Teknologiside

IoT-sikkerhed

En kæde er kun så stærk som dens svageste led, og dette gælder også den forbundne husstand. Det meste smart home-tilbehør har en svag sikkerhed, der gør deres brugere sårbare over for angreb. Vi investerer i øjeblikket i ny cloudbaseret teknologi med det mål at kunne beskytte den voksende IoT-verden.

Dyb viden om IoT-landskaber og sårbarheder

Internet of Things (IoT) udgør en betydelig risiko mod hele det digitale økosystem. Dette skyldes, at mange af disse enheder er designet uden et indbygget sikkerhedssystemt til at forhindre dem i at blive hijacket af hackere.

I takt med at dette nye område vokser, investerer Avast i nye teknologier med vores cloudbaserede sikkerhedsinfrastruktur, der omfatter analyse og behandling af IoT-trusseldata på netværksniveauet.

Vores Wi-Fi-inspektør-teknologi, der har været i brug siden 2015, hjælper med at vurdere og identificere sårbarheder i tilsluttede enheder på over 50 mio. hjemmenetværk. Den hjælper også med at afhjælpe konfigurationsfejl. Big data kombineret med AI og maskinlæring vil fortsætte med at forbedre vores evne til at detektere og beskytte mod IoT-trusler.

Sådan beskytter vi IoT-enheder

Vi undersøger IoT-enheders adfærd, enkeltvis og i en gruppe, for statistisk at evaluere mængden og typerne af data, de sender, for derefter at bruge dem i forbindelse med vores analyse af brugerens infrastruktur. Det betyder, at vi kigger på, hvilke typer enheder og netværk de er på, og undersøger kritisk funktionerne og sårbarhederne i hver af dem ved hjælp af vores sofistikerede AI-motor. Med disse oplysninger og algoritmer kan vi beskytte dit netværk mod enhver udefrakommende trussel.

Avast Smart Home

Statistik fra mange hundrede millioner enheder behandles gennem maskinlæringsalgoritmer i vores distribuerede cloudinfrastruktur for at detektere trusler på tilsluttede enheder. Vores ekspertise inden for malware giver os evnen til at minimere forsinkelse, hvilket reducerer den vigtige tid, det tager at identificere trusler. Men for effektivt at bekæmpe det stigende antal farer på de mange forskellige enhedstyper bruger vi en 2-trinstilgang. Først bruges vores egen afvigelsesregistrerings-algoritme til at detektere specifikke angrebstyper: Vi samler disse for at identificere de forskellige klasser af IoT-angreb. Derefter benytter vi vores dybe neurale netværk til at identificere alle disse angreb samt nye.

Et dybt neuralt net til IoT-trafik

Vores netværkstrafik sender statistik fra millioner af hjem til et dybt neuralt netværk. Interne noder i dette komplekse netværk begynder derefter at forstå, hvordan disse flows relaterer sig til specifikke enhedstyper, hvordan et antal enheder udgør en hjemmekonfiguration, eller hvordan et stort antal enheder udgør en tjeneste. Dernæst adskiller det neurale netværks output eller endelige lag samlinger af flows, der enten er godartede eller ondsindede.

Vores Smart Home-arkitektur

For at beskytte vores kunder og deres IoT-hjemmeenheder er Avast til stedet både i routeren og gennem vores eksisterende produkter til pc, Mac og mobilenheder. Disse indsamler statistik om de trafikstrømme, der går ind og ud af hjemmet, uden at påvirke pakkernes normale trafik. Indsamlet statistik sendes så til Avast Cloud til behandling. Hvis Avast Intelligence Platform vurderer, at flowet eller enheden er ondsindet, beordrer den Avast-produktet til at blokere det berørte flow eller enhed. Avast Smart Home-appen giver en portal, hvor brugeren kan interagere med systemet.

Hvorfor står Avast stærkt inden for IoT?

Kort sagt handler det om mængder: Med adgang til data fra over 50 millioner hjem i 100 lande har Avast et forkromet overblik over trussellandskabet. Det betyder, at vi kan identificere og reagere på trusler hurtigere end nogen anden.

Udforsk andre teknologifelter

Vær oplyst, vær beskyttet

Vi overvåger konstant sikkerhedsproblemer for at beskytte vores mange hundrede millioner brugere mod nye trusler. For at få de nyeste produktfunktioner først og høre om trusler fra Avasts Threat Labs er det Avast-bloggen, eksperterne kommer til.