计算机和移动设备运行丰富的操作系统时，有大量的 安全 解决方案和加密协议可以保护他们连接到互联网时受到众多威胁。 物联网 并不是这样的情况。
目前有数十亿的 物联网 设备在使用中，其中大部分具有低端处理能力和存储容量，且不具有 安全 解决方案扩展的能力。然而，它们连接到互联网时处于一个非常恶劣的环境。
基本上，这就像没有穿铠甲去战场。
这就是为什么新的 物联网 漏洞不断浮出水面，每天有无数的物联网设备遭到黑客、僵尸网络和其他恶行的攻击。一个恶意黑客只需要几分钟就能在搜索引擎Shodan上找到成千上万的易受攻击的设备，缺乏免疫的物联网设备经常成为网络中更具危险的黑客的滩头阵地。底线是，我们有太多的智能设备在保护自己(和我们)避免网络攻击时本身太迟钝。
但是这个漏洞可以通过机器学习和分析来弥补，特别是通过开发人员和制造商将变得更容易。
物联网设备产生大量数据，机器学习被用来分析和阅读数据，以帮助提高效率和客户服务，并降低成本和能源消耗。同样的设备可以在安全相关的用例中使用，如确定安全设备的行为和一般的使用模式，从而有助于发现和阻止异常活动和潜在的有害行为。
目前，一些高科技公司正在借鉴这一方法，提供增强物联网的安全性的解决方案，特别是在没有定义安全标准和实践的智能家庭。
利用云计算来巩固情报
“目前，机器学习与行为分析是检测一切的最大的发展趋势之一，”在网络安全科技公司Bitdefender的首席安全研究员亚历巴兰说道。然而，他阐述了机器学习仍然有很长的路要走，需要有“大量的关于开发，实施和测试算法的研究和创新。”
BitDefender的方法是聚集成一个依靠产品的所有终端的云服务器数据库;输入数据进行分析以确定模式和现场恶意行为。“你收集所有的流量，”巴兰说，“通过清理和规范它，学习它，看看设备与什么服务器交流，和其他什么设备交流，他们通常怎样与互联网和设备之间进行连接，并且选择出异常流量。”
机器学习是非常有前途的，但它仍然是处于起步阶段，还有很长的路要走。
Bitdefender使用云智能与模式识别，通过整套端点安全软件和硬件的本地网络分析，来控制家庭网络的互联网流量和恶意URL、恶意软件下载和可疑的数据包的块连接。云服务的使用使公司能够带来企业级智慧和消费者空间的保护。
人体辅助机器学习
“机器学习是物联网安全的 人工智能 发展的一个关键组成部分，” PatternEx的联合创始人兼首席执行官Uday Veeramachaneni说道。“问题是，物联网将大规模地分布，如果有一个攻击，你必须作出实时反应。”
依靠机器学习和行为分析的大多数系统，将收集有关网络和连接设备的信息，并随后寻求非正常的一切状况。这种原始方法的问题是，它产生太多的错误警告和误报。
PatternEx建议的方法是开发一个解决方案，包括机器学习和增强它与人类分析师的见解以便检测更大的攻击。“实时解决这一问题的方法是创建一个学习系统，该系统采用人们反馈的这些异常值和要求，“Veeramachaneni解释说。“只有人类才能区分恶意和良性，这些反馈返回到系统中并创建预测模型，通过模型可以模仿人类的判断-但这需要在巨大的规模和实时的条件下才行。”
这是与物联网生态系统特别相关的，其中涉及大量的设备，对产生的海量数据进行实时分析超出了人类的能力。
PatternEx采用机器学习算法进行异常检测，并训练所述模型以便在实时方面更准确。训练是由任何一个可以发现新的攻击发生的分析师完成。该系统产生有潜在的攻击的事件。分析师调查事件，并确定系统的评估是否正确。该系统从经验中学习，并在下一次作出更准确的决策。
“这种模式有助于提高威胁检测的准确性，随着时间的推移减少误报的数量，”Veeramachaneni说。
利用物联网设备的有限功能
物联网设备的设计是为了执行一组有限的功能。因此，有了机器学习和足够的数据，它识别异常行为就变得非常容易。这个想法被初创科技公司的Dojo-Labs实验室用来创建智能家居物联网的安全解决方案。