Обзор методов машинного и глубокого обучения для обеспечения безопасности Интернета вещей (IoT)

Интернет вещей (IoT) объединяет миллиарды интеллектуальных устройств, способных взаимодействовать друг с другом при минимальном участии человека. IoT является одной из наиболее быстро развивающихся областей в истории вычислительной техники; к концу 2020 года прогнозировалось наличие около 50 миллиардов устройств. Однако сквозной характер систем IoT и междисциплинарные компоненты, задействованные при развертывании таких систем, породили новые проблемы безопасности. Реализация таких мер защиты, как шифрование, аутентификация, контроль доступа, а также сетевая и прикладная безопасность, для устройств IoT с присущими им уязвимостями оказывается неэффективной. Поэтому существующие методы обеспечения безопасности необходимо совершенствовать, чтобы эффективно защищать экосистему IoT. Машинное обучение и глубокое обучение (ML/DL) значительно развились за последние годы, а машинный интеллект превратился из лабораторной новинки в практически применяемый инструмент во многих важных областях. Следовательно, методы ML/DL играют важную роль в преобразовании безопасности систем IoT: от простого обеспечения защищенной связи между устройствами к интеллектуальным системам, ориентированным на безопасность. Цель данной работы — представить всесторонний обзор методов ML и последних достижений в области DL, которые могут использоваться для разработки усовершенствованных методов обеспечения безопасности систем IoT. Рассматриваются угрозы безопасности IoT, связанные с присущими системам уязвимостями или уязвимостями, возникающими вследствие внедрения новых компонентов, а также различные потенциальные поверхности атак в системах IoT и возможные угрозы, связанные с каждой из них. Далее подробно рассматриваются методы ML/DL для обеспечения безопасности IoT и представлены возможности, преимущества и недостатки каждого метода. Обсуждаются возможности и проблемы применения ML/DL для обеспечения безопасности IoT. Эти возможности и проблемы могут служить потенциальными направлениями дальнейших исследований.