Strategi keselamatan dan aplikasi AI dalam Industri Internet Perkara (IIoT)

|. jam Berkomunikasi secara berterusan

dan kekal dalam talian. Walau bagaimanapun, peranti ini selalunya mempunyai pelbagai lubang keselamatan dan bahaya tersembunyi dari segi kerahsiaan, integriti, kebolehgunaan, skalabiliti dan kesalingoperasian disebabkan oleh pengehadan reka bentuk awal. Pada masa yang sama, ancaman yang berbeza terhadap perkakasan peranti itu sendiri, aplikasi perisian yang berjalan

, dan

dalaman/luar

juga akan menyebabkan pelbagai

akses tanpa kebenaran , operasi pengeluaran terganggu, malah peranti rangkaian rosak. Antaranya, jenis ancaman biasa kami termasuk: serangan penafian perkhidmatan (DDoS) yang diedarkan, pengimbasan dan kecurian maklumat, suntikan data palsu dan mengunci terminal atau fail, dsb., yang akan menyebabkan syarikat Kami terperangkap dalam kesusahan penutupanpengeluaran. Ini sering membawa tamparan maut kepada perusahaan berorientasikan pengeluaran. . Mengguna pakai model perkhidmatan awan yang berkaitan, Internet Industri Perkara menggunakan empat kaedah saling sambungan: Platform sebagai Perkhidmatan (PaaS), Perisian sebagai Perkhidmatan (SaaS), Aplikasi sebagai Perkhidmatan (AaaS) dan Data sebagai Perkhidmatan ( DaaS). Dengan mengumpul dan menyimpan data dalam masa nyata, mereka memudahkan perusahaan mengawal kualiti data daripada pelbagai platform heterogen dan mengekalkan konsisten, seterusnya meramalkan output dan mengawal kos proses dan bahan. Perlu dinyatakan bahawa AaaS ialah perkhidmatan yang menyampaikan aplikasi atas permintaan melalui Internet dan mengenakan bayaran kepada pengguna berdasarkan masa atau tempoh masa. Memandangkan ia dihoskan pada pelayan awan, semua kemas kini, konfigurasi dan keselamatan aplikasi dilakukan pada bahagian pelayan dan bukan pada terminal. Data sebagai Perkhidmatan (DaaS) boleh memastikan peranti terminal perusahaan boleh melakukan pemprosesan data di mana-mana sahaja yang boleh mengakses awan, merealisasikan konsep yang dipanggil Pengurusan Data Induk (MDM). Dalam erti kata lain, semua data teknikal, transaksi, komersial, logistik, pemasaran dan multimedia akan digabungkan bersama untuk mengekalkan konsistensi dan kemas kini global. . . Untuk perkhidmatan awan, tanggungjawab untuk pengerasan keselamatan terutamanya terletak pada hos. Untuk titik akhir pengkomputeran tepi yang membawa sebahagian daripada kerja pengumpulan strim data, penjanaan padat, pengkomputeran teragih dan storan setempat, memandangkan pada permulaan reka bentuk, kos, ketersediaan dan ketersambungan rangkaian sering menjadi pertimbangan utama, jadi IoT peranti titik akhir selalunya mempunyai keselamatan yang lemah.

Seperti yang dinyatakan sebelum ini, beberapa protokol komunikasi, aplikasi mudah alih, storan setempat dan antara muka panggilan yang dijalankan pada peranti tepi (termasuk penderia, penggerak, modul kuasa dan peranti pemantauan/penjumlahan, dll.)

, Malah perkakasan

itu sendiri mungkin mempunyai kelemahan. Dalam hal ini, sama ada semasa pemasangan dan penggunaan, atau semasa operasi, perusahaan mesti mengutamakan pelaksanaan pengurusan peranti yang sesuai (seperti pelaksanaan konfigurasi dipacu dasar), serta keselamatan sumber pemprosesan dan storan, termasuk: Menampal dan mengemas kini perisian/perkakasan tepat pada masanya, penyulitan data semasa rehat dan dalam transit, dsb.

Dalam beberapa tahun kebelakangan ini, dengan kemunculan berterusan kaedah serangan yang disokong oleh kecerdasan buatan, kaedah pengukuhan keselamatan perusahaan juga perlu dikemas kini dan diulang sewajarnya. Seperti kata pepatah “Melawan sihir dengan sihir”, hanya dengan memperkenalkan teknologi pertahanan berkaitan kecerdasan buatan boleh kita berjaya menangkis serangan dan mengelakkan gangguan pengeluaran dan kehilangan data. Risiko dan Peluang

Keburukan

Di dalam sistem ed untuk memastikan bahawa terdapat data yang mencukupi Kuantiti dan data berkualiti tinggi yang sewajarnya

Perlu mempunyai pemahaman tentang model pengeluaran semasa dan persekitaran operasi

Ancaman

2. external ke pengurusan sistem yang komprehensif dan pintar

bawa perintis industri dan mendapat pengiktirafan pasaran

1. High harga dan kekurangan pakar
2. Terdapat beberapa kes untuk dirujuk, dan sifat profesional industri terlalu kuat, yang boleh menyebabkan kekeliruan dengan mudah

Kecerdasan Buatan bukanlah konsep baru untuk Internet Industri Perkara. Kita boleh menggunakan SWOT tradisional (Strengths, Weaknesses, Opeluang, , , ,

,

, ,

ngths, Kelemahan, Peluang dan ancaman) kaedah analisis , untuk mencari hubungan antara keselamatan sistem dipacu AI dan peningkatan produktiviti industri. Berikut ialah kesimpulan analisis SWOT yang dibuat oleh sarjana asing mengenai pelaksanaan pengurusan keselamatan kecerdasan buatan dalam Internet Industri Perkara:

Status permohonan

1. Pada masa ini, dari segi pengurusan keselamatan dan keperluan kawalan daripada Industrial Internet of Things, ia boleh diterima pakai Kelebihan teknologi kecerdasan buatan yang dilaksanakan terutamanya merangkumi aspek berikut:
2. Pengurusan risiko dan ancaman automatik bersatu
4. pengurusan artifisial Teknologi biometrik berasaskan perisikan dan memerangi penafian perkhidmatan (DOS)) serangan, dan lain-lain. dasar berkaitan
5. Sasarkan Pengesanan penipuan
6. Pengesanan dan pencegahan pencerobohan

Pengesanan dan pencegahan pencerobohan

selalunya berasaskan perusahaan, tiga set perisian biasanya berasaskan perindustrian, IoT dan sistem biasanya berasaskan perusahaan: IoT dan sistem biasanya berasaskan industri, IoT dan sistem biasanya berasaskan: perkhidmatan. Dalam hal ini, industri telah berjaya melaksanakan satu atau lebih teknologi kecerdasan buatan ke dalam senario aplikasi yang berbeza berikut: Cari corak dalam set data yang besar berdasarkan

	Teknologi
Senario aplikasi	Pokok keputusan
Mengikut peraturan yang berbeza, "menganalisis serpihan dan tiada satu pun" serangan, "menganalisis serpihan" dan "menganalisis serpihan" dan "tiada serpihan" yang menyerangnya, "menganalisis satu serpihan" atau "menganalisis serpihan" itu, "menganalisis satu serpihan" keupayaan untuk mencipta peraturan baharu secara automatik. .	k-terdekat jiran (k-nn)
euclidean antara data sedia ada dan data baru distance, buat kategori baharu.	Rangkaian Neural Tiruan Tradisional	Sesuai untuk pengesanan anomali automatik awal, yang boleh mengenal pasti, mengelas dan menganggarkan kerugian yang disebabkan oleh pelanggaran keselamatan. .
Pembelajaran mendalam	menyelesaikan masalah yang jauh lebih kompleks daripada teknologi lain, seperti menganalisis imej data.
Logik kabur	Lakukan analisis data linguistik, tangkap data yang tidak lengkap dan tidak pasti.
Fraktal (Fraktal ) analisis	menganggarkan "perubahan" dan kestabilan data mereka . .
Pelapis AIimaginasi Baru-baru ini, pakar dalam industri telah memikirkan dan mencadangkan senario di mana teknologi kecerdasan buatan di atas mungkin IoT dilengkapkan kepada persekitaran industri ting ( Fog Computing) lapisan keselamatan ditambah antara sambungan perkhidmatan awan. Bergantung pada teknologi dan model kecerdasan buatan yang berkaitan, lapisan ini bukan sahaja dapat memahami status asas titik akhir tepi yang disambungkan kepadanya dan persekitaran sistem rangkaian industri, tetapi juga boleh belajar sendiri melalui AI-nya sendiri. diperkasakan Keupayaan untuk mempelajari dan mengasingkan serangan baharu dengan lebih mudah dan cepat daripada bahagian perkhidmatan awan yang disambungkan secara terus, dan secara kreatif menjana tindakan balas dalam hampir masa nyata, meningkatkan keselamatan akses data dengan sangat baik, dan Kebolehsuaian menentang serangan siber. Sudah tentu, lapisan ini juga boleh menyediakan antara muka log untuk memudahkan lambakan maklumat pemprosesan acara untuk analisis dan susulan seterusnya oleh pakar manusia. Ringkasan Pada peringkat ini, penyepaduan kecerdasan buatan dan Internet of Things industri adalah kunci untuk meningkatkan ketepatan masa diagnosis masalah sistem pengeluaran dan ketepatan pencegahan automatik. Ini selalunya tidak dapat dipisahkan daripada analisis berterusan, pengecaman corak, pengesanan anomali dan ramalan risiko sumber serangan yang berbeza. Contohnya, kemas kini perisian tegar pintar dan automatik akan memastikan bahawa titik akhir tepi dilindungi daripada serangan rangkaian luaran semasa proses kemas kini perisian tegar. Gunakan algoritma kecerdasan buatan lanjutan untuk meningkatkan sistem pengesanan pencerobohan (IDS) dan sistem pencegahan pencerobohan (IPS) untuk mengesan dan mencegah ancaman baharu dengan tepat dalam persekitaran IoT dalam masa nyata. Pada masa yang sama, dengan keperluan pematuhan untuk data privasi peribadi sejak beberapa tahun kebelakangan ini, kecerdasan buatan juga perlu memastikan bahawa hanya orang atau peranti yang diberi kuasa boleh digunakan melalui pelarasan dasar atas permintaan kepada sistem IoT dan perkhidmatan awan . Barulah data yang sesuai boleh diakses. Ringkasnya, kita perlu mencari keseimbangan antara keselamatan, pematuhan dan kecekapan tenaga sistem IoT industri melalui aplikasi kecerdasan buatan. PengarangPengenalan Julian Chen, editor komuniti 51CTO, mempunyai lebih sepuluh tahun pengalaman pelaksanaan projek IT, pandai mengawal sumber dalaman dan luaran serta risiko pengetahuan dan pengalaman rangkaian dan keselamatan maklumat.

Atas ialah kandungan terperinci Strategi keselamatan dan aplikasi AI dalam Industri Internet Perkara (IIoT). Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!