電子設備會制造獨一無二的聲音，類似人類的聲線。科學家認為，這類標識有助于查找黑客攻擊工業控制系統的跡象。物聯網產業也有可能在這種方法中受益。

　　通過采集物理——網絡系統設備的獨特噪音聲紋，有可能幫助阻止一些針對大型基礎設施的危險攻擊。

　　向電網等物理——網絡混合的設備注入偽造的惡意控制信息，有可能破壞這些系統。然而，現行的工業控制設備有時無法實現加密：通常是遠程的、無法頻繁打補丁、可能缺少備份、必須保證其一直運行。它們無法像通常的網絡結構一樣，采取先關閉，再打補丁的方式。

　　科學家認為，可以利用互聯網——物理混合設備的主要特點來解決這一難題：工業控制系統會產生物理動作，開關閥門、發動機等。這些活動會制造特定的聲音，也需要一些時間來完成。科學家們提出的理論是，通過記錄正常運行時的特征信息進行比對，發現黑客異常活動。

　　佐治亞理工學院電氣與計算工程分院副教授拉西姆˙貝耶(Raheem Beyah)在學院網站上寫道：“黑客入侵風險相當之高，但這類系統與家庭和辦公計算機網絡的區別很大，無法按通常辦法處理。”

　　在聲紋識別方法中，科學家基于被測設備，使用“物理和數學原理，分析并創建模型。”

　　聲紋提供的概況和詳情可以幫助我們了解設備工作的具體方式。

　　團隊創建了計算機模型，理解設備獨特的聲紋。目前為止，他們表示已經獲取了兩所測試變電站一半設備的聲紋。

　　他表示，從命令下達到產生活動之間產生的時間差和聲音“被動地將同一關鍵基礎設施網絡上不同設備的聲紋區分開來”。

　　這并不是基礎設施產業第一次使用聲紋識別了，監控聲音也可以有預測機械故障。將振動和超聲波物聯網探測器與設備聯系在一起，使得算法能夠基于設備發出的聲音，判斷是否會出現問題。

　　如果你了解設備正常工作時的聲音，而且它發出的聲音不對了，你就會知道出現了問題。比如洗衣機在裝了太多衣服的時候發出的聲音就與正常工作時的聲音有所不同。

　　黑客行為會產生異常聲音，或者讓設備產生活動的時間差不對，可以據此判斷惡意行為。

　　貝耶認為自家團隊的理念對物聯網也適用。這類物聯網設備在開關時擁有“不同的特征”。

　　“電網設備會出現物理活動，這和我們對閥門和傳感器的理解一致。”

　　可以據此想象，小型物聯網設備將能夠為網絡防御的未來提供一種不需要占用大量計算資源的軟件也可以實現的選擇。最終，人們在物聯網安全方面只需要鄰近的麥克風傳感器和時鐘芯片，外加一系列算法。