物联网安全分析面临的挑战有哪些

物联网安全分析面临的挑战有以下这些：

• 数据结构的差异：绝大多数传感器可发送附带时间戳的数据，且大多数数据都比较“无聊”。因为多数时间里并不会有任何事情发生。然而，有极少数时间会有异常事件发生需要处理。基于阈值的静态警报是分析数据的一个良好起点，但它们不能帮助我们升级到诊断或是预测可能的异常事件。在特定时间段内收集到的数据片段可能彼此关联，换句话说，传统时间序列的数据结构受到了挑战。

• 需结合多种数据格式：传感器采集的数据与其他非结构化数据之间通常存在很强的相关性。比如，一段控制单元的故障代码可能会导致一个特定的错误行为，并由系统记录下来。我们需要找到一些能使得结构化数据与非结构化数据可以有效结合起来的技术。

• 平衡规模与速度的需求：对于物联网中的大多数数据真正的分析都将不只发生在云端的数据中心而更有可能是在混合云当中完成。这是因为，尽管云端拥有弹性和可扩展性，但其可能并不适合需要实时处理大量数据的场景。比如通过一个10G带宽的网络传输1TB的文件需要13分钟，这对于批处理和历史数据管理都很好用，但用于实时分析事件流的场景就不切实际了。一个最近的例子是无人驾驶汽车的数据传输，特别是在需要瞬间作出决策的紧急情况下的数据传输。与此同时，物联网数据分析可能需要更多的扩展性，因此无论是部署在边缘还是云端，实施数据分析的算法都应当具有灵活性。

• 边缘物联网数据分析：物联网传感器、设备与网关分布在不同的生产车间、家庭、零售店和农田等地方，目前通过一个10M带宽的网络传输1TB的数据需要几天时间。因此，企业需要开始计划解决几年后如何在物联网的边缘处理40%物联网数据的问题。这对于大型物联网的部署尤其重要，其中每秒可能会有数十亿个事件的数据流，但系统只需要知道一段时间的平均值，或是当趋势超出既定参数时才接到警报。解决方案是在边缘的物联网设备或是网关上进行数据分析，并将汇总的结果发送至云端的中央系统。通过边缘分析可以保证及时检测出重要趋势或是异常，同时显著减少网络拥堵以提高整个系统的性能。

• 物联网数据分析与人工智能技术相结合：77物联网分析的最强大之处，同时也是尚未开发的潜能是比实时应对问题更进一层的能力，即在问题出现之前就做好准备。这就是为什么预测是许多物联网分析策略的核心，其中包括预测客户需求，预测机械设备的维护时间，欺诈检测，预测客户的流失等。