研究人员发现我们可以使用AI和ML保护物联网

这些技术着重于事后运行反恶意软件。他们实现了良好数据与恶意软件之间的隔离。但是，如果未检测到恶意软件，它可能会在系统后台潜伏数月甚至数年，并在以后变得活跃。

消费世界正在迅速变化。它是从仅将计算机，游戏机和智能手机连接到Internet的环境中迁移的。这种环境一点一点地集成了新设备，例如传感器，照相机和智能家电，其目的是使所有者和用户实时了解生活中的许多方面：房屋，家庭，人身安全，天气等更多。

这种物联网(IoT)意味着我们现在拥有一个更加复杂的环境，其中包含更多的设备，每个设备都是可能的攻击媒介，并且存在隐私和安全漏洞。但是，这些连接的设备(除了便携式计算机和智能手机以外)最多只能执行一个或两个功能。

人工智能和机器学习对保护消费者的重要性

机器学习可用于确定系统的行为模式，例如网络上的流量，正在运行的应用程序以及设备之间建立的通信。ML系统将跟踪设备中的模式或本地网络或云服务中的活动。

在设备级别，本地机器学习系统将通过查看一系列参数(例如内存，任务，IP地址)来确定设备的正常运行模式，并确定正常情况下的运行模式。在仅限于一种或两种功能的智能消费类电器中，通过嵌入增强机器学习引擎的神经网络加速器(NNA)，实现对行为模式的良好建模变得可行。

而且设备可以将其元数据报告给网络级或云级系统，该系统将吸收所有这些信息并在广泛的设备群体中执行分析。

在网络级别，路由器可以查看所有流量，并可以运用自己的智能来确定网络中的设备何时与外界通信。使用ML引擎，他们可以评估何时出现异常通信。他们可以检测到从网络到外界的异常数据流。他们可以将其报告为问题。反之亦然，他们可以识别针对本地设备的异常流量来源。

在云中，云应用程序的主机可以看到非常广泛的设备和网络，并且它们拥有更大的计算资源，因此可以跟踪整个环境的实时活动。它们应用的ML概念与设备或网络级别的ML概念相同，但是由于它们的计算能力，它们可以处理更多的数据并查看非常大的生态系统的详细信息。