファームウェアアップデートプロセス中にエッジエンドポイントが外部ネットワーク攻撃から確実に保護されます。高度な人工知能アルゴリズムを使用して侵入検知システム (IDS) と侵入防御システム (IPS) を改善し、IoT 環境における新しい脅威をリアルタイムで正確に検出して阻止します。 #同時に、近年の個人プライバシーデータのコンプライアンス要件に伴い、人工知能もオンデマンドの IoT システムやシステムを通じて実装する必要があります。クラウドサービス: ポリシーを調整することで、承認されたユーザーまたはデバイスのみが適切なデータにアクセスできるようになります。つまり、人工知能の応用を通じて、産業用 IoT システムのセキュリティ、コンプライアンス、エネルギー効率のバランスを見つける必要があります。 #著者はじめに Julian Chen 、51CTO コミュニティ編集者は、IT プロジェクトの実装に 10 年以上の経験があり、社内外のリソースとリスクの管理と制御に優れており、ネットワークと情報セキュリティの知識と経験の普及に重点を置いています。