物联网已成为一个快速发展的技术领域，具有巨大的潜力来改变包括医疗保健、交通运输、制造业和智能家居在内的各个行业。然而，这种增长也带来了一系列安全挑战和担忧。
与传统的信息技术(IT)系统不同，由于资源限制、异构性和智能设备的分布式特性，物联网环境的安全具有挑战性。解决安全问题需要多方面的方法，不仅需要改进安全标准和协议，还需要在设备、网络和应用层面实施有效的安全措施。
RMIT网络安全讲师、RMIT网络安全研究与创新中心(CCSRI)成员Abebe Diro博士证明了传统互联网安全已无法满足物联网设备的需求。在整个研究过程中，Diro一直专注于重新思考和重新设计现有物联网安全系统的架构和算法。
利用密码学和机器学习，Diro通过分散云和减少物联网设备的密集计算，成功地测试和创建了具有改进物联网安全性的模型。随着最近深度学习在图像识别和语言处理方面的成功，Diro决定将这种更有层次、更复杂的机器学习子集应用到其研究领域。其特别研究了异常检测系统背景下的深度学习。
最终，Diro在减少误报的传统IT系统中取得了成功，但当应用于物联网时，与传统的浅层机器学习模型相比，深度学习算法更容易受到攻击。这些喜忧参半的结果使Diro更深入地研究异常探测，甚至冒险超越云层进入太空。
Diro表示:“物联网异常检测和空间异常检测之间存在真正的共同点，即它们专注于识别和减轻可能产生重大后果的异常事件。”
“这不仅仅是这些学科的性质，而是物理生态系统。考虑到卫星的小型化，太空硬件和活动的增加将依赖于安全方面的相应进步，就像物联网在地球上的快速发展一样。”
空间信息网络(SIN)是由天基资产、地面站和通信链路组成的网络，由于其固有的多样性，检测这些网络中的异常具有挑战性。SIN被一些人视为网络安全的新领域，是国家安全的重要因素，也是网络攻击的主要目标。
Diro表示：”通过识别SIN中的异常但有洞察力的模式，空间异常检测是空间安全保护的一个重要方面。现有的检测SIN异常方法，如简单的阈值技术，是不准确、低效且无法解释的，且高误报率、高资源需求和低可扩展性。”
根据一份声明，Diro现在专注于在物联网异常检测方面的基础上进行构建，并将其应用于SIN。通过设计新的算法和方法，就像过去在物联网中所做的那样，Diro希望提高检测空间异常的准确性，提供接近实时和可扩展的数据，最终增强空间安全。
