對于供應商及其客戶而言，由于復雜性、成本的問題，物聯(lián)網安全在很大程度上仍然是在出現(xiàn)問題之后才會考慮的問題。這些物聯(lián)網設備應如何在企業(yè)網絡上運行，需要進行更深入的行為分析，這與過去筆記本電腦和智能手機等設備所使用的方法大相徑庭。

　　鑒于人們采用單一用途網絡連接設備的速度越來越快，大多數高管都非常擔心物聯(lián)網設備可能給他們的業(yè)務帶來的潛在風險。值得關注的是由于處理不當，這些設備會影響安全和日常運營。如果沒有得到妥善保護，被黑客入侵的物聯(lián)網設備可以提供企業(yè)數據的網關和巨大的漏洞。

　　其實，物聯(lián)網安全性正在嘗試自動保護這些設備，并使用已經在網絡中肆虐的現(xiàn)有數據包阻止來自越來越多的處理器和內存受限的物聯(lián)網設備的威脅。這些系統(tǒng)的行為與傳統(tǒng)計算機有很大不同，它們與企業(yè)防火墻外的系統(tǒng)進行交互。

　　幸運的是，最近大數據網絡分析的技術進步，結合人工智能（AI）和機器學習（ML）技術，正在產生新的平臺，可以解決網絡世界迫在眉睫的安全問題。

　　無論是使用新的AI解決方案還是尋找以更小的步驟更好地保護物聯(lián)網網絡的方法，要確保安全解決方案包括以下原則。

　　由于物聯(lián)網設備的設計并不具備強大的網絡或安全功能，因此只需在網絡上找到它們并準確了解它們的行為方式就是第一步。應用于分析網絡流量的新AI和機器學習技術可以提供分層設備分類系統(tǒng)，該系統(tǒng)使用每個檢測到的設備的詳細行為來自動地對物聯(lián)網設備進行盤點和分類。

　　了解正常的物聯(lián)網設備行為能夠標記機器異常，AI和機器學習算法非常適合此目的，因為它們允許在整個網絡中實時分析和測量網絡上的每個設備，以確定物聯(lián)網設備何時、何地和為何表現(xiàn)不佳或可能產生安全威脅。

　　在具有正常行為標準的情況下，任何與該行為的偏差都可以立即檢測到性能問題或潛在的安全問題。僅了解性能問題或潛在的安全威脅是不夠的，采取行動隔離有異常表現(xiàn)的物聯(lián)網設備至關重要，這需要新的物聯(lián)網平臺使用與現(xiàn)有安全工具的編程接口來主動實施安全策略。

　　國內物聯(lián)網卡供應平臺物聯(lián)卡商城表示，企業(yè)要在新的物聯(lián)網系統(tǒng)上實現(xiàn)合理的投資回報率，他們必須采用更完整的物聯(lián)網方法，包括性能和安全方面，使用對已經遍布當今網絡的不斷增加的流量進行復雜的數據分析。