Recopilar, agregar, monitorear y normalizar datos de dispositivos IoT y proporcionar informes y alertas accionables sobre actividades específicas o cuando las actividades caen fuera de las políticas establecidas. Estas soluciones utilizan aprendizaje automático sofisticado, inteligencia artificial y técnicas de big data para proporcionar un modelo más predictivo y detección de anomalías (y reducir el número de falsos positivos). Estas capacidades aún están surgiendo. Se necesitará cada vez más análisis de seguridad de IoT para detectar ataques e intrusiones específicos de IoT que no se identifiquen con las soluciones de seguridad de red tradicionales, como los cortafuegos. Proveedores de muestra: Cisco, Indegy, Kaspersky Lab, SAP y Senrio. (Ver también mi publicación sobre
Hay un artículo muy interesante y exhaustivo publicado en Techcrunch el año pasado al respecto. Cómo la seguridad de IoT puede beneficiarse del aprendizaje automático
- ¿El aprendizaje automático es un subconjunto de la ciencia de datos?
- ¿Hay alguna manera de hacer una clasificación de múltiples etiquetas en los árboles de decisión usando R / Python?
- ¿Cuáles son algunas habilidades matemáticas altamente relevantes que se requieren si quiero comenzar a investigar en algoritmos de Machine Learning?
- ¿Cómo se calculan las curvas de recuperación de precisión?
- ¿Cuántos parámetros deben ajustarse para Random Forest?