“技术的组合可以提高物联网设备的安全性”

宾夕法尼亚州立大学世界分校的学生小组制定了多管齐下的数据观察方法，以加强智能电视、家庭摄像头和婴儿监视器等物品的网络( iot )设备的安全，应对当前的风险和威胁 新闻专业研究硕士学位。

宾夕法尼亚大学的学生beulah samuel说，明年将部署200亿以上的iot设备。 这些设备容易受到安全漏洞的攻击，个人数据可能面临风险或恶化，从而影响安全。 国家校园新闻科学与技术计划。 但是，没有明确这些设备何时何地发生了网络安全攻击以及这种攻击的情况的战略。

这个小组将结合之前流传下来的网络安全管理中常用的做法，应用于新南威尔士大学堪培拉分校的物联网。 具体介绍了如何应用统计数据、机器学习和其他数据观察方法，以确保物联网系统在整个生命周期的安全性。 然后，使用入侵检测和可视化工具，明确互联网上是否已经发生或正在攻击。

研究人员今天( 10月10日)在2019年ieee普适计算、电子和移动通信会议上发表的论文中阐述了他们的做法和发现。 这个小组的工作获得了最好的论文奖。

小组应用的数据观察技术之一是免费获取的开源r统计工具包，用于表示堪培拉互联网采用的iot系统。 另外，他们利用机器学习处理方案，在数据中检索r不明显的模式。

宾夕法尼亚州立大学世界校园新闻科学与技术计划的学生约翰·哈拉尔说，维护物联网安全面临的挑战之一是识别所有在互联网上运行的设备。 诸如r之类的统计程序可以表征和识别客户端代理。

研究者采用了广泛采用的splunk入侵检测工具。 该工具包包含用于通过web格式的接口搜索、监视和分解互联网流量的软件。

据melanie seekins介绍，splunk是一种分解工具，通常用于互联网流量监测，但目前对互联网流量的应用仍然有限。

利用这些工具和其他工具，小组查明了三个试图入侵堪培拉互联网设备的ip地址。

andrew brandon注意到，三个ip地址曾有一段时间试图使用不同的协议多次连接到iot设备。 这清楚地说明了分布式拒绝服务攻击，其目的是破坏和/或采用设备以防止用户使用该设备。

作为其方法的基础，研究者与用于支持风险管理的通用框架(美国国家标准技术研究院( nist )风险管理框架) rmf ) )进行了比较。

布兰登“虽然nist rmf不是为物联网制造的，但它提供了一个定制、测试和监控所实施的安全控制的组织框架。 这为我们的做法赢得了信誉。

本文：《“技术的组合可以提高物联网设备的安全性”》