در عصر مدرن ما ، جوامع با چندین تهدید در حال ظهور برای امنیت عمومی روبرو هستند: افزایش شهرنشینی ، افزایش میزان جرم و تهدید تروریسم. هنگام پرداختن به ترکیب منابع محدود اجرای قانون و شهرهای در حال رشد ، چالش اطمینان از امنیت عمومی حتی دشوارتر می شود. پیشرفت در فن آوری امکان نظارت بر دستگاه ها و دوربین ها را فراهم کرده است تا فضاهای عمومی را ایمن تر کند – اما این اغلب به عنوان هزینه ای حاصل می شود.
با یک پایه نصب شده تقریباً 600 میلیون دوربین نظارت ، چین تقریباً یک دوربین به ازای هر دو نفر دارد و در خارج از چین ، بیشترین نظارت شهرها شامل دهلی ، سئول ، مسکو ، نیویورک و لندن است. در حالی که برای امنیت عمومی مفید است ، این افزایش نظارت با هزینه قابل توجهی حاصل می شود: فرسایش حریم شخصی شخصی. بسیاری از افراد حقوق خود را ناشناس و عاری از نظارت مداوم می دانند و این ایده که “برادر بزرگ” تماشا می کند می تواند درگیری بین ایمنی و حریم خصوصی ایجاد کند و منجر به بحث های شدید بین سیاست گذاران شود.
فناوری اطلاعات مصنوعی برای افزایش امنیت عمومی
اخیراً ، دوربین ها به طور فزاینده ای هوش مصنوعی را در خود جای داده اند و نقش فزاینده ای در امنیت عمومی دارند. با ادغام هوش مصنوعی در سیستم های امنیتی در سطح دوربین یا سیستم مدیریت فیلم و ترکیب هوش مصنوعی ، هوش مصنوعی می تواند برای نظارت بر ایمنی عمومی بسیار جذاب باشد.
متداول ترین موارد استفاده از هوش مصنوعی در سیستم های نظارت شامل است حفاظت محیطی و کنترل دسترسی. این برنامه ها از وظایف هوش مصنوعی مانند تشخیص شی ، تقسیم بندی ، ابرداده ویدیویی و شناسایی مجدد برای شناسایی سریع و دقیق افراد مشروع در مقابل افراد مشکوک یا غیر طبیعی یا رفتار و ایجاد پاسخ در زمان واقعی استفاده می کنند.
سیستم های نظارت بر هوش مصنوعی می توانند قابلیت های ظریف تر و پیشرفته تری را ارائه دهند. با داشتن هوش مصنوعی ، سیستم های نظارتی می توانند در زمان واقعی و با دقت بالا ، شناسایی ، شناسایی و پاسخ به رویدادهای امنیتی را در خود جای دهند. ضمن افزایش امنیت و اطمینان از امنیت عمومی ، هوش مصنوعی نگرانی هایی را در مورد حریم خصوصی داده ها ایجاد می کند ، با برخی ابراز نگرانی در مورد سوء استفاده احتمالی از اطلاعات شخصی که شخصی هستند. در جایی که مقادیر زیادی از داده ها در آن گنجانیده شده است ، اجرای اقدامات محافظت از داده های قوی بسیار مهم است.
Cloud AI با چالش های حریم خصوصی روبرو است
راه حل های هوش مصنوعی مبتنی بر ابر به طور سنتی با استفاده از مراکز داده متمرکز ، قابلیت های پردازش قدرتمندی را ارائه داده اند ، اما آنها آسیب پذیری های خاصی را برای حفظ حریم خصوصی داده ها ارائه می دهند.
هنگامی که داده ها ذخیره می شوند ، یا “در حالت استراحت” ، ذخیره سازی متمرکز باعث می شود سیستم های ابری اهداف اصلی حملات سایبری را ایجاد کنند. بازیگران بد می توانند در این سیستم ها هک کنند و منجر به نقض جدی داده ها و قرار گرفتن در معرض داده های بالقوه شوند. با این حال ، اگر پردازش داده ها غیرمتمرکز باشد و در لبه های شبکه انجام شود ، نقض محدود به گره خاص هک شده است و یک نقض گسترده داده ها چالش برانگیزتر است. علاوه بر این ، سیستم های پردازش داده های مبتنی بر ابر باید با تعدادی از مقررات مربوط به حفظ حریم خصوصی داده ها مطابقت داشته باشند ، که محدودیت هایی را در مورد چگونگی تجزیه و تحلیل داده های خام تحمیل می کند ، در نتیجه بینش های محدود و حتی بدهی های قانونی بالقوه. پردازش لبه فقط حداقل اطلاعات مورد نیاز را ذخیره و منتقل می کند ، در حالی که هنوز هم بینش های عمیق امکان پذیر است.
جابجایی داده ها به و از ابر به دستگاه ها نقاط اضافی آسیب پذیری را ایجاد می کند. با رهگیری داده ها در هنگام انتقال ، هکرها می توانند اطلاعات حساس را در معرض دید خود قرار داده و امنیت سیستم را تضعیف کنند.
به طور کلی ، یک مرکز داده ابری یک نقطه از شکست است که در صورت آسیب دیدگی ، می تواند بر بسیاری از دوربین ها تأثیر بگذارد.
Edge AI بین حریم خصوصی و امنیت راهپیمایی می کند
لبه هوش مصنوعی یک راه حل قانع کننده برای رفع این چالش ها ارائه می دهد ، به جای ارسال آن به ابر ، داده های محلی را بر روی دستگاه خود پردازش می کند. در صورت توزیع داده ها ، هر سیستم می تواند الگوریتم ها و قابلیت های مختلفی را اتخاذ کند و چندین مزیت را از دیدگاه حریم خصوصی ارائه دهد.
با پردازش داده ها در دستگاه ، سیستم های Edge AI نیاز به انتقال اطلاعات حساس از طریق اینترنت را به حداقل می رسانند ، و هرگونه خطر رهگیری را در هنگام انتقال به میزان قابل توجهی کاهش می دهد. با ذخیره اطلاعات به صورت محلی ، خطر حمله عظیم سایبری نیز محدود است. اگر یک دستگاه به خطر بیفتد ، دامنه حمله می تواند بر خلاف یک شبکه کامل به دستگاه باشد.
سرانجام ، Edge AI همچنین ناشناس سازی داده ها را در خود دستگاه امکان پذیر می کند. این سپس روند حفظ جوهر داده های ذخیره شده را ساده می کند. جوهر داده ها می توانند بدون در معرض PII در دستگاه لبه یا در ابر ذخیره شوند.
از نظر انتقادی ، Edge AI را می توان به گونه ای طراحی کرد که فقط روی رویدادهای خاص متمرکز شود. به عنوان مثال ، Edge AI می تواند برای شناسایی موارد خشونت یا رفتار مشکوک ، بدون ضبط مداوم فیلم ، برنامه ریزی شود و به حفظ حریم خصوصی افراد در فضاهای عمومی کمک کند. ابزارهای دیگر ، مانند محدودیت پهنای باند ، می توانند اطمینان حاصل کنند که پرونده های ویدیویی به طور مداوم به ابر ارسال نمی شوند و خطر نقض داده ها و حفظ حریم شخصی فردی را کاهش می دهند.
با این حال ، برای اینکه Edge AI به عنوان یک ابزار امنیتی مؤثر باشد ، باید هم کارآمد و هم قدرتمند باشد ، در حالی که هنوز هم به سرعت پردازش الگوریتم های پیچیده است ، می تواند با هزینه و با انرژی کارآمد بماند. سخت افزار هوش مصنوعی ، از جمله پردازنده های تخصصی هوش مصنوعی هیلو و تراشه های عملکردی کم مصرف ، این کار را امکان پذیر می کند.
Edge AI یک راه حل امیدوارکننده برای چالش تعادل امنیت عمومی با حریم شخصی شخصی ارائه می دهد. Edge AI با پردازش داده ها به صورت محلی و تحمیل محدودیت های ذاتی در انتقال و ذخیره داده ها ، خطرات مرتبط با سیستم های مبتنی بر ابر را کاهش می دهد. از آنجا که این فناوری ها همچنان در حال تحول هستند ، Edge AI ضمن احترام به حق افراد برای ناشناس ماندن ، نه تنها باعث افزایش امنیت می شود بلکه باعث ایجاد اعتماد به سیستم هایی می شود که برای محافظت از ما طراحی شده اند ، نقش مهمی در ایجاد فضاهای عمومی ایمن تر ایفا می کنند.
