Khác với quan điểm phổ biến, hầu hết thiết bị IoT trên thị trường không dùng phương pháp mã hóa và giao thức bảo mật tốt nhất → không đủ khả năng ngăn chặn mối đe dọa. Nhiều thiết bị không thể tự nâng cấp, đơn giản vì từ đầu không được thiết kế an toàn.
Thực tế: dù tỷ lệ áp dụng IoT cao toàn cầu, hơn 85% thiết bị IoT không an toàn. IoT phù hợp hơn với doanh nghiệp — nơi thiết bị có thể cải thiện bảo mật/độ tin cậy. Nhưng thị trường tiêu dùng ưu tiên giá rẻ hơn bảo mật → nhà sản xuất không thể tin cậy. Do đó, thiết bị IoT tiêu dùng dễ bị botnet và tấn công hơn bao giờ hết. May mắn là phân tích dữ liệu và Machine Learning (ML) có thể giải quyết.
Hiện ML dùng phân tích dữ liệu IoT để cải thiện trải nghiệm/ hiệu suất. Cùng công nghệ có thể cải thiện bảo mật: phân tích mẫu sử dụng và hành vi thiết bị → chặn hoạt động bất thường, đe dọa tiềm ẩn. Các chuyên gia đang tập trung vào điểm yếu nhất: IoT tại nhà.
Dùng Cloud tập trung trí tuệ
Khoa học tập hợp dữ liệu từ mọi endpoint IoT lên server cloud. Giúp phân tích đầu vào, phát hiện hành vi độc hại. Xem server/thiết bị nào giao tiếp với IoT → phát hiện bất thường. Kiểm tra gói tin đáng ngờ, URL lừa đảo, tải xuống độc hại.
Kết hợp trí tuệ người với Machine Learning
ML có ích trong phát triển Augmented Intelligence (Trí tuệ tăng cường) bảo vệ IoT. Hệ thống chỉ dựa vào nhận diện mẫu + ML sẽ chỉ thu thập thông tin từ kết nối đã có (thiết bị/mạng đã kết nối). Mọi thứ bên ngoài coi là đe dọa → báo động giả liên tục.
Giải pháp: Kết hợp trí tuệ người + ML. Con người dễ phân biệt hành vi lành tính vs độc hại. Phản hồi người được mô phỏng để ngăn báo động giả tương lai. Mô hình tăng hiệu quả phát hiện, giảm báo động giả.
Hỗ trợ từ hành vi IoT
Thiết bị IoT chỉ thực hiện một tập chức năng xác định. Kết hợp cân bằng trí tuệ người + ML dễ dàng phát hiện/chặn hành vi độc hại.
Mô hình gồm: thiết bị nhỏ lắp trong mạng gia đình, app mobile quản lý, dịch vụ cloud lưu trữ/phân tích dữ liệu tập trung qua thuật toán ML. Độ chính xác tăng theo thời gian nhờ thu thập dữ liệu từ thiết bị và khách hàng.
Kết luận: ML đơn lẻ không phải giải pháp hoàn chỉnh. Cần kết hợp trí tuệ người để ngăn chặn tấn công.