
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29