威胁情报公司IntSights的一份新报告显示，印度“生产”技术人才的速度远超过其国内市场的消化能力，许多年轻的印度人正在转向互联网的黑暗面以增加收入。
随着微服务、DevOps项目、云工作负载和企业网络上的IoT设备的爆炸式增长，机器身份滥用的问题变得更加复杂。如今，全球已有超过310亿个物联网设备，到2022年，已连接的移动设备的数量预计将增长到123亿。
服务器还显示了执行搜索查询的确切时间，设备型号，Firebase通知令牌（可以允许开发人员将通知发送到特定设备），用户从搜索结果中选择访问的URL列表以及优惠券数据，包括复制代码时的信息。
毫无疑问，物联网需要更大的安全性，但建议过于宽泛的法规为时过早，并且可能损害从智能设备中受益的每个人。还有许多其他选择和解决方案，它们可以以更低的成本提供更好的保护，而不会灾难性地阻碍创新、竞争力和健康的市场周期。
机器学习网络安全系统的有效性可能受到用于训练模型的数据的清洁度的严重影响。为此对手可能借助“毒害”攻击，企图注入坏的训练数据以影响模型错误学习。这种攻击呈现多种形式，从生成虚假流量模式到毒害商业或开源恶意软件样本数据集，不一而足。
人工智能系统还需要情景数据，这可能会极大地扩大公司的暴露风险。假设一家保险公司想要更好地掌握客户的驾驶习惯，它可以购买购物、驾驶、位置和其他数据集，这些数据集可以很容易地交叉关联并与客户账户匹配。这种新的、呈指数级增长的数据集对黑客更具吸引力，如果被攻破，对公司的声誉也会造成更大的破坏。
