是德科技(Keysight)軟體行銷工程師Anna McCowan於2日在官方部落格指出，在檢測過程中，工程師能利用電流波型分析儀，來辨別植入在IoT裝置的木馬程式。這套電流波形分析儀CX3300A安裝了異常波型分析軟體AWA，透過機器學習方式自動分析超過TB級數量的電流和電壓波型數據，在30秒內產生35,000個訊號識別約0.1%的異常訊號。Anna McCowan認為，工程師在檢測大量IoT裝置過程中，較不容易發現遭木馬程式感染的裝置，結合檢測裝置與機器學習功能的分析軟體，發現產生異常訊號的裝置，揪出已感染的裝置。
隨著IoT技術蓬勃發展，當今在各個場景充斥著許多IoT設備，影響民生、商業、工業生產甚至生命安全等，電子元件的需求也大幅增加。過去駭客僅攻擊軟體或系統層面，現在也開始鎖定硬體來攻擊。因此，生產IoT裝置的工廠在事前檢測過程，能夠快速辨識出遭感染裝置更顯得重要。是德軟工程師Anna McCowan在部落格表示，專門檢測裝置電流和電壓的電流波型分析儀CX3300A搭配軟體，可以自動分析異常訊號來辨識遭攻擊的IoT裝置。
CX3300A可以捕獲長達100小時電流波型，每秒高達1,000萬次的採樣率，分析超過TB數量的電流和電壓波型數據。不僅如此，由於CX3300A安裝了異常波型分析軟體AWA，它利用機器學習技術分類傳入的波型數據，並標記相似的波段，來辨識出可能含木馬程式的裝置，在每30秒產生的35,000個訊號波型內，識別出至少0.1%的異常訊號。
首先，它會先記錄無法預測的電壓和電流波型，接著利用即時運算的機器學習和分類各種訊號與事件，再圖像化顯示訊號模式叢集(Clustering)的結果，最後藉由無損回放(Lossless Playback)方式來執行無縫分析(Seamless Analysis)。CX3300A利用此模式快速分析大量的數據，來確認異常的訊號並執行故障的排除、偵錯和分析故障原因。
異常波型分析功能概述。資料來源：Keysight
早稻田大學科學與工程學系先前利用CX3300A，來分析與研究IoT裝置資安風險，早稻田大學科學與工程學系教授戶川望表示，技術人員利用異常波型分析可以在短時間執行準確電路分析。Anna McCowan認為，技術人員很難透過手動方式，來快速分析宏量的數據，現今利用機器學習方式不僅加快分析速度，且更容易找出遭感染裝置。