机器学习机器学习是物联网发展的关键因素，因为由物联网设备生成的大量结构化和非结构化数据无法在人为控制下进行管理。因此，机器学习算法可用于收集和简化数据以找到其真实价值。这将在两个级别上实现：在本地级别，机器学习将体现在IoT设备或网关中，以对收集的数据提供实时响应。在全球范围内，机器学习将被应用到云中，以汇总数据并确定趋势或重要的全球细节，这些都可以使消费者和供应商受益。大规模物联网设备的出现也带来了一些问题。这种情况使得大规模管理和设备监控非常重要，并且在使用物联网提供数据的过程中会出现瓶颈。在这方面，上面提到的机器学习可以解决一些问题。除了机器学习之外，诸如传感器融合之类的技术还可以通过融合不同的来源来降低收集数据的不确定性。自动计算可以帮助设备实现更高程度的自我管理，并在处理来自潜在数十亿设备的数据时减少云级别的开销。安全性对于物联网的未来，安全性不仅是可以带来巨大变化的创新领域，而且还是一个问题。此问题不仅包括数据安全性，还包括大量潜在端点设备的访问安全性和总体管理安全性。物联网带来的一个更严重的问题是，大量设备共享同一软件。一旦这些软件具有漏洞，攻击者就可以以很少的操作入侵大量设备并构建一个僵尸网络。这只能通过设备的自我管理来解决，也就是说，设备在创建更新时会进行自我监视和保护。关键点：机器学习算法和大数据架构必须适应物联网的发展。数以十亿计的物联网设备将带来新的问题，并促进新的管理和安全解决方案。新标准将促进设备之间的互操作性，以改善管理，通信和安全性（并遵守新法规）。