皇家墨爾本理工大學(RMIT)發布了關于Abebe Diro博士的研究如何尋求增強空間信息網絡的物聯網(IoT)安全性的指南。

物聯網已成為一個快速發展的技術領域，具有巨大的潛力來改變包括醫療保健、交通運輸、制造業和智能家居在內的各個行業。然而，這種增長也帶來了一系列安全挑戰和擔憂。

與傳統的信息技術(IT)系統不同，由于資源限制、異構性和智能設備的分布式特性，物聯網環境的安全具有挑戰性。解決安全問題需要多方面的方法，不僅需要改進安全標準和協議，還需要在設備、網絡和應用層面實施有效的安全措施。

RMIT網絡安全講師、RMIT網絡安全研究與創新中心(CCSRI)成員Abebe Diro博士證明了傳統互聯網安全已無法滿足物聯網設備的需求。在整個研究過程中，Diro一直專注于重新思考和重新設計現有物聯網安全系統的架構和算法。

利用密碼學和機器學習，Diro通過分散云和減少物聯網設備的密集計算，成功地測試和創建了具有改進物聯網安全性的模型。隨著最近深度學習在圖像識別和語言處理方面的成功，Diro決定將這種更有層次、更復雜的機器學習子集應用到其研究領域。其特別研究了異常檢測系統背景下的深度學習。

最終，Diro在減少誤報的傳統IT系統中取得了成功，但當應用于物聯網時，與傳統的淺層機器學習模型相比，深度學習算法更容易受到攻擊。這些喜憂參半的結果使Diro更深入地研究異常探測，甚至冒險超越云層進入太空。

Diro表示:“物聯網異常檢測和空間異常檢測之間存在真正的共同點，即它們專注于識別和減輕可能產生重大后果的異常事件。”

“這不僅僅是這些學科的性質，而是物理生態系統。考慮到衛星的小型化，太空硬件和活動的增加將依賴于安全方面的相應進步，就像物聯網在地球上的快速發展一樣。”

空間信息網絡(SIN)是由天基資產、地面站和通信鏈路組成的網絡，由于其固有的多樣性，檢測這些網絡中的異常具有挑戰性。SIN被一些人視為網絡安全的新領域，是國家安全的重要因素，也是網絡攻擊的主要目標。

Diro表示：”通過識別SIN中的異常但有洞察力的模式，空間異常檢測是空間安全保護的一個重要方面。現有的檢測SIN異常方法，如簡單的閾值技術，是不準確、低效且無法解釋的，且高誤報率、高資源需求和低可擴展性。”

根據一份聲明，Diro現在專注于在物聯網異常檢測方面的基礎上進行構建，并將其應用于SIN。通過設計新的算法和方法，就像過去在物聯網中所做的那樣，Diro希望提高檢測空間異常的準確性，提供接近實時和可擴展的數據，最終增強空間安全。