Koneoppimisen mahdollisuudet esineiden internetin kyberturvallisuuden kehittämisessä

Abstract

Esineiden internet on noussut suureksi ilmiöksi ja se jatkaa kasvamista. Tämä kasvu tuo mukanaan myös uusia haasteita esineiden internetin kyberturvallisuudelle. Esineiden internetin kyberturvallisuuden suuret puutteet vaativat uudenlaisia ja tehokkaita ratkaisuja. Tämän kandidaattitutkielman tarkoituksena on systemaattisen kirjallisuuskatsauksen avulla tarkastella koneoppimisen algoritmien ja mallien mahdollisuuksia esineiden internetin kyberturvallisuuden kehittämiseen sekä parantamiseen ja luoda kokonaiskuva koneoppimisen sovelluksen esineiden internetin kyberturvallisuuden ratkaisuissa. Tutkielmassa esitellään erilaisia koneoppimisen menetelmiä, joilla yritetään vastata mahdollisilla ratkaisuilla esineiden internetin esitetyille kyberturvallisuushaasteille ja -ongelmille. Opinnäytetyö perehtyy myös koneopin menetelmien kohtaamiin ongelmiin niitä sovellettaessa esineiden internetin järjestelmiin ja laitteisiin. Tutkielma esittää esineiden internetin käsitteen ja sen eri kerrokset, sekä esineiden internetin kohtaamat kyberhyökkäystyypit ja ainutlaatuiset haasteet kyberturvallisuuden varmistamisessa. Koneoppimisen menetelmien käytön suurimpia kyberturvallisuusetuja esineiden internetissä ovat sen kyky käsitellä esineiden internetin tuottamaa massiivista datamäärää ja luoda siitä älykkäästi keinoja havaita tunkeutumisia esineiden internetin järjestelmissä ja ennaltaehkäistä niiden mahdollisuutta aiheuttaa laajamittaista häiriötä esineiden internetin toiminnassa, ja herkkäluonteisen sekä yksityisen datan pääsemistä hyökkääjien ja tuntemattomien osapuolten käsiin.

The Internet of Things has become a massive phenomenon that keeps growing. This growth brings about new challenges for the cybersecurity of the Internet of Things. The vastly lacking security on the Internet of Things means new and efficient solutions are required. The aim of this bachelor’s thesis is to inspect and create an overview of the possibilities to develop and improve the cybersecurity of the Internet of Things with machine learning methods through a systematic literature review. This literature review presents different machine learning methods to try to answer the challenges and problems that the Internet of Things face through possible solutions. The dissertation also delves into the problems faced when applying machine learning methods to the Internet of Things. The literature review defines the concept of the Internet of Things, its’ the different layers, the different types of cybersecurity attacks that the Internet of Things faces, and the unique challenges of ensuring the cybersecurity for the Internet of Things. The greatest advantages of the methods of machine learning in the Internet of Things is how it’s able to process massive amounts of the data generated by the Internet of Things and use it to create intelligent ways of detecting intrusions in Internet of Things systems and prevent the possibility of them causing widespread disturbance of the functionality of the Internet of Things as well as to prevent sensitive and private data from getting in the hands of attackers and unknown parties.