京公网安备 11010802034615号
经营许可证编号:京B2-20210330
安全的物联网需要注意这三个问题
几乎就在这么几天,几家厂商纷纷发布了自己的物联网战略。
近日,华为首次公开了自己在物联网的战略,即“1+2+1”战略。华为战略Marketing总裁徐文伟表示, “1+2+1”战略中的第一个“1”是指一个平台,华为要建立一个物联网的平台,集中收集、管理、处理数据后向合作伙伴、行业开放,基于该平台行业伙伴可以开发应用:华为的传统的优势就是网络接入,包括有线接入和无线接入,这是“2” ;最后一个“1”是华为此次新推出的轻量级物联网操作系统LiteOS。
几乎就在华为公布自己的物联网战略的同时,早就在谋划物联网的三星也有了新的举措。近日,三星电子总裁兼首席战略官孙英权在美国旧金山举行的“物联网世界”的主旨演讲中向全世界首次公开了ARTIK平台。Artik是一个开放平台,包括一流的集成生产模块组合,先进的软件、开发板、驱动程序、工具、安全功能、且能够与云端连接,它能够加速推进新一代更加完善、更加智能的物联网设备、解决方案和服务的开发进程。该平台允许新企业,产业及用户更加快速、简便地开发物联网应用程序。
除了这两家,还有更大的“大老虎”也没闲着。北京时间5月22日消息,据《财富》报道,谷歌在开发名为Brillo的物联网操作系统。而在他们几家之前,移动互联网时代的失意者微软也早就公布了自己的物联网计划。如果再加上被看好做汽车的苹果,还有国内早就踌躇满志的小米、乐视等等,要在物联网上闯出一片天地的互联网厂商怕是要排成一大排。
看来,物联网即将从概念走向现实了。这么多物联网战略,假如都成了现实,那这么多产品,我们到底选哪家为好呢?这可不是买一部手机那么简单,那可能是关系自己整个家庭的生活硬件组合。每个人心里都有一个自己理想中的物联网,笔者感觉,最好的那家物联网就是能够为我们的物联网生活提供安全保障的那一家。之前,笔者曾经有过一种观点:“物联网是一个对全体人类有益的产品,但我们必须在安全方面下功夫,在安全与实用中间寻找一种平衡。”现在,我依然持此种看法。而安全,则是重中之重。
说到物联网的安全,我先举两个最近发生的例子吧。第一个,特斯拉的车门故障事件。特斯拉汽车,目前还算不上是智能汽车,它的车门故障,有可能是硬件原因也有可能是软件原因。对此,我曾经请教过一位业内人士,由于时间原因,他猜测可能是属于硬件驱动程序方面的因素。这样看,这还不属于纯粹的黑客安全问题。但假如车联网普及,那由于黑客因素引发的车门打不开的问题就让我们担忧了。第二个,黑客控制飞机事件。黑客控制飞机事件,虽然在某些细节上还有待商榷。但是,商用WIFI的安全隐患却足以让我们担忧。未来的物联网生态中,飞机离普通人尚远,但与商用WIFI相关的汽车、电器、手机等终端,他们的安全同样不容小觑。这两起事件,对目前风生水起的物联网战略是个警醒。
当然,绝对的安全是不存在的,可是我们可以尽量避免。那么,物联网企业如何才能最大限度解决物联网安全问题呢?
第一,对大数据的收集持谨慎态度。我之所以在前面用很多文字引用了华为和三星的战略内容,是有原因的。看华为,它有一个“集中收集、管理、处理数据后向合作伙伴、行业开放”的细节。而三星,也有一个“能够与云端连接”的细节。这些,是典型的收集大数据存储在云端的行为。这种行为,如果不加约束则危险很大。之前,三星智能电视监听事件,我们应该记忆犹新。试想,物联网之下,我们在这些硬件面前是“赤裸裸”的。所以,物联网企业应该“自律”,不要在大数据采集方面为所欲为。
第二,对大数据的转移和利用持谨慎态度。前面第一点里已经提到过一个细节:“处理数据后向合作伙伴、行业开放”。这应该是大数据在不同企业间转移、利用的过程。而大数据在转移与利用的这个过程里,也有危险。毕竟,各个厂商的安全意识、安全水平、硬件水平不一,安全隐患很大。欧洲反计算机病毒协会创始人、德国歌德塔(G Data)安全软件公司安全顾问Eddy Willems在接受我的采访时也曾说过,“企业不同设备之间的安全过滤措施不够”。所以,这种大数据之间的合作很让人担忧。这个问题,必须解决。
第三,严防外部危险因素的侵入。如果说前两点属于物联网企业的“内因”的话,那么第三点就是严防“外因”。目前,黑客利用商用WIFI入侵的例子已经很多,甚至连飞机都难以幸免。这就要求我们的物联网企业,必须重视安全防范问题。这些问题包括,商用WIFI的过度商业化的问题,软件的漏洞问题,智能硬件和数据库的密码问题,硬件设备的加密问题,物联网企业安全意识不强的问题,物联网用户安全意识不强的问题,还有不同物联网企业之间的终端设备兼容问题。如果这些问题不予解决,那黑客会无孔不入的。
文章最后,借用一下华为的“1+2+1”战略构思,我想建议我们的物联网企业,不管你们是多少+多少,但都要再加一个“1”,那就是安全,更进一步说是物联网企业与安全企业之间的安全联盟。因为在我看来,最安全的才是最好的物联网,否则一切都无从谈起!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15