Αξιοποιήστε την Τεχνητή Νοημοσύνη στην Ασφάλεια

 Βέλτιστες πρακτικές διαχείρισης και επιλογής

Η ανάπτυξη της τεχνητής νοημοσύνης συνεχίζει να καρποφορεί σε ολόκληρο τον κλάδο της ασφάλειας, με ευρεία υιοθέτηση ενός φάσματος εφαρμογών που μετουσιώνονται σε λύσεις σήμερα και προβλέπονται να αναπτυχθούν ακόμα περισσότερο στο μέλλον. Αξιολογώντας τις πρακτικές εφαρμογές, παραθέτοντας περιπτώσεις χρήσης του AI στην ασφάλεια και αναδυκνείοντας τα κριτήρια επιλογής και των ευκαιριών που προκύπτουν στις κάθετες αγορές, μπορούμε να αποκτήσουμε μια καλύτερη εικόνα για το πως πραγματικά αυτή η καινοτομία θα αλλάξει το τοπίο στην προστασία εγκαταστάσεων, υποδομών και ανθρώπων.

To υπερβολικό marketing και πολλές διθυραμβικές δηλώσεις γύρω από την τεχνητή νοημοσύνη, μπορεί να είναι μερικές φορές τροχοπέδη προκειμένου να αξιολογήσουμε σωστά τις πραγματικές διαστάσεις και τις ευκαιρίες που ανοίγονται από την εφαρμογή της τεχνολογίας AI και το πολλά υποσχόμενο μέλλον αυτής. Ας δούμε λοιπόν τις πραγματικές συνιστώσες αυτής της τάσης που εισέρχεται δυναμικά σε πολλούς τεχνολογικούς κλάδους και φυσικά στην ασφάλεια.

Με περιπτώσεις χρήσης που καλύπτουν όλο το οικοσύστημα ασφάλειας, το AI παρέχει τη δυνατότητα λήψης και επεξεργασίας εισερχόμενων δεδομένων από συσκευές στα άκρα (όπως οι κάμερες) και αξιοποίησης αυτών των πληροφοριών για την ανάδειξη νέων λειτουργικών αποδόσεων, την εδραίωση χρήσιμων διαδικασιών λειτουργίας για τα τμήματα ασφαλείας και την παροχή αυξημένης ευαισθητοποίησης για τη διαχείριση κινδύνων σε οργανισμούς και επιχειρήσεις όλων των μεγεθών.

Εστιάζοντας σε αυτόν τον αναπτυσσόμενο “τεχνολογικό στίβο” και αξιοποιώντας όλες τις ευκαιρίες που προσφέρει, οι εγκαταστάτες συστημάτων και οι εταιρείες υλοποίησης μεγάλων έργων ασφάλειας, θα μπορέσουν να βοηθήσουν τους τελικούς πελάτες τους να υποστηρίξουν  όχι μόνο τις ανάγκες φυσικής ασφάλειας, αλλά και πολλές άλλες βασικές επιχειρηματικές διεργασίες μακροπρόθεσμα.

Με έμφαση στην πρόληψη!

Σε όλη την ιστορία των εφαρμογών ασφαλείας τα παλαιότερα χρόνια, τα συστήματα ελέγχου πρόσβασης, βιντεοεπιτήρησης και εντοπισμού εισβολής έχουν υποστηρίξει ως επί το πλείστον μια προσέγγιση στην παροχή ανίχνευσης και απόκρισης σε απειλές και συμβάντα την ώρα που συμβαίνουν. Η τεχνητή νοημοσύνη και τα επιμέρους πεδία της, όπως η μηχανική μάθηση και η βαθιά εκμάθηση, τροφοδοτούν μια σημαντική αλλαγή, όπου τα προληπτικά μέτρα ασφαλείας έρχονται πλέον στο προσκήνιο σε μια σειρά κάθετων αγορών και εφαρμογών.

Η βίντεο-επιτήρηση χωρίς την ανάλυση βαθιάς εκμάθησης μέχρι τώρα αποτελεί για τους χειριστές μια ολοκληρωμένης πλατφόρμας ασφάλειας ως ένα μέσο καθαρά άμεσης αντιμετώπισης και διερεύνησης συμβάντος την ώρα που αυτό βρίσκεται σε πλήρη εξέλιξη.

Για παράδειγμα, εάν ένας εισβολέας επρόκειτο να εισέλθει σε ένα χώρο στάθμευσης ή να παραβιάσει μια περίμετρο οποιασδήποτε εγκατάστασης, οι χειριστές θα ανταποκρίνονταν σε ειδοποιήσεις που δημιουργούνται από ανίχνευση κίνησης, επαφές πόρτας ή αισθητήρες και στη συνέχεια θα έστρεφαν τις κάμερες προς το σημείο εντοπισμού του συναγερμού για να ελέγξουν εάν υπάρχει πραγματική απειλή που χρειάζεται κατάλληλη απόκριση. Ωστόσο, από τη στιγμή που επαληθεύεται ένα περιστατικό ασφαλείας, είναι πάρα πολύ πιθανό να έχουν ήδη συμβεί απώλειες ή ζημιές και οι υπεύθυνοι ασφάλειας ή ακόμα και η δημόσια δύναμη ασφάλειας να έρχονται σε επαφή μετά το γεγονός και απλά να συλλέγουν  εξαγόμενα αποδεικτικά βίντεο για το έγκλημα.

Οι λειτουργίες με δυνατότητα AI, όπως η ανίχνευση αντικειμένων, στόχων και εισβολών, μετριάζουν τις απειλές πριν κλιμακωθούν ή υλοποιηθούν.

Κριτήρια αξιολόγησης της τεχνητής νοημοσύνης στα έργα ασφάλειας

Υπάρχουν πολλά που πρέπει να λάβουν υπόψη οι εγκαταστάτες και οι εταιρίες υλοποίησης έργων ασφάλειας αλλά και οι τελικοί πελάτες τους – ειδικά οι Υπεύθυνοι Ασφάλειας που λαμβάνουν αποφάσεις – κατά την αξιολόγηση λύσεων και λογισμικού που ενισχύονται από την τεχνητή νοημοσύνη και τα σχετικά υποσύνολά της.

Το κυριότερο μεταξύ των μέτρων αξιολόγησης είναι να εξετάσουμε όπως πάντα τις απαιτήσεις του πελάτη και τους στόχους που προσπαθεί να πετύχει σε ένα ολοκληρωμένο σχέδιο ασφάλειας. Ένας στόχος θα μπορούσε να είναι η μείωση των εσφαλμένων συναγερμών και η καλύτερη δυνατή οπτική επιβεβαίωση συμβάντων προς αξιολόγηση. Σε άλλες περιπτώσεις θα μπορούσε να είναι βέλτιστη δυνατή διαχείριση των οχημάτων που εισέρχονται στην εγκατάσταση με την αναγνώριση πινακίδων ή απλά ο εντοπισμός ενός ατόμου χωρίς να χρειάζεται να ερευνήσουν το VMS για ώρες. Άλλος στόχος θα μπορούσε να είναι η προστασία του προσωπικού σε μια έκτακτη ανάγκη με άμεση ενημέρωση. Σε κάθε περίπτωση η επιτυχία εφαρμογής του ΑΙ έγκειται στην κατανόηση των χαρακτηριστικών που πρέπει να εφαρμοστούν και των δυνατοτήτων που προσφέρουν. Όταν εξετάζαμε ένα σύστημα ανάλυσης βίντεο, η ακρίβεια και η αξιοπιστία ήταν το πιο σημαντικό κριτήριο. Και στα συστήματα AI η ακρίβεια εξακολουθεί να έχει μεγάλη σημασία, όσο και άλλοι παράγοντες γίνονται σημαντικοί, όπως η ευκολία ανάπτυξης και η επεκτασιμότητα είναι εξίσου ζωτικές. Η διαμόρφωση των video analytics σε συνδυασμό πάντα με το εκάστοτε περιβάλλον εργασίας χρήστη και τη διαμόρφωση του VMS, είναι σημαντικό να ευθυγραμμίζονται και να γίνονται κεντρικά.

Επίσης, το κλειδί είναι να αξιολογηθεί η τεχνολογία AI είναι να γίνει η ανάπτυξη της στις υποδομές του πελάτη τοπικά προκειμένου να αξιολογηθούν οι συμβατότητες με όλα τα συστήματα ασφάλειας, αλλά παράλληλα και με τις υπόλοιπες τεχνολογικές υποδομές του οργανισμού. Η επένδυση σε λύσεις AI σε ένα υφιστάμενο τεχνολογικό οικοσύστημα δεν γίνεται να μην λάβει υπόψη την ήδη υπάρχουσα αρχιτεκτονική του δικτύου και του ΙΤ περιβάλλοντος. Θα πρέπει σε κάθε περίπτωση να εξεταστούν οι δυνατότητες επεξεργασίας και διαχείρισης του όγκου των δεδομένων που παράγονται από την ανάλυση του AI προκειμένου η επένδυση σε αυτές τις λύσεις να έχει νόημα και ουσία.

Ακόμα και η καθημερινή συμβατική ανίχνευση κίνησης στις κάμερες που μπορεί να ενεργοποιηθεί από περιβαλλοντικούς παράγοντες, όπως το κινούμενο φύλλωμα ή τα μικρά ζώα και ένας ακόμα μεγάλος αριθμός των ειδοποιήσεων από διάφορες άλλες πηγές ανίχνευσης απαιτούν τους κατάλληλους τεχνολογικούς πόρους προκειμένου να υπάρχει ορθή επεξεργασία και ασφαλή συμπεράσματα τόσο από τα συστήματα όσο και από τους ανθρώπους που είναι υπεύθυνοι.

Είναι αλήθεια ότι σήμερα τα σύγχρονα εργαλεία ανάλυσης βίντεο με δυνατότητα ΑΙ μειώνουν σημαντικά το χρόνο απόκρισης στους παρόχους υπηρεσιών ασφάλειας, καθώς και στο προσωπικό ασφαλείας εσωτερικά ενός οργανισμού, στα πλαίσια μιας προληπτικής προσέγγισης για τον μετριασμό των κινδύνων σε πολλές εγκαταστάσεις.

Ας πάρουμε για παράδειγμα μια μεγάλη υπαίθρια εγκατάσταση φωτοβολταϊκών ή καλλιέργειας φαρμακευτικής κάνναβης στην Ελλάδα, στις οποίες έχουν αναπτυχθεί λύσεις επιτήρησης που αφομοιώνουν τεχνολογίες AI. Αντί λοιπόν οι διαχειριστές να παρακολουθούν πολλαπλές ροές βίντεο από μια πολύ μεγάλη περίμετρο, μπορούν να λαμβάνουν εξαιρετικά ακριβείς, ιεραρχημένες ειδοποιήσεις για να αρχίσουν αμέσως να αξιολογούν και να επαληθεύουν τυχόν απειλές και να παρεμβαίνουν γρήγορα και αποτελεσματικά με ζωντανό, εξατομικευμένο ήχο για να ειδοποιούν τους εισβολείς ότι παρακολουθούνται και ότι οι αρχές επιβολής του νόμου έχουν ειδοποιηθεί εάν προχωρήσουν περαιτέρω.

Επίσης η βιντεοεπιτήρηση με τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί, μετά το γεγονός, για να εντοπίσει οποιονδήποτε σε μια περιοχή που δεν είναι εξουσιοδοτημένος να βρίσκεται εκεί, σηματοδοτώντας μια άμεση ειδοποίηση. Αυτό επιτρέπει στις ομάδες ασφαλείας να εντοπίζουν μη εξουσιοδοτημένα άτομα προτού γίνουν απειλή για την ασφάλεια. Η ευφυΐα σε επίπεδο περιβάλλοντος και τοποθεσίας επιτρέπει περισσότερη παρακολούθηση αλληλεπίδρασης με βάση τον άνθρωπο και το αντικείμενο.

Συμβουλές και οφέλη κατά την ανάπτυξη AI σε έργα ασφάλειας

Είναι γεγονός ότι η ανάπτυξη της τεχνητής νοημοσύνης στα έργα ασφάλειας απαιτεί ένα υψηλό επίπεδο τεχνογνωσίας και σίγουρα συνεργασία μεταξύ των εταιριών υλοποίησης των έργων και του τελικού πελάτη όπως επίσης και υποστήριξη πολλές φορές από τους αντιπροσώπους των κατασκευαστών.

Θα πρέπει σίγουρα πάνω από όλα να εστιάσουμε στην απόδοση της επένδυσης (ROI). Από την πλευρά των λειτουργιών, αυτό επιστρέφει στη μείωση του χρόνου διακοπής λειτουργίας για την απόκριση σε περιστατικά και στη μείωση του αριθμού των ψευδών συναγερμών που δημιουργεί συνολικά το σύστημα. Αυτό πρόκειται να μειώσει την ποσότητα εργασίας που απαιτείται για την ανταπόκριση σε αυτά. Από την πλευρά της υποδομής, θα δημιουργήσει λιγότερο χρόνο διακοπής λειτουργίας για τις συσκευές.

Οι εξελίξεις στην τεχνητή νοημοσύνη απλοποιούν την ανάπτυξη και τη διαχείριση των συστημάτων και διευκολύνουν τους τελικούς χρήστες να έχουν ασφαλή πρόσβαση σε περιοχές μέσω ενός περιβάλλοντος που είναι πιο ασφαλές από ό,τι στο παρελθόν. Οι πληροφορίες που συλλέγονται και η εκμάθηση επιτρέπουν τη συνεχή βελτίωση της ασφαλείας μιας εταιρείας. Καθώς οι νέες τεχνολογίες λειτουργούν εγγενώς με υπάρχοντα περιβάλλοντα και λειτουργούν στο cloud, οι πελάτες λαμβάνουν συνεχείς βελτιώσεις και αναβαθμίσεις στα συστήματά τους με πολύ πιο εύκολο τρόπο

Πρώτα απ ‘όλα όμως, όπως προαναφέραμε, είναι σημαντικό να κατανοήσουμε τις ανάγκες ενός πελάτη προκειμένου να προτείνουμε τις σωστές λύσεις. Σε γενικές γραμμές, οι λύσεις που βασίζονται σε AI μπορούν να προσφέρουν στους πελάτες πολλά βασικά οφέλη, όπως: μείωση των ψευδών συναγερμών, βέλτιστη ταξινόμηση αντικειμένων μέσω βαθιάς μάθησης, περισσότερες αξιοποιήσιμες πληροφορίες που μπορούν να έχουν θετικό αντίκτυπο στην ασφάλεια, την προστασία και τις επιχειρηματικές δραστηριότητες, ταχύτερη εγκληματολογική αναζήτηση συμβάντων με τεχνητή νοημοσύνη σε σχέση με τις παραδοσιακές μεθόδους που θα εξοικονομήσουν χρόνο και θα επιταχύνουν τον χρόνο απόκρισης καθώς και προγνωστικές πληροφορίες που μπορούν να βελτιώσουν τις επιχειρησιακές διαδικασίες όταν συνδυάζονται τα δεδομένα με άλλα μοντέλα δεδομένων, συστήματα ή πλατφόρμες».

Οι εγκαταστάτες θα πρέπει να επικεντρωθούν στο αποτέλεσμα που παρέχει η μηχανική μάθηση. Για παράδειγμα, θα πρέπει να ενημερώνουν τους πελάτες για πώς το σύστημα με AI αυτοματοποιεί τις καθημερινές δραστηριότητες για τη βελτιστοποίηση των πόρων και του χρόνου, εξοικονομώντας έτσι χρήματα για τον πελάτη. Θα πρέπει να κατευθύνουν τους πελάτες που διστάζουν να υιοθετήσουν AI και να τους ενημερώνουν για επιτυχημένα case studies με απτά αποτελέσματα τόσο όσον αφορά την αποτελεσματικότητα της ασφάλειας όσο και την εξοικονόμηση χρημάτων και ανθρώπινων πόρων. Η υιοθέτηση της τεχνητής νοημοσύνης αυξάνεται και οι εταιρίες των έργων θα πρέπει να εκπαιδεύσουν τους πελάτες τους για το πως μπορούν να αποκομίσουν πραγματικά οφέλη. Θα πρέπει να συνεργάζονται στενά μαζί τους κατά τη διάρκεια του έργου για να δημιουργήσουν μια ολοκληρωμένη λύση που θα  ταιριάζει στο προφίλ της κάθε εγκατάστασης και θα καλύπτει υπάρχουσες και μελλοντικές απαιτήσεις, υιοθετώντας παράλληλα μια ολιστική προσέγγιση σε κάθε τοποθεσία, καθώς πιθανότατα θα έχουν διαφορετικά προφίλ κινδύνου και λειτουργικές απαιτήσεις. Η ανάπτυξη μιας λύσης διαχείρισης βίντεο με AI, είτε με επιλογές για την υιοθέτηση λογισμικού AI, καμερών ή απλών πρόσθετων συσκευών AI, θα επιτρέψει στις επιχειρήσεις να αντιμετωπίσουν τις προκλήσεις τους τόσο σήμερα όσο και στο μέλλον.

Εξελισσόμενη πρόταση αξίας

Μια σαφής ένδειξη ενός εξελισσόμενου οικοσυστήματος ασφάλειας είναι ο τρόπος με τον οποίο οι προηγμένες τεχνολογίες, όπως η τεχνητή νοημοσύνη και η μηχανική μάθηση, αναβαθμίζουν ζωτικά τη βασική πρόταση αξίας της φυσικής και ηλεκτρονικής ασφάλειας.

Ιστορικά, η φυσική ασφάλεια είχε να κάνει με την ανταπόκριση σε ειδοποιήσεις μετά από μια απειλή. Οι διαδικασίες που χρησιμοποιήθηκαν αξιοποίησαν περασμένη τεχνολογία, όπως κάρτες και αναλογικές κάμερες παλαιού τύπου, ή βασίστηκαν σε χειροκίνητες διαδικασίες, συμπεριλαμβανομένων των φυλάκων ασφαλείας.

Με την τεχνητή νοημοσύνη και τη μηχανική μάθηση, οι οργανισμοί μπορούν να εντοπίζουν επίδοξους εισβολείς ή άτομα με ύποπτη συμπεριφορά σε πραγματικό χρόνο, χρησιμοποιώντας τις υπάρχουσες κάμερές τους, χάρη στο προηγμένο λογισμικό που μεταξύ άλλων κάνει πράξη την αποτελεσματική αναγνώριση προσώπου. Οι ομάδες ασφαλείας μπορούν ακόμη να εντοπίσουν αυτά τα άτομα όταν βρίσκονται σε ένα πλήθος, χωρίς να κοιτάζουν την κάμερα ακόμα και αν η κάμερα είναι πολύ ψηλά ή μακριά τοποθετημένη.

Ο άλλος τομέας όπου η AI και η ML παίζουν ρόλο είναι στη διαδικασία ειδοποίησης. Η παραδοσιακή βιντεοεπιτήρηση επέφερε λανθασμένους συναγερμούς. Τα νευρωνικά δίκτυα – ως υποσύστημα του AI – γίνονται όλο και πιο ισχυρά και ακριβή, διευκολύνοντας σε υπέρτατο βαθμό το προσωπικό βάσης σε ένα κέντρο ελέγχου να λάβουν γνώση μόνο των πραγματικών περιστατικών ασφάλειας με εξαιρετική ακρίβεια και αξιοπιστία ειδικά όταν υπάρχουν πολλές και διάσπαρτες τοποθεσίες. Τα ακριβή δεδομένα και οι αναφορές τους βοηθούν να διασφαλίσουν ότι το προσωπικό ασφαλείας πληροί με συνέπεια τους βασικούς δείκτες απόδοσης, όπως οι χρόνοι απόκρισης σε πιθανές απειλές πριν γίνουν πλήρεις πράξεις κλοπής, βίας ή περιστατικά εκτάκτων αναγκών για τη μείωση, μετριάζοντας παράλληλα την πιθανότητα ζημιάς στη φήμη που μπορεί να προκληθεί από παραβιάσεις ή ατυχήματα υψηλού προφίλ.

Συμπερασματικά

Η τεχνητή νοημοσύνη αλλάζει θεμελιωδώς την αξία της φυσικής ασφάλειας από έναν μηχανισμό συλλογής αποδεικτικών στοιχείων σε κάτι που αποτρέπει ενεργά τα συμβάντα. Μια βασική πτυχή της τεχνητής νοημοσύνης είναι η ικανότητα κατανόησης μοτίβων και διαφορετικών σεναρίων. Μόλις οι υπεύθυνοι και εσωτερικά τα τμήματα ασφαλείας κατανοήσουν τα μοτίβα στα δεδομένα που συλλέγονται, τότε είναι σε θέση να γνωρίζουν ποιες τρωτότητες υπάρχουν. Η χρήση της τεχνητής νοημοσύνης στις πλατφόρμες ασφάλειας, αυτοματοποιεί και κατηγοριοποιεί κάθε ύποπτη συμπεριφορά, εντοπίζοντας άμεσα κάθε εξωτερική και εσωτερική απειλή.
Οι χειριστές σε ένα κεντρικό σταθμό ελέγχου πολλαπλών καμερών από διαφορετικές τοποθεσίες δεν είναι πλέον υποχρεωμένοι να παρακολουθούν όλες τις οθόνες προσπαθώντας να εντοπίσουν κάτι που μπορεί να είναι ενδεχόμενη απειλή. Τα προηγμένα λογισμικά ανάλυσης εικόνας με AI που υπηρετούν το σκοπό της έγκαιρης ανίχνευσης εισβολών σε ένα κτίριο ή μια εγκατάσταση έχουν τη δυνατότητα αξιόπιστης κατηγοριοποίησης αντικειμένων και άλλων ανθρώπινων στόχων και τη δραστική μείωση των ψευδών ειδοποιήσεων και των συναγερμών όχλησης που μπορούν να καταναλώσουν το χρόνο τους. Η διάκριση αντικειμένων ανθρώπων και οχημάτων αναβαθμίζεται σε μεγάλο βαθμό πλέον καθώς επίσης και οι ειδοποιήσεις βάσει κίνησης που προκαλούνται από σκιές, φωτισμό και βλάστηση.

Κατά τη διάρκεια των περιοριστικών μέτρων για την αντιμετώπιση της υγειονομικής κρίσης του covid-19 οι συζητήσεις για τη χρήση της τεχνητής νοημοσύνης αυξήθηκαν σημαντικά. Το νέο υβριδικό περιβάλλον, ο έλεγχος ταυτότητας ανθρώπων και γενικότερα η διαχείριση μιας νέας ευέλικτης μορφής εργασίας αποτέλεσαν βασικές παράμετροι ώθησης του AI και στην ασφάλεια. Ο έλεγχος ταυτότητας των ανθρώπων που έχουν πρόσβαση σε ένα χώρο και η επιβεβαίωση ατόμων που εισέρχονται σε μια εγκατάσταση μπορεί να βελτιωθεί σημαντικά με την τεχνητή νοημοσύνη για την εξάλειψη του ανθρώπινου λάθους και της αλληλεπίδρασης. Η πανδημία λειτούργησε ως καταλύτης για να βοηθήσει τους ανθρώπους και τους οργανισμούς να συνειδητοποιήσουν την αξία της τεχνητής νοημοσύνης και των σχετικών περιπτώσεων χρήσης της νωρίτερα. Η πανδημία ανέδειξε την αξία των δεδομένων βίντεο και της οπτικής επαλήθευσης που παρέχονται από λύσεις που βασίζονται στην τεχνητή νοημοσύνη.

Ένας άλλος τομέας, ιδίως όπου το ποσοστό υιοθέτησης της τεχνητής νοημοσύνης αναμένεται να προχωρήσει για τα επόμενα χρόνια, είναι η επανδρωμένη φύλαξη, λέει ο Joseph. Οι σοβαρές ελλείψεις προσωπικού διευκολύνουν περαιτέρω την τεχνητή νοημοσύνη σε μια σειρά από κάθετους κλάδους.

Πρέπει όμως να σημειώσουμε για ακόμα μια φορά ότι ο ανθρώπινος παράγοντας αποτελεί τον θεμελιώδη λίθο στο οικοδόμημα της ασφάλειας, όπως επίσης ότι η χρήση της τεχνητής νοημοσύνης δεν μπορεί να εφαρμοστεί ανεξέλεγκτα και χωρίς την απαραίτητη μέριμνα για την προστασία των προσωπικών δεδομένων και της ιδιωτικότητας σύμφωνα με όσα ορίζει το νομικό πλαίσιο στην Ευρώπη και όχι μόνο.