宾夕法尼亚州立大学世界校区的一个团队创建了一种多管齐下的数据分析方法，可以增强物联网(IoT)设备(例如智能电视，家用摄像机和婴儿监视器)的安全性，以应对当前的风险和威胁。追求信息科学专业研究学位。

“到2020年，将有超过200亿个IoT设备投入使用，这些设备可能使人们容易受到安全漏洞的攻击，这可能会使他们的个人数据面临风险，甚至更严重地影响他们的安全，” Beulah Samuel说。信息科学。“但是，尚无策略来确定在这些设备上何时何地发生网络安全攻击，以及这种攻击的模样。”

该团队将传统网络安全管理中常用的方法组合应用到澳大利亚新南威尔士大学堪培拉模拟的物联网网络。具体来说，该团队展示了如何应用统计数据，机器学习和其他数据分析方法来确保物联网系统在其整个生命周期中的安全性。然后，研究人员使用入侵检测和可视化工具来确定该网络中是否已经发生或正在进行攻击。

研究人员在今天(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描述了他们的方法和发现。研究人员的工作获得了“最佳论文”奖。

团队应用的数据分析技术之一是开源的，免费的R统计套件，他们用来表征堪培拉网络上使用的物联网系统。此外，他们使用机器学习解决方案来搜索数据中使用R并不明显的模式。

信息科学专业的约翰·哈勒说：“维护物联网网络安全性的挑战之一就是仅识别网络上正在运行的所有设备。”“像R这样的统计程序可以表征和识别用户代理。”

研究人员使用了广泛使用的Splunk入侵检测工具，该工具包括用于通过Web样式的界面搜索，监视和分析网络流量的软件。

信息科学专业的Melanie Seekins说：“ Splunk是一种分析工具，通常用于传统的网络流量监控中，但直到现在为止，它在物联网流量中的应用还很有限。”