বিপরীত জনপ্রিয় বিশ্বাস অনুসারে, বাজারে বেশিরভাগ IoT ডিভাইস সর্বোত্তম এনক্রিপশন পদ্ধতি এবং নিরাপত্তা প্রোটোকল ব্যবহার করে না, এবং এইভাবে কোনো নিরাপত্তা হুমকি রোধ করতে সুসজ্জিত নয়। যাইহোক, তাদের মধ্যে অনেকেই নিজেদেরকে আপগ্রেড করতে অক্ষম, কারণ তারা প্রথম স্থানে খুব বেশি সুরক্ষিত ছিল না।
এটি একটি পরিচিত সত্য যে, বিশ্বজুড়ে তাদের গ্রহণের উচ্চ হার নির্বিশেষে, বিশ্বের 85% এরও বেশি IoT ডিভাইস নিরাপদ নয়। সত্যি কথা বলতে, IoT ব্যবসায়িক উদ্যোগের বিশ্বে আরও ভালভাবে স্থাপন করা হয়েছে, যেখানে ডিভাইসগুলি নিরাপত্তা এবং নির্ভরযোগ্যতার দিকগুলিকে উন্নত করতে সক্ষম। কিন্তু ভোক্তা বিশ্বে, যেখানে সামর্থ্য নিরাপত্তার চেয়ে উচ্চতর অবস্থানে রয়েছে, নির্মাতারা নিশ্চিতভাবেই নিরাপত্তার সাথে বিশ্বাস করা যায় না। তাই এই ধরনের পরিস্থিতিতে, অনেক আসন্ন IoT ডিভাইস আগের তুলনায় বটনেট এবং অন্যান্য আক্রমণের প্রবণতা বেশি হবে। সৌভাগ্যক্রমে, আমরা যদি IoT সুরক্ষার উন্নতিতে বিশ্লেষণ এবং মেশিন লার্নিং ব্যবহার করি তবে আমরা এই সমস্যার সমাধান করতে পারি৷
বর্তমানে, ব্যবহারকারীর অভিজ্ঞতা এবং দক্ষতা বাড়াতে IoT-উত্পন্ন ডেটা বিশ্লেষণ করতে মেশিন লার্নিং ব্যবহার করা হয়৷ একই প্রযুক্তি ব্যবহার নিদর্শন এবং ডিভাইস আচরণ বিশ্লেষণ করে IoT নিরাপত্তা অনুশীলন উন্নত করতে ব্যবহার করা যেতে পারে। এটি আপনাকে অস্বাভাবিক কার্যকলাপ এবং সম্ভাব্য হুমকি ব্লক করতে সাহায্য করতে পারে। আনন্দের বিষয়, প্রযুক্তিবিদরা এখন সবচেয়ে ঝুঁকিপূর্ণ IoT সুরক্ষা অর্থাৎ ঘরে বসে পরিবর্তন করার দিকে মনোনিবেশ করছেন৷
বুদ্ধিমত্তা কেন্দ্রীভূত করতে ক্লাউড ব্যবহার করা
বিজ্ঞানীরা এখন একটি ক্লাউড সার্ভারের ভিতরে IoT পণ্যগুলির সমস্ত প্রান্ত থেকে ডেটা একত্রিত করার চেষ্টা করছেন৷ এটি তাদের ইনপুট বিশ্লেষণ করতে এবং দূষিত আচরণ সনাক্ত করতে সাহায্য করবে। তারা কোন সার্ভার এবং ডিভাইসগুলি IoT ডিভাইসগুলির সাথে যোগাযোগ করছে তাও দেখতে সক্ষম হবে এবং তাই, একটি অস্বাভাবিক আচরণ চিহ্নিত করে৷ তারা সন্দেহজনক প্যাকেট, বিভ্রান্তিকর URL এবং দূষিত ডাউনলোডগুলি পরীক্ষা করতে পারে৷
মেশিন লার্নিংয়ের সাথে মানব-সহায়ক বুদ্ধিমত্তা ব্যবহার করা
IoT ডিভাইসগুলিকে সুরক্ষিত করার জন্য অগমেন্টেড ইন্টেলিজেন্স তৈরিতে মেশিন লার্নিং উপকারী হতে পারে . বাহ্যিক যেকোনো কিছুকে হুমকি হিসেবে দেখা হবে। এইভাবে, এই ধরনের সিস্টেমগুলি প্রতিবার এবং তারপরে মিথ্যা অ্যালার্ম ট্রিগার করবে। এটি প্রশমিত করার সর্বোত্তম উপায় হল বর্ধিত বুদ্ধিমত্তা (মেশিন লার্নিং সহ মানুষের বুদ্ধিমত্তা) প্ররোচিত করা।
মানুষের বুদ্ধিমত্তা সহজেই সৌম্য এবং দূষিত কার্যকলাপের মধ্যে পার্থক্য করতে পারে। উপরন্তু, মিথ্যা অ্যালার্ম প্রতিরোধ করতে ভবিষ্যতে মানুষের প্রতিক্রিয়া অনুকরণ করা যেতে পারে। তাই, মডেলটি হুমকি শনাক্তকরণের দক্ষতা বাড়ায় এবং অবশেষে মিথ্যা অ্যালার্ম হ্রাস করে৷
IoT আচরণ থেকে সাহায্য
সৌভাগ্যক্রমে, IoT ডিভাইসগুলি শুধুমাত্র একটি নির্দিষ্ট পরিসরের ফাংশন সম্পাদন করার জন্য ডিজাইন করা হয়েছে৷ তাই, মানুষের বুদ্ধিমত্তা এবং মেশিন লার্নিংয়ের একটি সুষম মিশ্রণ সহজেই একটি দূষিত আচরণ সনাক্ত করতে এবং বন্ধ করতে পারে।
৷ 
চিত্র উৎস: wired.com
মডেলটিতে একটি ছোট ডিভাইস রয়েছে যা হোম নেটওয়ার্কে সহজেই ইনস্টল করা যায়, একটি মোবাইল অ্যাপ্লিকেশন যা ব্যবহারকারীকে ডিভাইস পরিচালনা করার অনুমতি দেয় এবং একটি ক্লাউড পরিষেবা যা মেশিন লার্নিং অ্যালগরিদমের মাধ্যমে একত্রিত ডেটা সঞ্চয় করে এবং বিশ্লেষণ করে। এই ধরনের মডেল সময়ের সাথে সাথে তার নির্ভুলতা উন্নত করে যতটা এটি ডিভাইস এবং গ্রাহকদের কাছ থেকে তথ্য সংগ্রহ করে।
শেষে, একা মেশিন লার্নিংকে সম্পূর্ণ সমাধান হিসাবে বিবেচনা করা যায় না। আক্রমণ বন্ধ করার জন্য এটিকে মানুষের বুদ্ধিমত্তার সাথে একত্রিত করতে হবে।
