آرشیو مولف: مدیر

اخبار

کارت microSD: قلب تپنده سیستم‌های امنیتی سیار در عصر هوش مصنوعی

Posted on by مدیر

دوربین‌های امنیتی نصب‌شده زیر سقف اتوبوس‌ها و قطارها دهه‌هاست که منظره‌ای آشنا هستند، اما کمتر مسافری متوجه انقلابی شده که در درون سیستم‌های امنیت تصویری داخل وسایل نقلیه در حال وقوع است.

نادیده گرفتن این تغییرات آسان است، چرا که دوربین‌های قدرتمندتر، روزبه‌روز کوچک‌تر و از دید مسافران در وسایل حمل و نقل عمومی پنهان‌تر می‌شوند. با این حال، کاری که آخرین نسل ابزارهای امنیت تصویری می‌توانند انجام دهند، بسیار فراتر از عملکرد اولیه آن‌ها یعنی مستندسازی حوادث و ارائه تصاویر برای تحلیل تیم‌های امنیتی پس از وقوع رویداد است.

 

سطح ۱: مستندسازی پیشرفته

 

البته، در قلب هر زیرساخت امنیت تصویری، همچنان عملکرد اصلی مستندسازی حوادث قرار دارد. این سطح اول امنیت تصویری در وسایل نقلیه است. نوآوری در این زمینه به صورت مداوم و تدریجی بوده، اما آخرین نسل دستگاه‌ها راه درازی را پیموده‌اند؛ با دوربین‌هایی که تا رزولوشن 4K را پشتیبانی می‌کنند، سنسورهایی که می‌توانند تصاویری با وضوح بالا از زوایایی که قبلاً غیرممکن بود ضبط کنند، و در مجموع تعداد بیشتری دستگاه‌های لبه (edge devices). به عنوان مثال، در قطارهای مترو که در بسیاری از شهرها به صورت شبانه‌روزی فعال هستند، استریم‌های ویدئویی ۲۴ ساعته در حال ضبط هستند.

نیازی به گفتن نیست که این امر بار کاری قابل توجهی را به سیستم‌ها، از جمله پردازش، تحلیل و ذخیره‌سازی ویدئو، اضافه می‌کند. این موضوع ایجاب می‌کند که تمام قطعات سیستم از قابلیت اطمینان بالایی برخوردار باشند، زیرا هر خرابی احتمالی، هزینه‌های فزاینده‌ای را به همراه دارد.

 

سطح ۲: از نظارت انفعالی به نظارت فعال

 

بزرگترین نوآوری، در توانایی سیستم‌ها برای تفسیر رویدادها به صورت لحظه‌ای (real-time) است. سیستم‌های مدرن داخل خودرو می‌توانند حوادثی مانند دعوا، سقوط افراد یا رفتارهای غیرعادی را در لحظه وقوع تشخیص داده و آلارم‌ها یا سایر واکنش‌های لحظه‌ای را فعال کنند. این عملکرد گسترده، مبتنی بر داده‌های بیشتر و پردازش سریع‌تر است و شامل تصاویری با رزولوشن بالاتر، نرخ فریم سریع‌تر و متادیتای افزوده شده هوش مصنوعی می‌شود.

برخی از عملکردهایی که فراتر از امنیت هستند، مانند شمارش افراد و ردیابی تراکم جمعیت، از مدت‌ها قبل در دسترس بوده‌اند. با این حال، با هوش مصنوعی، این قابلیت‌ها به سطح بالاتری از پیچیدگی رسیده‌اند.

این لایه از عملکردها—سطح دوم امنیت تصویری در وسایل نقلیه—در حال تبدیل شدن به بخش مرکزی سیستم‌ها است. دوربین‌ها و سنسورهای بیشتر با نظارت بر راننده قطار یا اتوبوس و تفسیر رفتار او، ایمنی را افزایش می‌دهد. سیستم‌ها می‌توانند با تشخیص علائم حواس‌پرتی، خواب‌آلودگی یا بی‌توجهی، به راننده کمک کرده و قبل از وقوع حوادث، هشدارها را فعال کنند. این قابلیت نیز مستلزم تولید (و ذخیره‌سازی) داده‌های اضافی است. هر حرکتی باید دسته‌بندی، برچسب‌گذاری و زمان‌بندی شود تا سیستم بتواند بین رفتارهای عادی و پرخطر تمایز قائل شود و در نهایت هوش مصنوعی را قادر به یادگیری از آن کند.

 

سطح ۳: از امنیت پایه تا زیرساخت شهر هوشمند

 

دوربین‌ها و سنسورهای دیگر نیز رو به بیرون خودروها نصب شده و شرایط جاده، ترافیک، تغییرات لاین و اشیاء نزدیک را نظارت می‌کنند. این امر عملکردهایی مانند جلوگیری از برخورد و نظارت بر نقاط کور را امکان‌پذیر می‌سازد. دوربین‌های خارجی همچنین می‌توانند به عنوان اجزای سیار در شبکه‌های گسترده‌تر شهر هوشمند عمل کرده و داده‌هایی برای بهینه‌سازی جریان ترافیک یا برنامه‌ریزی زیرساخت‌ها جمع‌آوری کنند.

این سطح سوم سیستم‌های داخل خودرو است: جمع‌آوری هوشمند اطلاعات برای بهبود خدمات. با تولید داده‌های مناسب در مکان مناسب، ارائه‌دهندگان حمل و نقل عمومی می‌توانند تعداد مسافران را افزایش دهند—برای مثال با تنظیم برنامه‌های زمانی اتوبوس‌ها بر اساس نیازهای در حال تغییر جوامعی که به آن‌ها خدمت‌رسانی می‌کنند. با تحلیل جریان مسافران، زمان توقف و الگوهای استفاده در زمان‌ها و ایستگاه‌های مختلف، اپراتورها می‌توانند تصمیمات بهتری بگیرند، نه تنها در مورد مسیرها، بلکه در مورد استقرار ناوگان، تخصیص منابع و خدمات اضافی رو به مسافر مانند تبلیغات پویا یا محتوای سرگرمی.

یکپارچه‌سازی بی‌نقص تمام عملکردهای سیستم‌های حمل و نقل عمومی به طور فزاینده‌ای به داده‌های بیشتری متکی است که از طریق دوربین‌ها و سنسورهایی که کارهایی بسیار فراتر از تأمین امنیت انجام می‌دهند، جمع‌آوری می‌شوند.

آمارها نیز این گسترش فرصت‌ها را نشان می‌دهند: بازار امنیت تصویری سیار در سال ۲۰۲۳ به ارزش ۲.۷۱ میلیارد دلار بود و در سال گذشته به ۲.۹۶ میلیارد دلار رسید. انتظار می‌رود این بازار با نرخ رشد مرکب سالانه (CAGR) ۹.۵۸ درصد به رشد خود ادامه داده و تا سال ۲۰۳۰ به ۵.۱۵ میلیارد دلار برسد.

 

جایی برای خطا نیست

 

راهکارهای ذخیره‌سازی مقاوم، مانند کارت‌های microSD مقاوم‌سازی شده، اولین خط دفاعی در برابر خرابی سیستم هستند. اگرچه امکان انتقال داده‌ها به صورت لحظه‌ای به یک سیستم مدیریت متمرکز یا ابر وجود دارد، آرشیوهای ویدئویی امنیتی معمولاً در یک دستگاه ذخیره‌سازی محلی ذخیره شده و سپس پس از بازگشت به پایانه—به دلایل بهره‌وری هزینه و قابلیت اطمینان اتصال—با یک سیستم مدیریت مرکزی همگام‌سازی می‌شوند.

 

دوره نگهداری اطلاعات و فاکتور فرم (Form Factor)

 

یک دوره نگهداری هفت روزه برای اکثر مدل‌های کاربردی امنیت تصویری سیار در بخش حمل و نقل کافی است، اما برخی مدل‌ها به تدریج به سمت ۱۴ روز یا حتی یک ماه حرکت می‌کنند. در چند سال گذشته، کارت‌های microSD به راهکار غالب ذخیره‌سازی تبدیل شده‌اند.

اندازه جمع‌وجور این کارت‌ها چندین مزیت برای سیستم‌های داخل خودرو به همراه دارد. فاکتور فرم آن‌ها امکان طراحی انعطاف‌پذیر سیستم، نصب ساده و ارتقاء آسان برای افزودن فضای ذخیره‌سازی را فراهم می‌کند. برخلاف هارد دیسک‌ها (HDD)، آن‌ها به پایه‌های ضربه‌گیر یا محفظه‌های خنک‌کننده نیاز ندارند. مصرف انرژی پایین آن‌ها نیز یک مزیت کلیدی دیگر است—به ویژه در سیستم‌هایی که به تعداد زیادی سنسور غیرمتمرکز متکی هستند.

 

راهکارهای حرفه‌ای برای نیازهای چالش‌برانگیز

 

با این حال، همه کارت‌های microSD یکسان ساخته نشده‌اند. حتی پیشرفته‌ترین کارت‌های رده مصرف‌کننده (consumer-grade) نیز برای نیازهای مداوم خواندن/نوشتن در سیستم‌های امنیتی داخل خودرو ساخته نشده‌اند. کارت‌های رده صنعتی (Industrial-grade)، مانند سری i400 مایکرون (Micron) با ظرفیت ذخیره‌سازی تا ۱.۵ ترابایت، برای دوام بالا و عملکرد پایدار مهندسی شده‌اند.

کارت Micron i400 به طور خاص برای مقاومت در برابر چالش‌های سخت‌ترین شرایط ساخته شده است. این کارت که با فناوری پیشرفته NAND ۱۷۶ لایه مهندسی شده، برای تحمل پنج سال کامل ضبط ویدئویی بی‌وقفه با کیفیت بالا به صورت ۲۴/۷—حتی در محیط‌های سیار چالش‌برانگیز—آزمایش شده است. این سطح از دوام (Endurance)، آن را برای سیستم‌های داخل خودرو، جایی که بارهای کاری نوشتن مداوم و شرایط فیزیکی سخت یک هنجار است، ایده‌آل می‌سازد.

کارت Micron i400 دارای سیستم خود-عیب‌یابی داخلی است که استفاده را نظارت کرده و عمر مفید باقی‌مانده را پیش‌بینی می‌کند—و به اپراتورهای ناوگان هر بار که کارتی در یکی از دستگاه‌های متعددشان نیاز به تعویض داشته باشد، هشدار به موقع می‌دهد. این ویژگی به جلوگیری از از دست رفتن داده‌ها و ساده‌سازی نگهداری در سطح ناوگان کمک می‌کند. کارت i400 با ترکیبی از سفت‌افزار (Firmware) بهینه‌سازی شده برای کاهش افت فریم در حین ضبط مداوم، یک راه‌حل مقیاس‌پذیر و با نیاز به نگهداری کم برای کاربردهای ویدئویی چالش‌برانگیز داخل خودرو ارائه می‌دهد.

 
بلاگ

امنیت مرکز داده: نکات کلیدی در انتخاب یک پلتفرم امنیتی یکپارچه

Posted on by مدیر

ویژگی‌های کلیدی

یک پلتفرم امنیتی یکپارچه خوب برای مراکز داده باید دارای ویژگی‌های کلیدی مشخصی باشد. این پلتفرم باید یک داشبورد متمرکز داشته باشد که امکان نمای کلی و لحظه‌ای از تمام سیستم‌های امنیتی (برای مثال، نظارت تصویری و کنترل دسترسی) را فراهم کرده و دارای چیدمان‌های قابل تنظیم برای نقش‌های مختلف کاربران باشد. همچنین، پلتفرم باید قابلیت‌های قوی برای ثبت ردپاها و لاگ‌ها (Audit trails and logging) داشته باشد و گزارش‌های دقیقی از فعالیت کاربران، رویدادهای دسترسی و تغییرات پیکربندی ارائه دهد. علاوه بر این، باید توانایی یکپارچه‌سازی بالایی داشته باشد و نه تنها سیستم‌های امنیتی، بلکه سیستم‌های کنترل محیطی را نیز ادغام کند.

جو فن، مدیر بازاریابی منطقه‌ای آسیا در شرکت Gallagher، می‌گوید: «نکته حیاتی این است که پلتفرم باید از یکپارچه‌سازی سیستم‌های نظارت بر شرایط محیطی مانند دما، رطوبت، دود، آب و رخدادهای مربوط به برق با سیستم کنترل دسترسی پشتیبانی کند. زمانی که رویدادهای فیزیکی و محیطی تحت یک پلتفرم واحد متحد می‌شوند، اپراتورها به آگاهی لحظه‌ای سریع‌تری از موقعیت دست می‌یابند و می‌توانند با قاطعیت بیشتری به تهدیدات یا ناهنجاری‌ها پاسخ دهند.»

 

معماری هیبریدی (ترکیبی)

هنگام انتخاب معماری برای استقرار یک پلتفرم یکپارچه – چه به صورت مستقر در محل (On-premises) و چه مبتنی بر ابر (Cloud) – به کاربر توصیه می‌شود که از یک مدل هیبریدی استفاده کند که بهترین ویژگی‌های هر دو دنیا را ارائه می‌دهد.

الکس رایکارد، مدیر مشتریان کلیدی در شرکت Genetec، می‌گوید: «انعطاف‌پذیری در استقرار، برای پلتفرم‌های امنیتی یکپارچه در مراکز داده بسیار حیاتی است. برخی اپراتورها سیستم‌های مستقر در محل را برای کنترل بیشتر و تأخیر کمتر ترجیح می‌دهند، به خصوص در محیط‌های با امنیت بالا. برخی دیگر به راه‌حل‌های مبتنی بر ابر برای مقیاس‌پذیری آسان‌تر، دسترسی از راه دور و نگهداری ساده‌تر تمایل دارند. اما بسیاری از مراکز داده به سمت یک رویکرد هیبریدی گرایش دارند که بهترین‌های هر دو را ارائه می‌دهد. این رویکرد به تیم‌ها اجازه می‌دهد تا امنیت را در چندین سایت متمرکز کنند، در حالی که عملیات‌های حساس را به صورت محلی نگه می‌دارند. نکته کلیدی، داشتن حق انتخاب برای استقرار پلتفرم به شیوه‌ای است که با زیرساخت، نیازهای انطباق و استراتژی رشد شما همسو باشد.»

جو فن اضافه می‌کند: «در یک معماری هیبریدی، پلتفرم اصلی به صورت مستقر در محل باقی می‌ماند، در حالی که خدمات منتخبی – مانند ثبت اعتبارنامه‌های موبایلی، ثبت‌نام بازدیدکنندگان و مدیریت درخواست‌های خدماتی – به صورت امن از طریق ابر ارائه می‌شوند. یک پلتفرم یکپارچه که از این رویکرد هیبریدی پشتیبانی می‌کند، انعطاف‌پذیری لازم برای پاسخگویی به نیازهای عملیاتی و انطباقی در حال تحول را بدون به خطر انداختن وضعیت امنیتی فراهم می‌آورد.»

 

نکات مهم در انتخاب یک پلتفرم یکپارچه

هنگام انتخاب یک پلتفرم یکپارچه برای امنیت مرکز داده، چندین فاکتور وجود دارد که باید در نظر گرفته شوند. این موارد به شرح زیر خلاصه می‌شوند:

 

۱. قابلیت‌های یکپارچه‌سازی

همانطور که پیش‌تر ذکر شد، یک پلتفرم امنیتی یکپارچه برای مراکز داده باید قابلیت‌های یکپارچه‌سازی قوی داشته باشد و سیستم‌های مختلف امنیتی و غیرامنیتی که برای عملیات مرکز داده حیاتی هستند را متحد کند. فن می‌گوید: «پلتفرم باید به صورت بومی از قابلیت همکاری با ارائه‌دهندگان هویت، سیستم‌های مدیریت بازدیدکنندگان، پلتفرم‌های نظارت تصویری، مانیتورینگ آلارم و مدیریت کابینت‌های کلید پشتیبانی کند تا جریان داده‌ها بدون نیاز به پیکربندی تکراری یا سربار مدیریتی، به صورت یکپارچه انجام شود. یک رابط کاربری واحد برای نظارت، هشداردهی و ثبت لاگ‌ها در تمام این سیستم‌ها، عملیات را ساده کرده و واکنش به حوادث را تقویت می‌کند.»

 

۲. معماری باز (Open Architecture)

معماری باز نیز مهم است، زیرا به کاربران امکان می‌دهد تا دستگاه‌ها و سیستم‌های شخص ثالث (Third-party) را با پلتفرم یکپارچه کنند. رایکارد می‌گوید: «یک پلتفرم خوب باید با نیازهای شما رشد کند و با تکامل چشم‌انداز تهدیدات، خود را تطبیق دهد. این رشد باید فراتر از پشتیبانی از استریم‌های ویدئویی و درب‌ها باشد؛ این پلتفرم‌های امنیتی باید قادر به دریافت انواع منابع داده باشند و قابلیت صدور داده به پلتفرم‌های شخص ثالث برای تحلیل و بصری‌سازی، یک ویژگی کلیدی است. استفاده از یک مدل OpenAPI برای فراهم کردن ارتباط بین سیستم‌های مختلف و اطمینان از اینکه سرمایه‌گذاری شما برای آینده نیز تضمین شود، بسیار حیاتی است.»

 

۳. امنیت سایبری

مراکز داده مکان‌هایی هستند که اطلاعات مهم و حساس شرکت‌های مشتری در آن‌ها نگهداری می‌شود. به همین دلیل، یک رخنه سایبری می‌تواند عواقب فاجعه‌باری داشته باشد. بنابراین، پلتفرم‌های امنیتی یکپارچه در مراکز داده باید در برابر خطرات سایبری مانند تهدیدات پیشرفته و مستمر (APT) و بدافزارها/باج‌افزارها، به اندازه کافی مقاوم و مستحکم باشند. رایکارد می‌گوید: «امنیت سایبری نمی‌تواند یک موضوع ثانویه باشد؛ پلتفرم باید رمزنگاری قوی، به‌روزرسانی‌های منظم و ابزارهایی برای مدیریت آسیب‌پذیری‌ها ارائه دهد.»

 

۴. انطباق با استانداردها (Compliance)

پلتفرم باید با استانداردهای امنیتی یا منطقه‌ای مشخصی مطابقت داشته باشد. فن می‌گوید: «انطباق یک نیاز اساسی است. پشتیبانی از استانداردهایی مانند ISO 27001، SOC 2، PCI-DSS و سایر گواهینامه‌های منطقه‌ای، به طور فزاینده‌ای توسط مستأجران، حسابرسان و نهادهای نظارتی انتظار می‌رود.»

 

۵. مقیاس‌پذیری و قابلیت اطمینان

در نهایت، مقیاس‌پذیری و قابلیت اطمینان بسیار حیاتی هستند. فن می‌گوید: «پلتفرم باید قادر به پشتیبانی از استقرارهای چندسایتی، معماری‌های هیبریدی و پیکربندی‌های با دسترسی بالا (High-availability) بدون به خطر انداختن عملکرد باشد. فروشندگانی که سابقه‌ای اثبات‌شده در محیط‌های با امنیت بالا – مانند بخش‌های دولتی، زیرساخت‌های حیاتی یا مراکز داده کولوکیشن در سطح سازمانی – دارند، می‌توانند تضمین ارزشمندی در مورد بلوغ محصول، کیفیت پشتیبانی و پایداری بلندمدت ارائه دهند.»

اخبار

کاربرد مولدهای صدا و فناوری تبدیل متن به گفتار (TTS) در شهرهای هوشمند

Posted on by مدیر

چگونه مولدهای صدا به ارتقای شهرهای هوشمند کمک می‌کنند؟

مولدهای صدا (Voice generators) ابزارهای پیشرفته‌ای هستند که متن را به گفتار تبدیل می‌کنند. این فناوری مزایای بسیاری در حوزه‌های مختلف دارد، از جمله در شهرهای هوشمند که در آن ارتباطات، دسترسی‌پذیری و فراگیری می‌تواند با استفاده از فناوری‌های تبدیل متن به گفتار (TTS) به طور چشمگیری بهبود یابد. این مقاله به بررسی مولدهای صدا و موارد استفاده گوناگون آن‌ها در شهرهای هوشمند می‌پردازد.

 

چالش‌های پیش روی شهرهای هوشمند

مدیران شهری به طور فزاینده‌ای طرح‌های شهر هوشمند را برای امن‌تر کردن، کاهش آلودگی و افزایش کیفیت زندگی در شهرهایشان به اجرا می‌گذارند. با این حال، با تبدیل شدن شهرداری‌ها به شهرهای هوشمند، آن‌ها با چالش‌های مختلفی روبرو هستند. برای مثال، در مواقع اضطراری، برقراری ارتباط سریع و واضح با جمعیت زیاد می‌تواند دشوار باشد. با رشد شهرها، سیستم‌های حمل و نقل و سایر خدمات شهری تحت فشار قرار می‌گیرند. موانع زبانی نیز یک چالش مهم است، زیرا جمعیت‌های چندزبانه – و همچنین گردشگران خارجی – ارتباطات را پیچیده‌تر می‌کنند.

 

مولدهای صدا چگونه می‌توانند کمک کنند؟

چالش‌های فوق را می‌توان با استفاده از مولدهای صدا که به قابلیت‌های تبدیل متن به گفتار (TTS) مجهز هستند، برطرف کرد. رونن رابینوویچی، بنیان‌گذار TTSReader و Speechnotes که راهکار خود را با نام TTSReader – Online Text To Speech ارائه می‌دهند، می‌گوید: «موارد متعددی وجود دارد که سنتز گفتار مبتنی بر هوش مصنوعی – چه به صورت لحظه‌ای و چه به صورت از پیش تولید شده (برای صرفه‌جویی در هزینه‌ها و افزایش دسترسی و قابلیت اطمینان) – در محیط‌های شهر هوشمند بسیار مؤثر و سودمند است.»

 

ارتباطات اضطراری

در مواقع اضطراری، مولدهای صدا می‌توانند به صورت فوری و خودکار، هشدارهای چندزبانه تولید و پخش کنند. این ویژگی، مولدهای صدا را به راه‌حلی بسیار مؤثرتر از سیستم‌های اطلاع‌رسانی عمومی (PA) سنتی تبدیل می‌کند.

روهان پاوولوری، مدیر ارشد کسب‌وکار در Speechify، می‌گوید: «سیستم‌های PA سنتی به پیام‌های از پیش ضبط‌شده محدود بودند یا به یک گوینده زنده نیاز داشتند. با تولید صدا، پیام‌ها می‌توانند به صورت لحظه‌ای و با محتوای پویا بر اساس رویدادهای جاری ایجاد شوند. گفتار می‌تواند به طور خودکار به زبان‌های مختلف با لهجه‌های بومی محلی‌سازی شود. لحن و میزان اضطرار پیام نیز می‌تواند به صورت برنامه‌ریزی‌شده تنظیم شود – پیام‌های فوری جدی به نظر می‌رسند؛ در حالی که به‌روزرسانی‌های روزانه لحنی خنثی یا دوستانه دارند. ورودی متن می‌تواند از داشبوردهای شهری، سیستم‌های اضطراری یا محرک‌های خودکار – مانند سنسورها، فیدهای آب‌وهوا یا تأخیر در حمل‌ونقل – دریافت شود.»

 

کیوسک‌های اطلاعاتی

کیوسک‌های اطلاعاتی مبتنی بر صدا به طور فزاینده‌ای در شهرها دیده می‌شوند. این پایانه‌های تعاملی، مجهز به گفتار و چندزبانه که در فضاهای عمومی قرار گرفته‌اند، اطلاعات لحظه‌ای، قابل دسترس و کاربرپسندی را به ساکنان و بازدیدکنندگان ارائه می‌دهند. پاوولوری می‌گوید: «کیوسک‌های مجهز به صدا اغلب از مولدهای صدای هوش مصنوعی برای ارائه پیام‌ها به صورت واضح و طبیعی استفاده می‌کنند. این کیوسک‌ها ممکن است اطلاعات حمل‌ونقل، راهنمایی‌های توریستی یا ویژگی‌های دسترسی‌پذیری را فراهم کنند. تبدیل متن به گفتار در اینجا یک استاندارد است که ورودی‌های متنی آن از سیستم‌های خودکار، پلتفرم‌های مدیریت محتوا (CMS) یا فیدهای لحظه‌ای – برای مثال، برنامه‌های زمانی حمل‌ونقل و APIها – تأمین می‌شود. با ابزارهای Speechify، از جمله API آن، شهرها می‌توانند پیام‌ها را به طور مداوم تنظیم کنند. برخی کیوسک‌ها امکان ورود پویای اطلاعات توسط کارمندان شهری، نمایندگان خدمات مشتری یا برگزارکنندگان رویدادها را نیز فراهم می‌کنند.»

 

ایستگاه‌های حمل و نقل عمومی و خطوط تلفن

مولدهای صدا همچنین می‌توانند نقشی کلیدی در ایستگاه‌های حمل و نقل عمومی برای افزایش دسترسی‌پذیری، ایمنی و ارتباطات لحظه‌ای ایفا کنند. این سیستم‌ها از TTS برای پخش اطلاعات یا پاسخ به نیازهای اطلاعاتی به صورت گفتاری استفاده می‌کنند که هم به مسافران روزانه و هم به مسافران گذری کمک می‌کند.

 

سایر موارد استفاده

کاربردهای دیگری نیز در شهر هوشمند وجود دارد. رابینوویچی می‌گوید: «این موارد شامل مدارس و محیط‌های آموزشی فوق برنامه، به ویژه برای دانش‌آموزان مبتلا به نارساخوانی (dyslexia) و کسانی که تفاوت‌های یادگیری دارند، می‌شود – شنیدن متنی که با صدای بلند خوانده می‌شود، درک و یادگیری را بهبود می‌بخشد. در کتابخانه‌ها نیز بازدیدکنندگان می‌توانند به کتاب‌ها و مطالب به صورت صوتی گوش دهند که دسترسی را برای کسانی که با خواندن مشکل دارند، گسترش می‌دهد.»

 

ترویج فراگیری و دسترسی‌پذیری

در واقع، مولدهای صدا می‌توانند فراگیری و دسترسی‌پذیری را در شهرهای هوشمند ترویج دهند. شهرها و کلان‌شهرها محل زندگی گروه‌های متنوعی از مردم هستند، از جمله افراد کم‌بینا، افراد دارای معلولیت و غیربومیان. مولدهای صدا می‌توانند به خوبی به این گروه‌ها خدمت‌رسانی کنند.

پاوولوری می‌گوید: «مولدهای صدای هوش مصنوعی با خدمت‌رسانی به افراد کم‌بینا که به دسترسی شنیداری متکی هستند؛ کمک به افراد مبتلا به نارساخوانی، ADHD یا اختلالات شناختی برای درک آسان‌تر مطالب نوشتاری؛ حمایت از افراد غیربومی با ارائه گفتار واضح و محلی‌سازی شده به زبان دلخواه‌شان؛ و ایجاد تجربیات چندوجهی – برای مثال، ترکیب صدا با لمس یا نشانه‌های بصری برای کیوسک‌ها یا اپلیکیشن‌ها – فراگیری را افزایش می‌دهند. Speechify به طور مشخص کار خود را به عنوان ابزاری برای دانش‌آموزان با چالش‌های خواندن آغاز کرد و دسترسی‌پذیری همچنان محور اصلی مأموریت ماست.»

اخبار

افزایش ایمنی محیط‌های آموزشی با یکپارچه‌سازی دوربین پوشیدنی i-PRO و VMS VideoInsight

Posted on by مدیر

شرکت i-PRO Americas (که قبلاً با نام Panasonic Security شناخته می‌شد)، یکی از تولیدکنندگان پیشرو جهانی در زمینه دوربین‌های با قابلیت پردازش لبه برای کاربردهای امنیتی و ایمنی عمومی، امروز از یکپارچه‌سازی جدید و متمرکز بر محیط‌های آموزشی بین دوربین پوشیدنی i-PRO BWC4000 و سیستم مدیریت ویدئوی (VMS) خود با نام VideoInsight خبر داد.

اکنون VideoInsight به صورت بومی از دستگاه‌های BWC4000 پشتیبانی می‌کند و به مدارس (از ابتدایی تا دبیرستان) اجازه می‌دهد تا ویدئوها و صداهای ضبط شده توسط دوربین‌های پوشیدنی را از طریق یک پلتفرم واحد و امن، به صورت زنده استریم، ضبط، مدیریت و بازبینی کنند.

این راه‌حل جامع که به طور خاص برای نیازهای منحصربه‌فرد محیط‌های مدرسه‌ای طراحی شده، به مدیران، مسئولان فناوری اطلاعات و پرسنل امنیتی کمک می‌کند تا پوشش ویدئویی خود را فراتر از دوربین‌های ثابت سنتی گسترش دهند، بدون آنکه پیچیدگی عملیاتی یا هزینه‌های گزافی را به سیستم اضافه کنند. برخلاف ویدئوهای ناامنی که با گوشی‌های هوشمند ضبط می‌شوند، تصاویر ثبت‌شده توسط دوربین‌های پوشیدنی i-PRO مستقیماً در VMS VideoInsight آپلود می‌شوند. این فرآیند تضمین می‌کند که تصاویر هرگز روی دستگاه‌های شخصی ذخیره نمی‌شوند و در نتیجه، از حریم خصوصی دانش‌آموزان محافظت کرده و به مدارس در پایبندی به الزامات قانونی کمک می‌کند.

آدام لوونشتاین، مدیر محصولات i-PRO در قاره آمریکا، گفت: «مدارس برای بهبود ایمنی و کاهش زمان واکنش با تقاضاهای روزافزونی روبرو هستند، در حالی که با بودجه‌های محدود و منابع ناکافی دست‌وپنجه نرم می‌کنند. با یکپارچه‌سازی یکپارچه ویدئوهای دوربین‌های پوشیدنی در پلتفرم قابل اعتماد VideoInsight، ما ابزاری قدرتمند و مقرون‌به‌صرفه را در اختیار مدارس قرار می‌دهیم تا از دانش‌آموزان و کارکنان محافظت کنند، فرآیند تحقیقات را ساده‌سازی کرده و آگاهی از موقعیت را به صورت لحظه‌ای افزایش دهند.»

برخلاف راه‌حل‌های عمومی یا متمرکز بر نیروی انتظامی، این یکپارچه‌سازی به طور ویژه برای محیط‌های آموزشی ساخته شده است. مدارس اکنون می‌توانند ویدئو و صدای سیار ضبط‌شده توسط افسران مسئول یا کارکنان را با تصاویر دوربین‌های ثابت خود یکپارچه کنند و پوشش‌دهی را در راهروها، اتوبوس‌ها، زمین‌های بازی و رویدادهای خارج از مدرسه، جایی که دوربین‌های ثابت دسترسی ندارند، بهبود بخشند.

 

ویژگی‌ها و مزایای کلیدی

 

  • ضبط فوری: ضبط با یک لمس و قابلیت فعال‌سازی بدون دخالت دست تضمین می‌کند که حوادث مهم به سرعت مستندسازی شوند.
  • افزایش شفافیت و مسئولیت‌پذیری: حضور آشکار دوربین‌های پوشیدنی به جلوگیری از رفتارهای پرخاشگرانه کمک کرده و از استراتژی‌های مشاوره‌ای یا مداخله‌ای با ارائه مستندات شفاف و بی‌طرفانه پشتیبانی می‌کند.
  • مدیریت امن مدارک و شواهد: تصاویر به طور خودکار در پلتفرم VMS VideoInsight آپلود می‌شوند که ضمن حفاظت از حریم خصوصی دانش‌آموزان، یکپارچگی داده‌ها را تضمین می‌کند.
  • سادگی در استفاده (Dock & Go): دوربین‌ها به صورت خودکار از طریق داک‌های شارژ، تصاویر را آپلود و خود را شارژ می‌کنند که باعث صرفه‌جویی در زمان و کاهش خطای انسانی می‌شود.
  • قابلیت پخش زنده: استریم زنده از طریق Wi-Fi، آگاهی لحظه‌ای از موقعیت را برای واکنش سریع‌تر فراهم می‌آورد.

دوربین مقاوم BWC4000 که برای تحمل نیازهای روزمره عملیات در مدارس ساخته شده، با استاندارد نظامی MIL-STD-810H و درجه حفاظت IP67 آزمایش شده است. این محصول، قابلیت اطمینان اثبات‌شده در استقرارهای ایمنی عمومی را با کنترل‌ها و گردش‌کارهای جدید و بهینه‌سازی شده برای مدارس ترکیب می‌کند.

اخبار

فناوری برای بهبود امنیت عمومی

Posted on by مدیر

شهرها چگونه می‌توانند از فناوری برای بهبود امنیت عمومی و «آینده-محور» بودن استفاده کنند؟

 

با توجه به اینکه نیمی از جمعیت جهان در حال حاضر در مناطق شهری زندگی می‌کنند، امنیت عمومی ساکنان هرگز به این اندازه اهمیت نداشته است. با این حال، نرخ جرائم در شهرها به سرعت در حال افزایش است و راهکارهای نظارت تحت شبکه ممکن است کلید بهبود ایمنی و امنیت برای ساکنان باشند.

تصور کنید در شهری زندگی می‌کنید که می‌توانید در هر ساعت از شبانه‌روز بدون ترس پیاده‌روی کنید. یا هنگام خرید مواد غذایی، درب خانه خود را قفل نکنید و مطمئن باشید که وسیله نقلیه شما هنگام بازگشت سر جایش خواهد بود. اگرچه این رویای بسیاری از ساکنان است، اما واقعیت زندگی شهری معمولاً کاملاً متفاوت است.

گزارش اخیر مؤسسه ThoughtLab با عنوان «از چشم‌انداز آینده تا واقعیت شهری»، به بررسی عوامل مختلف تأثیرگذار بر شهرها و مؤثرترین استراتژی‌هایی که مقامات برای آماده‌سازی برای آینده به کار می‌گیرند، پرداخته است. این گزارش نشان داد که یک‌سوم (۳۵٪) شهرها از نرخ بالای جرم و جنایت رنج می‌برند.

با این حال، مقامات شهری آینده‌نگر می‌دانند که سطوح بالای فعالیت‌های مجرمانه می‌تواند تأثیری فراتر از ایمنی و امنیت داشته باشد و بر عواملی مانند ارزش املاک و نحوه استفاده ساکنان از حمل‌ونقل عمومی نیز تأثیر بگذارد. این شهرها با استفاده از فناوری برای یک قدم جلوتر ماندن، رویکردی پیشگیرانه برای نظارت، بازدارندگی و واکنش به فعالیت‌های مجرمانه اتخاذ می‌کنند.

کتاب الکترونیکی جدید ما، «فناوری نظارتی برای شهرهای آینده-محور»، موارد استفاده نمونه و گام‌های عملی ملموسی را تشریح می‌کند که مقامات می‌توانند برای بهبود نرخ جرائم در شهرهای خود بردارند.

 

متمرکزسازی عملیات برای افزایش بهره‌وری

اگرچه حوادث ناهنجار و رفتارهای مجرمانه می‌توانند به صورت مستقل یا به عنوان بخشی از فعالیت‌های سازمان‌یافته گسترده‌تر رخ دهند، اما مقامات انتظامی و نیروهای امدادی باید برای حفاظت از جان افراد و محدود کردن خسارات، به شیوه‌ای هماهنگ عمل کنند. تأسیس مراکز کنترل جرائم آنی (RTCCs) – که ورودی‌های داده را از دوربین‌های نظارتی، رادار، تجهیزات صوتی و تحلیل‌های هوشمند جمع‌آوری می‌کنند – به ارائه آگاهی موقعیتی و بینش آنی کمک خواهد کرد. این امر با متمرکز کردن داده‌ها از منابع مختلف، بهره‌وری و واکنش اضطراری را بهبود می‌بخشد. در نتیجه، شما تمام اطلاعات مورد نیاز برای هماهنگی واکنش‌ها، تخصیص منابع، تحقیقات کارآمد و اجرای برنامه خود را در اختیار خواهید داشت.

 

تشخیص نفوذ و پرسه زنی بی‌دلیل

افرادی که قصد سوء دارند اغلب در مناطق خلوت جمع می‌شوند و در نزدیکی مکان‌های باارزش یا حساس پرسه می‌زنند که ممکن است فرصتی برای حمله به آن‌ها بدهد. جلوگیری از فعالیت‌های مجرمانه اغلب به معنای ممانعت یا بازدارندگی از دسترسی به مناطق خاصی مانند پارکینگ‌ها و پارک‌ها پس از ساعات کاری است. شما می‌توانید از دوربین‌های مجهز به تحلیل بر روی لبه (edge analytics) برای تشخیص پرسه زنی یا ورود غیرمجاز در مناطق تعیین‌شده استفاده کنید، به پرسنل امنیتی هشدار دهید و در صورت لزوم برای مداخله، اقدامات بازدارنده را فعال کنید.

 

دوربین‌های پوشیدنی برای نظارت، بازدارندگی و آموزش

گاهی اوقات داشتن یک دیدگاه دیگر از یک حادثه می‌تواند تفاوت حیاتی در نتیجه یک پرونده ایجاد کند. در حالی که دوربین‌های نظارت تحت شبکه دید وسیع‌تری ارائه می‌دهند، دوربین‌های پوشیدنی (Body-worn cameras) شما را در مرکز صحنه قرار می‌دهند و صدا و تصویر را به عنوان مدرک برای استفاده در فرآیندهای انتظامی و قانونی ضبط می‌کنند. آن‌ها به عنوان مکملی برای سایر روش‌های نظارتی عمل می‌کنند که داده‌های خود را به مرکز کنترل جرائم آنی (RTCC) ارسال کرده و منبع دیگری از داده را برای مقامات امنیتی فراهم می‌کنند. این دوربین‌ها همچنین قبل از وقوع حادثه نیز مؤثر هستند، زیرا به عنوان عامل بازدارنده عمل کرده و به تلاش‌ها برای تنش‌زدایی در موقعیت‌های بالقوه خطرناک یا خشونت‌آمیز کمک می‌کنند.

 

دوربین‌های داخلی وسایل نقلیه برای مدیریت ریسک و بهره‌وری عملیاتی

نظارت بر فعالیت‌ها نه تنها بر روی زمین، بلکه در داخل وسایل نقلیه مانند اتوبوس‌ها، قطارها و ترامواها نیز ضروری است. سیستم‌های دوربین داخلی وسایل نقلیه (Onboard camera systems) می‌توانند به طرق مختلف از نیروهای انتظامی و امدادی پشتیبانی کنند و تصاویر چند دوربینه، داخلی و خارجی را برای پرسنل امنیتی فراهم آورند – حتی زمانی که وسایل نقلیه در حال حرکت هستند. این امر امکان گشت‌زنی آنی و یکپارچه‌سازی با سایر نماهای نظارتی را فراهم می‌کند تا یک دید واحد از یک حادثه ارائه شود و واکنشی سریع و مؤثر امکان‌پذیر گردد.

 

بیشتر بدانید

پیشگیری و بازدارندگی از جرم نیازمند یک رویکرد چندعاملی است و آینده-محورترین شهرها از هم‌اکنون در حال پیاده‌سازی راه‌حل‌هایی هستند که از کارکنان امنیتی پشتیبانی کرده و «چشم و گوش» اضافی برای کمک به واکنش‌ها فراهم می‌کنند. در واقع، ۷۰٪ از شهرهای آینده-محور از هم‌اکنون در نظارت هوشمند زمینی برای کمک به بهبود ایمنی و امنیت ساکنان سرمایه‌گذاری کرده‌اند.

 

اخبار

چگونه به تاب‌آوری دیجیتال دست یابیم؟

Posted on by مدیر

مرکز ملی امنیت سایبری (NCSC) و مرکز اعتماد دیجیتال (DTC)، با ارائه پنج اصل اساسیِ بازنگری‌شده که در پاسخ به استراتژی امنیت سایبری هلند برای سال‌های ۲۰۲۸-۲۰۲۲ تدوین شده‌اند، دیدگاه خود را برای یک هلند امن و تاب‌آور از نظر دیجیتال برای همگان ارائه می‌دهند.

 

در توسعه این پنج اصل اساسی، نه تنها از دستورالعمل‌های موجود خودشان به عنوان نقطه شروع استفاده شده، بلکه دستورالعمل‌های سازمان‌های دیگر مانند سرویس اطلاعات و امنیت عمومی (AIVD)، اداره ارشد اطلاعات دولت (CIO Rijk)، انجمن سایبرفیلیخ ندرلاند (Cyberveilig Nederland) و بازرسی ملی زیرساخت دیجیتال (RDI) نیز مد نظر قرار گرفته‌اند. آنتونی درنت، مشاور امنیت سایبری در NCSC می‌گوید: «ما دستورالعمل‌ها و اصول مختلف را در کنار هم قرار داده و تحلیل کرده‌ایم. بر اساس شباهت‌ها و تفاوت‌ها، مرتبط‌ترین عناصر را انتخاب کرده و آن‌ها را در یک مجموعه مشترک و با پشتوانه گسترده گرد هم آورده‌ایم.»

با معرفی این مجموعه یکپارچه و جامع از اصول اساسی، اکنون یک دستورالعمل واحد وجود دارد که برای تمام شرکت‌ها و سازمان‌ها در هلند قابل استفاده است. از نظر محتوایی، این مجموعه به‌روز شده بر اساس دستورالعمل‌های موجود مانند NIST CSF و NIS2 بنا شده است.

کاربرد گسترده

برای بهره‌برداری بهینه از امکانات دیجیتالی‌سازی، تاب‌آوری دیجیتال یک شرط مهم است. واقعیت این است که سازمان‌های بزرگ و کوچک هر روز با تهدیدات دیجیتال دست‌وپنجه نرم می‌کنند. این تهدیدات می‌توانند از یک نشت داده تا، برای مثال، از کار افتادن محیط تولیدی متغیر باشند. تأثیر این موارد می‌تواند بزرگ باشد؛ از آسیب به اعتبار گرفته تا به خطر افتادن تداوم کسب‌وکار.

بنابراین، سازمان‌ها باید با کار بر روی تاب‌آوری دیجیتال خود، در برابر این تهدیدات از خود دفاع کنند. پیش از این، DTC و NCSC هر کدام دستورالعمل‌های جداگانه‌ای برای گروه هدف خود داشتند. دستورالعمل‌های DTC برای شرکت‌ها و سازمان‌های غیرحیاتی و دستورالعمل‌های NCSC برای دولت مرکزی و سازمان‌های فعال در بخش‌های حیاتی بود.

واضح و یکپارچه

ماتیس فان املسفورت، مدیر NCSC می‌گوید: «یک کارآفرین کوچک اغلب ابزارها و ریسک‌های متفاوتی نسبت به یک سازمان حیاتی دارد، اما با این اصول اساسی، هر سازمانی یک مبنای واضح و یکپارچه از سوی دولت دریافت می‌کند. این اصول اساسی به گونه‌ای تدوین شده‌اند که هم کاربردی و هم به طور گسترده قابل استفاده باشند. آن‌ها ابزارهای ملموسی را فراهم می‌کنند که به شرکت‌ها و سازمان‌های کوچک و بزرگ، حیاتی و غیرحیاتی، اجازه می‌دهد تا امنیت دیجیتال خود را بهبود بخشند.»

رویکرد پیشگیرانه (Proactive)

وب‌سایت NCSC علاوه بر مروری بر اصول اساسی، اطلاعات عمیق‌تری نیز ارائه می‌دهد. علاوه بر مشاوره‌های عملی، برگه‌های اطلاعاتی و ویدیوهایی نیز وجود دارند که ابزارهایی برای تاب‌آوری دیجیتال فراهم می‌کنند. سخنگوی NCSC گفت: «ما این اصول را به طور پیشگیرانه نیز ترویج می‌کنیم. ما تماس منظمی با شرکت‌ها و سازمان‌های دولتی داریم و در مشاوره‌های خود مرتباً به این اصول اساسی بازمی‌گردیم.» در طول فرآیند توسعه، چندین نهاد دولتی و سازمان امنیت سایبری نیز در شکل‌گیری آن مشارکت داشتند.

بازخورد مثبت

بازخوردی که NCSC دریافت می‌کند عموماً مثبت است. «دلیل آن این است که اصول، ساده و واضح هستند، که به ارائه یک ابزار ملموس به سازمان‌ها برای شروع کار با امنیت سایبری کمک می‌کند. البته انتقاداتی نیز وجود داشت. این انتقادات در این سوال نهفته است: کدام مشاوره زیربنایی را ارائه می‌دهید و کدام را نه؟ برای مثال، آیا به‌روزرسانی نرم‌افزار همیشه ایده خوبی است یا باید به آن با رویکردی مبتنی بر ریسک نگاه کرد؟ و همچنین: دقیقاً کدام سطح از بلوغ، نقطه شروع این اصول است؟ ما در این مورد بحث‌های زیادی داشتیم.»

پنج اصل اساسی :

 

اصول اساسی به شرح زیر است:

اصل اول: ریسک‌های خود را شناسایی کنید

یک مدیریت کسب‌وکار خوب، به سطح مناسبی از تاب‌آوری دیجیتال بستگی دارد. این بدان معناست که اطلاعات و سیستم‌های اطلاعاتی به شیوه‌ای محافظت شوند که با اهداف تجاری شما همخوانی داشته باشد. زمانی که مدیریت ریسک شما به درستی انجام شود، می‌دانید چه دارایی‌هایی دارید، تهدیدها چه هستند و حاضر به پذیرش کدام ریسک‌ها هستید. مدیریت ریسک خوب با یک تحلیل ریسک آغاز می‌شود که مشخص می‌کند کدام منافع باید محافظت شوند و فرصت‌های رشد تاب‌آوری کجا نهفته است. همچنین وابستگی‌های (فنی) به تأمین‌کنندگان و ریسک‌های مرتبط با آن‌ها نیز می‌تواند شناسایی شود.

علاوه بر این، مهم است که مدیریت ریسک در فرهنگ شرکت نهادینه شود تا به یک فعالیت جداگانه یا یک‌باره تبدیل نشود، بلکه تحلیل‌های ریسک به صورت دوره‌ای انجام شوند و مشخص باشد که چه اقداماتی، در چه زمانی، توسط چه کسی انجام می‌شود و چه کسی مالک آن ریسک است.

در اکثر حوادث سایبری، یک انسان دخیل است.

اصل دوم: رفتار ایمن را ترویج دهید

در اکثر حوادث سایبری، یک انسان دخیل است. نمونه‌های شناخته‌شده شامل ایمیل‌های فیشینگ یا رها کردن یک حافظه USB آلوده است. گاهی نیز کارمندان بدون دخالت مهاجم، به طور ناخواسته باعث نشت داده می‌شوند. بنابراین، ترویج رفتار ایمن برای رشد در تاب‌آوری دیجیتال ضروری است. این کار می‌تواند از طریق آگاه‌سازی کارکنان از ریسک‌ها و آموزش نحوه برخورد با حوادث انجام شود. راه‌حل‌های فنی می‌توانند در این زمینه کمک‌کننده باشند. به فیلترهای هرزنامه برای شناسایی فیشینگ، یا ابزارهایی برای ساختن و ذخیره امن رمزهای عبور فکر کنید.

علاوه بر این، به یک فرهنگ گزارش‌دهی امن نیز توجه کنید. شناسایی به موقع یک حادثه اغلب حیاتی است. با آسان‌تر کردن گزارش‌دهی حوادث، تشویق فعالانه کارکنان به گزارش دادن، و پاداش دادن به گزارش‌دهندگان، موانع را کاهش داده و به یک فرهنگ گزارش‌دهی امن کمک می‌کنید.

اصل سوم: از سیستم‌ها، برنامه‌ها و دستگاه‌ها محافظت کنید

نرم‌افزارها و تجهیزات کامپیوتری و شبکه‌ای اغلب با تنظیمات پیش‌فرض عرضه می‌شوند. این تنظیمات معمولاً شامل قابلیت‌هایی بیشتر از نیاز یک سازمان هستند که به طور غیرضروری فضای بیشتری برای حمله به عاملان مخرب می‌دهد.

با محدود کردن سطح حمله (Attack Surface)، این احتمال را کاهش می‌دهید. این کار را با خاموش کردن یا محدود کردن تمام قابلیت‌ها و درگاه‌های ارتباطی که برای دستیابی به اهداف تجاری ضروری نیستند، انجام می‌دهید.

علاوه بر این، به‌روزرسانی به موقع سیستم و وصله کردن (Patching) سیستم‌ها برای کاهش هرچه سریع‌تر آسیب‌پذیری‌ها اهمیت دارد. می‌توان از راه‌حل‌های نظارت و تشخیص برای واکنش به موقع به حملات و محدود کردن خسارت استفاده کرد.

اصل چهارم: دسترسی را مدیریت کنید

ریسک حوادث و سوء استفاده را با دادن دسترسی به کارمندان و شرکا فقط به سیستم‌ها و مکان‌هایی که برای انجام وظایفشان نیاز دارند، کاهش دهید. این محدودسازی دسترسی به زمان و اطلاعات، اصل حداقل امتیاز (Least Privilege) نامیده می‌شود. دسترسی باید به خوبی مدیریت شود (مدیریت هویت و دسترسی). این امر هم برای دسترسی منطقی و هم فیزیکی صدق می‌کند. دسترسی به حساب‌های خدماتی، حساب‌های ماشینی و حساب‌های عملکردی نیز باید به آنچه ضروری است محدود شود.

اصل پنجم: برای حوادث آماده شوید

تمرین و آزمایش منظم طرح‌های واکنش و بازیابی، بینشی در مورد عواقب و تاب‌آوری پس از یک حادثه فراهم می‌کند. علاوه بر این، آموزش و تمرین دوره‌ای پرسنل یک نکته قابل توجه است. آن‌ها باید با وظایفی که در فرآیندهای تیم واکنش و بازیابی دارند، آشنا شوند، رویه‌ها را درونی کرده و در اجرای کار خود تجربه عملی کسب کنند.

 
مقالات

ویدئوها و آنالیتیک ها در سال 2019

Posted on by مدیر

با به پایان رسیدن سال 2018 همه ی افراد منتظرند که ببینند چه تکنولوژی هایی تبدیل به روندهای رایج امنیتی در سال 2019 خواهند شد. تا جایی که سیستم های نظارت ویدئویی مسئله موردبحث باشند، انتظار میرود که در سال 2019 سیستم های تجزیه و تحلیل محتوای ویدئویی، سیستم های تشخیص چهره و سیستم های محاسباتی اج-محور برجسته تر از قبل خودی نشان دهند.

تجزیه و تحلیل محتوای ویدئویی

تجزیه و تحلیل محتوای ویدئویی پیشرفت زیادی داشته و از تکنولوژی های اغراق-شده ی گذشته به نوآوری هایی اساسی که باعث بهبود وضع امنیت و همچنین هوشمندی بیزنسی میشوند تغییر شکل یافته است. انتظار میرود که در سال 2019 این تکنولوژی نقش پررنگ تری را در امنیت ایفا نماید.

در حال حاضر نرم افزارهای تجزیه و تحلیل محتوای ویدئویی که هوش مصنوعی ﴿AI﴾ و تکنولوژی یادگیری عمیق را در خود جای داده اند به مراتب ارزشمندتر از بررسی های پس از وقوع رخدادها تلقی میشوند. به خاطر سرعت باورنکردنی و قابلیت های هوشمند این سیستم ها، بسیاری از افراد درحال یافتن راه هایی جدید برای استفاده از آنها هستند. به عنوان مثال، بیزینس های خرده-فروشی در حال استفاده از این تکنولوژی جهت برنامه ریزی های کنش گرایانه و استراتژیک هستند تا تجربه ی بهتری را برای مشتریان فراهم ساخته و در نتیجه باعث افزایش میزان فروش خود و وفاداری آنها شوند؛ سازمان های درمانی و بهداشتی نیز از این تکنولوژی جهت رسیدگی به مسائل عملیاتی همچون یافتن افراد غیرمجاز در مناطقی با تاسیسات محدود استفاده می نمایند؛ و قطب-های حمل و نقل از این تکنولوژی ها جهت بهبود جریان مسافران استفاده کرده و شهرداری ها به صورت کنشگرایانه برای امن تر نگاه داشتن خیابان های شهری بهره میگیرند.

علیرغم صحبت های موجود مبنی بر فقدان یک عامل پیشبینی کننده در آنالیتیک های امروزی (این سیستم ها قادر به پیش بینی اینکه فردی قصد انجام کار بدی را دارد یا خیر نیستند!)، پیشرفت های صورت گرفته درآنالیتیک ها منجر به پیشگیری بهتر از وقوع جرائم میگردد. به عنوان مثال از طریق استفاده از بیگ دیتا یا کلان داده ها، مجاری قانونی بهتر میتوانند به تجزیه و تحلیل الگوی جرائم و روندهای آنها بپردازند و بدین شکل محل وقوع رخدادهای امنیتی را پیشبینی کرده و طبق این داده ها، نیروهای خود را به کار بگیرند. استفاده از ویدئوآنالیتیک ها در بررسی ها و تحقیقات صورت گرفته پس از وقوع رخدادها به عنوان امری مهم برای یافتن مجرمین، فهم بهتر صحنه جرائم و تعیین محل افراد گم شده تلقی میگردد و این داده ها هوشمندی لازم برای پیشگیری کنشگرایانه ی جرائم را فراهم میسازند.

سیستم های تشخیص چهره

سیستم های تشخیص چهره پیشرفتی جدید تلقی میشوند. با استفاده از تکنولوژی های یادگیری عمیق و تکنولوژی هوش مصنوعی ﴿AI﴾، سیستم های تشخیص چهره قادر به صدور اجازه ی ورود به گوشی هوشمند بوده و همچنین میتوانند دوستان شما را در تصاویر منتشرشده در شبکه های مجازی تشخیص بدهند. در حالی که به سیستم های تجزیه و تحلیل محتواهای ویدئویی فکر میکنیم، سیستم های تشخیص چهره بیشتر از هر زمان دیگری در حال ایفای نقشی پررنگ هستند. در سال 2019 شاهد استفاده ی بیشتر ارگان های اجرایی قانون از آنالیتیک های ویدئویی و سیستم های تشخیص چهره خواهیم بود تا بدین شکل وقایع صورت گرفته با سرعت بیشتری حل و فصل شوند. با استفاده از این تکنولوژی ها خرده فروشان به سرعت میتوانند به تشخیص سارقین وسایل موجود در فروشگاه ها بپردازند. از آنجایی که این تکنولوژی در حجم بالا در سراسر جهان به کار گرفته شده و بیشتر از هر زمان دیگری در دسترس افراد قرار دارد، انتظار میرود که این تکنولوژی به شکل قابل توجهی در سال 2019 بکار گرفته شود.

علیرغم وجود برخی نگرانی ها یا مسائل اخلاقی حول سیستم های تشخیص چهره، این سیستم ها راه هایی مناسب برای رسیدگی به این دست از مسائل خواهند بود.

سیستم های تشخیص چهره موارد کاربرد معناداری را ارائه میکنند؛ یکی از این کاربردها تطبیق چهره ها بر اساس تصویری در یک ویدئو یا تصویری بیرون از سیستم مربوطه ﴿ به عنوان بخشی از لیست افراد تحت تعقیب یا به عنوان یک تصویر منفرد﴾ میباشد. افراد شاهد ارجاعات زیادی از نوع فیلم “گزارش اقلیت” به کارگردانی استیون اسپیلبرگ به سیستم های تشخیص چهره بوده-اند؛ محور اصلی این فیلم روی سیستمی است که بر مبنای ۳ انسان کار می‌کند و می‌تواند جرایم را پیش از وقوع پیش‌بینی کند و بدین ترتیب مأموران اجرایی پیش از وقوع جنایت جلوی آن را می‌گیرند و بدین ترتیب مدت‌هاست که دیگر جنایتی رخ نداده است. اما همین سیستم پیچیده هم ممکن است فریب بخورد. زمانی که ماشین پیش‌بینی می‌کند در زمان مشخصی یکی از مأموران اصلی پروژه دست به قتل خواهد زد، او با این پرسش مواجه می‌شود که آیا خود اراده تغییر آینده خود را دارد یا مجبور است به تقدیر تن در دهد و در این راه معمای پیچیده‌ای را باز می‌کند. حقیقت آن است که وضع تصاویر هیچ پیشرفتی نداشته، هیچگونه ارتباطی با داده های فردی وجود نداشته و هیچگونه ارتباطی بین سایر تصاویر فرد موردنظر در خارج از ویدئویی که چهره ی وی با آن تطبیق داده شده وجود ندارد. با توجه به آنچه گفته شد، به احتمال زیاد شاهد نظارت قدرتمندتر از سوی دولت ها خواهیم بود تا بدین شکل سیاست هایی برای تنظیم استفاده از این تکنولوژی ها و تعریف حقوق انتخاب برای دنبال شدن به صورت دیجیتال را تعیین کنند.

پردازش اج-محور و محاسبات ابری

در آخر، پردازش اج-محور و محاسبات ابری نقشی به مراتب پررنگتر را در افزایش سرعت بکارگیری آنالیتیک های پیشرفته محتوای ویدئویی ایفا خواهند نمود. با ادامه یافتن شهرت ویدئوها، نیاز به حفظ پهنای باند در حال ایجاد موجی از مهاجرت ابری و محاسبات اج-محور است. این امر امکان آنالیتیک های پیشرفته محتواهای ویدئویی را فراهم میسازد؛ این آنالیتیک ها داده های جمع-آوری شده از دوربین ها و دستگاه ها را مورد پردازش قرار میدهند. پیشبینی میشود که در سال 2019 مهاجرت به سوی سیستم های محاسبات ابری و پردازش اج-محور همچنان ادامه پیدا کند و در نتیجه آن شاهد بکارگیری بیشتر آنالیتیک های AI-محور محتواهای ویدئویی در بسیاری از صنایع باشیم؛ این صنایع شامل صنعت حمل و نقل، آموزش عالی، مراکز بهداشتی و درمانی، خرده فروشی-ها و بسیاری از صنایع دیگر میشوند.

برگرفته از مجله a&s و دانشنامه آزاد ویکی پدیا

مقالات

وضعیت بازار روبات های صنعتی در سال 2018 و 2019

Posted on by مدیر

سال 2018 برای کل صنعت روباتیک سالی پر از اتفاق بوده است. از تعطیلی روبات های گروه ریثینک (Rethink Robotics) گرفته تا محصولات هیجان انگیزی چون روبات های بوستون (Boston Robotics) و راه اندازی خودروهای خودرانی چون ویمو (Waymo)، این صنعت فراز و فرودهای فراوانی را تجربه کرده است.

به ویژه اینکه روبات های صنعتی شاهد نرخ بکارگیری بیشتری در طول سال گذشته بوده اند. طبق گزارش فدراسیون جهانی روباتیک (IFR﴾، تنها در سال 2017 حدود 380.550 واحد دستگاه به فروش رسیده است که این نرخ حدود 29 درصد بیشتر از نرخ سال گذشته خود بوده است. در رتبه نخست چین و به دنبال آن آمریکا و آلمان جزء برترین ها در این زمینه بوده اند. از آنجایی که باید منتظر گزارش نهایی سال 2018 ماند، انتظار میرود که این نرخ در سال 2018 افزایش یافته و شاهد رشد بیشتری باشد.

در رابطه با روندهای اصلی سال 2018، مدیر محصول روباتیک در شرکت گروه آب ب به نکاتی کلیدی اشاره نموده که به شرح زیر است :

1. حجم کمتر، تنوع بیشتر

آن روزها که تولید محصولات تنها به تولید یک محصول منفرد در حجم بالا محدود میشد گذشته است. امروزه، تاکید بیشتری روی حجم کمتر و تنوع بیشتر قرار دارد.

ادامه یافتن تغییر حرکت از تولید حجم بالایی از یک محصول به سوی تولید حجم پایین تر و با تنوع بیشتر از آن – یعنی «سفارشی سازی در حجم بالا» – به قاعده ای جدید در صنایع مختلف ﴿از صنایع خودروسازی گرفته تا صنایع الکترونیک و یا حتی صنایع غذایی﴾ تبدیل شده است. این بدان معناست که برای تطابق یافتن با گستره ی بزرگتری از محصولات و پکیج های موجود در یک خط تولید واحد و برای جابجایی وتغییر مسیر سریع بین محصولات، کارخانجات باید انعطاف پذیرتر از قبل عمل کنند. بسیاری از تولیدکنندگان درگیر این موضوع هستند و راه حل های خودکارسازی قدیمی و ثابت شده را دیگر به اندازه ی کافی انعطاف پذیر نمیبینند که بتوانند آنها را در برابر تمام این تغییرات بروز نگه دارند.

2. انعطاف پذیری بیشتر

این تغییر تمرکز و فشارهای وارده از سوی آن باعث میشود که سرمایه گذاری های بیشتری روی راهکارهای خودکارسازی روباتی که کارآمدتر و انعطاف پذیرترند و همچنین در صنایع سبکتری چون صنایع غذایی، صنایع تولید نوشیدنی ها و یا صنایع تولید وسایل الکترونیکی صورت بگیرد.

در گذشته در صنایع تولید مواد غذایی و نوشیدنی ها از روبات ها جهت خودکارسازی فرآیندهای ساده تری چون پر کردن پکیج های روی پالت استفاده میشده است. اما در حال حاضر از روبات ها جهت فرآیندهای با ارزش بالاتری استفاده میشود؛ یکی از این فرآیندها، تولید مستقیم ماده ی غذایی است. در صنایع الکترونیک که سفارشی سازی در حجم بالا صورت میگیرد، روبات ها در حال کمک به حفظ تعادل بین ضروریاتی چون انعطاف پذیری، کیفیت بالا و چرخه های زمانی سریع هستند.

3. تاثیر نیروهای کاری

سرمایه گذاری روی سیستم های خودکارسازی تحت تاثیر تغییرات صورت گرفته در نیروهای کاری قرار دارد. بسیاری از کشورهای امروزی با یک «بمب ساعتی جمعیتی» روبرو هستند – این کشورها دارای جمعیتی سالخورده اند که در حال نزدیک شدن به سن بازنشستگی هستند و این درحالی است که افراد جوان خواهان چالش هایی هستند که از لحاظ ذهنی سودمند باشند نه از لحاظ فیزیکی. بسیاری از کشورها در حال حاضر کمبود نیروهای کاری و شکاف های مهارتی را تجربه می کنند و یا در سال های پیش رو تجربه خواهند کرد.

افراد نسبت به انجام کارهای کسل کننده، کثیف، خطرناک و یا حساس تمایل کمتری دارند. بسیاری از تولیدکنندگان در حال استفاده از دستگاه های خودکار هستند تا کمبود نیروهای کاری خود را جبران کنند؛ مخصوصا برای تطابق یافتن با تقاضاهای بالا و یا در صنایعی که کارهای آن جذاب نبوده و در عین حال از میزان فروش بالایی برخوردارند. روزهای جستجو برای نیروهای کار ارزان از سراسر جهان به پایان رسیده است – تولیدکنندگان جهانی باید قادر به تولید مستمر و نزدیک به کاربران نهایی باشند.

4. تکنولوژی رو به تکامل

در آخر روبات های صنعتی نیز تحت تاثیر تقاضا برای تکنولوژی های جدید قرار دارند. به عنوان مثال حتی در صنایع جاافتاده و به شدت اتوماتیکی چون خودروسازی، سرمایه گذاری مداوم با توجه به نیاز برای یک گذار موثر از وسایل نقلیه با موتور احتراق داخلی به سوی وسایل نقلیه الکتریکی صورت میگیرد.

انجام این کار نیازمند فرآیندهای تولید جدید در حوزه های قدیمی همچون سامانه تولید و انتقال نیرو و همچنین فرآیندهای کاملا جدیدی در حوزه هایی چون اتوماسیون سوار کردن باتری است که امری بسیار پیچیده بوده و نیازمند تطابق یافتن با بسیاری از دیزاین های مختلف است. همچنین تولیدکنندگان خودروها به دنبال روبات هایی هستند که به خودکارسازی آن بخش هایی از تولید که پیشتر به صورت دستی انجام میشده اند – همچون پاکسازی نهایی و سر هم کردن اجزای خودرو – بپردازند. در گذشته این امر مستلزم اقداماتی بوده است که برای خودکارسازی بسیار دشوار بوده اند؛ این اقدامات شامل متصل کردن تمامی بخش های الکترونیکی و حساس یک خودرو میشوند.

5. آینده ی روبات های صنعتی – 2019

روبات های صنعتی بیشتر از هر زمان دیگری در حال شهرت یافتن هستند، چرا که با تداوم افزایش هزینه  های نیروهای کاری، مشتریان بیشتر از هر زمان دیگری در حال پی بردن به مزایای استفاده از روبات ها هستند. طبق گزارش های ارائه شده توسط مرکز پژوهشی آی.دی.سی (IDC﴾ انتظار میرود که در سال 2019 بودجه ی صرف شده در بخش روبات  و پهبادها، 17.6 درصد بیشتر از میزان بودجه ی صرف شده در سال 2018 باشد. علاوه بر این، تا سال 2022 نرخ رشد مرکب سالانه ای بیش از 20 درصد پیش بینی میگردد.

طبق پیش بینی گروه  آب ب که یکی از فعالان اصلی در زمینه ی روبات های صنعتی است، انتظار میرود که در سال جاری در سه زمینه اصلی تغییراتی اساسی به وقوع بپیوندد.

5.1. ساده سازی

آن روزها که روبات های صنعتی نیازمند فرآیندهای نصب و عملیاتی پیچیده بوده  اند و باید در جایگاه های جداگانه نگهداری میشده اند به پایان رسیده است. با کمک چند نوآوری جدید، ماشین ها به قدری ساده شده اند که میتوانند بدون برانگیختن مسائل امنیتی به کار در کنار انسانها بپردازند.

طبق پیش بینی گروه آب ب، ساخت روبات هایی که برای نصب، برنامه ریزی و داشتن کارایی آسانتر هستند در این سال افزایش پیدا خواهد کرد. برنامه ریزی شماتیک ﴿PbD)، استفاده از ابزارهایی چون تکنولوژی های واقعیت افزوده یا واقعیت مجازی و همچنین رابط های کاربری بهتر میان انسانها و روبات ها از جمله مثال هایی هستند که میتوان به آنها اشاره نمود. در علم کامپیوتر، برنامه ریزی شماتیک به یک تکنیک برنامه ریزی ساده برای کاربران معمولی اطلاق میشود؛ در این تکنیک با کمک نمایش شماتیک امر مربوطه، رفتارهای جدید به کامپیوتر یا روبات آموزش داده میشود تا بدین شکل به جای برنامه ریزی آنها از طریق دستورات ماشینی، این برنامه ریزی به صورت مستقیم به آنها منتقل شود. این موضوع مخصوصا در شرکت های با سایز کوچک تا متوسط از اهمیت بالایی برخوردار است؛ در این نوع شرکت ها، کمبود تجربه ی روباتی به عنوان یک مانع کلیدی برای ورود به بازار تلقی میگردد. امر ساده سازی برای تولیدکنندگان بزرگ جهانی نیز از اهمیت بالایی برخوردار است؛ تولیدکنندگانی که فارغ از منابع انسانی حاضر در محل خود، خواهان بازگشایی کارخانه جاتی با کیفیت ثابت در این محل هستند.

اهمیت چنین پیشرفتی به شدت در حال افزایش است، چرا که روز به روز تولیدکنندگان بیشتری با کمبود کارگران راغب مواجه هستند؛ به عنوان مثال در صنایعی که کارهای آن جذاب نبوده و در عین حال از میزان فروش بالایی برخوردار است، سیستم های خودکارسازی پیچیده باید عملکردی ساده پیدا کنند تا دیگر نیازی به آموزش گسترده کارگران جدید نباشد.

5.2. همکاری

علاوه بر آنچه گفته شد، صنعت روبات سازی شاهد افزایش کاربری هایی (نه فقط روبات های همکار) خواهد بود که به افراد و روبات ها اجازه میدهد تا بیشتر از قبل به تعامل با یکدیگر بپردازند؛ این تعاملات از همزیستی امن در یک فضای مشترک گرفته تا همکاری روی وظایف و کارهای مشترک متغیر است. روبات های همکار تا به حال باعث وقوع انقلابی در شیوه ی عملکرد روبات ها در کارخانه جات شده اند.

برای انعطاف پذیری بیشتر در تولید و جهت تطبیق با تولید ترکیبی در حجم بالا و پایین، همکاری امری لازم و ضروری است. افراد میتوانند قدرت بینظیر خود را برای سازگاری یافتن با تغییرات و تولید اضافه کنند، این در حالی است که روبات ها طاقت خستگی ناپذیر خود را برای انجام کارهای تکراری به این همکاری اضافه میکنند. همزیستی امن روز به روز اهمیت بالاتری پیدا میکند، چرا که تولید ترکیبی در حجم بالا یا پایین به این معناست که افراد باید در نزدیکی روبات ها و به صورت پراکنده و متناوب کار کنند؛ از این نوع همکاری میتوان به آوردن اجناس مختلف برای روبات ها، تغییر برنامه  ها و بررسی و کنترل چرخه های جدید اشاره نمود.

بسیاری از تولیدکنندگان در حال کلنجار رفتن با ایجاد تعادل بین لزوم امنیت و نیاز به کارکرد روبات ها با حداکثر سرعت هستند. یکی از مزیت های افزوده ی همزیستی انسانها/ رباتها این است که باعث جریان های تولید انعطاف پذیرتری در کارخانه جات شده که قادر به عبور از سد حصارهای امنیتی هستند. به عنوان مثال، دیگر لازم نیست که کالاها به دنبال خطوط مونتاژ دقیق و یک راست باشند – این کالاها میتوانند از طریق یک کارخانه به سمت کاربری های مختلف ایجادشده حرکت کنند-  گاهی اوقات تنها یک محوطه ی کوچک نیز کافی است.

5.3. دیجیتال سازی

در حال حاضر دستگاه های متصل به یکدیگر یک روند بزرگ واحد در بیشتر صنایع تلقی میشوند. در سال 2019 این امکان وجود دارد که در اکوسیستم تولید دیجیتال شاهد روبات های متصل به یکدیگر باشیم.

این امر باعث بهبود کارایی، بازدهی و قابلیت اطمینان در کل چرخه تولید (مهندسی، ارسال، بکارگیری و نگهداری) میشود. دیجیتال سازی باعث ایجاد همکاری بیشتر بین زنجیره ی ارزش (رشته ای از فرایندهای تجاری بهم پیوسته که در یک شرکت برای تبدیل ورودی ها به خروجی های دارای ارزش افزوده انجام می شوند) افقی (به عنوان مثال، بین تامین کننده، تولیدکننده و توزیع کننده) یا عمودی یک کارخانه (به عنوان مثال، بین برنامه نویسان تجارت الکترونیک و سیستم های سی.آر.ام، سیستم های ای.پی.آر بیزینسی، سیستم های برنامه ریزی تولید و سیستم های خودکارسازی لجستیک) میشود. هر دوی این نوع همکاری ها میتوانند باعث میشود تجربه ی مشتری بهتر شده و کارایی تولید را افزایش دهند.

به عنوان یک مثال ساده، یک تولیدکننده ی جهانی میتواند از میان هزاران روبات در جهان به عملکرد تک تک روبات ها نگاهی بیاندازد و روبات های با عملکرد ضعیف و نیازمند بروزرسانی یا خدمات دهی را شناسایی کند تا بدین شکل این روبات ها نیز همچون روبات های با سطح عملکرد عالی دیگر به تولید بپردازند. دیجیتال سازی برای تولید ترکیبی در حجم بالا و پایین بسیار حائزاهمیت است؛ به عنوان مثال میتوان به کارایی مهندسی بهتر برای جابجایی و تغییر سریع بین محصولات یا افتتاح سریعتر خط جدید محصولات اشاره کرد.

برگرفته از مجله a&s

مقالات

چهره ی تکنولوژی ویدئویی در سال 2019

Posted on by مدیر

تنها در طول چند دهه، صنعت نظارت ویدئویی شاهد تغییراتی اساسی در زمینه تکنولوژی بوده است؛ گذار از دوربین های آنالوگ و سیستم های مداربسته به سوی سیستم های دیجیتال و تکنولوژی های ویدئویی IP که قدرت هوش مصنوعی ﴿AI﴾ را تحت کنترل خود در آورده اند.

بدون شک صنعت تولید سیستم های مدیریت ویدئویی VMS صنعتی رو به رشد است که طبق پیش بینی های صورت گرفته انتظار میرود تا سال 2019 ارزش این صنعت به 5.0$ میلیارد دلار در منطقه آسیا-اقیانوسیه برسد.

هر چه دوربین ها و سنسورها پیشرفته تر شده و تکنولوژی های نوظهوری چون اینترنت اشیاء ﴿IoT﴾ در حجم گسترده تری با سیستم های مدیریت ویدئویی تلفیق میشوند، انتظار میرود که تکنولوژی های مربوط به سیستم های ویدئویی به یک اندازه روی بیزینس ها و بازارها تاثیر بگذارند.

بنابراین در سال پیش رو از صنعت تکنولوژی ویدئویی چه انتظاری باید داشت؟ در این مقاله سه روندی که همچنان باعث تغییر زاویه دید و رویکرد ما در سال 2019 و پس از آن میشود مورد بحث و بررسی قرار خواهد گرفت.

هوش مصنوعی :عامل استمرار تغییر در بازار نظارت ویدئویی

هوش مصنوعی همچنان به بهبود وضعیت دوربین های نظارتی کمک خواهد نمود – این تکنولوژی دوربین ها را مجهز به مغزهایی دیجیتال میسازد که با چشمان آنها هماهنگ بوده و سیستم ها را قادر میسازد تا ویدئوهای زنده و ضبط شده را در حجم های بالاتر آنالیز کنند.

در گذشته از دوربین ها به عنوان اجسامی منفعل و مجهول یاد میشد، اما با کمک تحلیل رفتاری و بینش های پیشگیرانه همان دوربین ها حال به سرمایه هایی فعال و ارزشمند تبدیل شده اند. به عنوان مثال در شهرهایی چون سنگاپور و گویانگ کره، سیستم-های مجهز به تکنولوژی ویدئوی هوشمند در حال بکار گرفته شدن در مراکز فرماندهی و مراکز نظارتی هستند تا با کارایی و کارآمدی بیشتری به مبارزه با جرائم پرداخته شود.

در شهر سنگاپور، با کمک آگاهی نسبت به شبکه های عظیمی از دوربین های نظارتی موجود در جزیره های این کشور، تکنولوژی تشخیص چهره در حال مورد آزمایش قرار گرفتن است. سیستم ویدئویی مجهز به هوش مصنوعی قادر به تشخیص چهره ی افراد در یک محیط شلوغ و همچنین جدا کردن افراد موردنظر در لیست پیگیری نیروهای پلیس میباشد.

در شهر گویانگ نیز بکارگیری و مدیریت یکپارچه  و 24 ساعته سیستم های نظارتی-امنیتی به کمک سیستم های مجهز به هوش مصنوعی امکان پذیر شده است؛ این سیستم ها با استفاده از آنالیتیک های ویدئویی به انجام این دست کارهای دشوار میپردازند و به هر یک از کارکنان اجازه میدهند تا به بازبینی همزمان حدود 100 دوربین  پرداخته و به حفظ منابع ارزشمند شهری کمک کنند.

با پیشرفت صنعت نظارت، تکنولوژی ویدئویی مجهز به هوش مصنوعی تاثیر به مراتب بیشتر و عمیقتری روی صنعت نظارت ویدئویی میگذارد. طبق تخمین های صورت گرفته، تا سال 2020 حدود 1 میلیارد دوربین ویدئویی متصل به پلتفرم های  هوش مصنوعی وجود خواهد داشت و در سال 2019 این روند به صورت گسترده شروع به قدرت گرفتن خواهد نمود.

تکنولوژی ویدئویی: یک باید در استراتژی آی.تی هر شرکت

در شرکت های مدرن امروزی، پیشگامان بیزینسی و تصمیم گیرندگان کلیدی علاوه بر اهمیت قائل شدن برای ایمنی و امنیت سرمایه های کمپانی ها، روی آگاهی بهتر نسبت به فرآیندها و محیط های بیزینسی تاکید میکنند. دقیقا اینجاست که تکنولوژی ویدئویی هوشمند قادر به بهبود عملکرد بیزینسی و کاستن هزینه های عملیاتی خواهد بود.

بخش خرده فروشی نمونه ای از صنعتی است که به صورت کامل آماده ی استفاده از مزیت های تکنولوژی ویدئویی پیشرفته میباشد.

این صنعت راه زیادی را از گذشته تا به کنون آمده است؛ درگذشته به دوربین های ویدئویی تنها به عنوان سرمایه های ایمنی و امنیتی نگاه میشده است. در واقع خرده فروشان امروزی از گستره ی عظیمی از ابزارآلات و قابلیت های قدرتمند برخوردار هستند؛ اینترنت اشیاء (IoT) و سیستم های آنالیتیک ویدئویی از جمله این ابزارآلات و قابلیت ها هستند که به خرده فروشان اجازه میدهند تا آگاهی بیشتری نسبت به رفتار مشتریان خود و مسیر حرکت آنها در داخل مغازه کسب کنند.

به عنوان مثال، ویدئوی هوشمند قادر به تشخیص ورود یک فرد به فروشگاه و دنباله روی حرکات او در داخل فروشگاه میباشد. این کار باعث شکل گرفتن نقشه ای حرارتی میشود که به خرده فروشان اجازه میدهد تا متوجه شوند که هر یک از افراد به چه مدتی به یک ویترین نگاه کرده اند، قسمت های موردپسند فروشگاه کجا هستند و اینکه خریداران کدام قسمت ها را نادیده گرفته اند. این موضوع به خرده فروشان کمک میکند تا متوجه شوند چه کسی محصولات را بهتر معرفی و ارائه کرده و به صورت کارآمدتری شروع به انجام کارهای فروشگاه میکند و همچنین اینکه چه کسی روی کمپین های بازاریابی تاثیر بیشتری میگذارد.

همچنین ویدئوها قادر به تشخیص صف افراد هستند، بدین شکل خرده فروشان میتوانند زمان های بخصوصی که به پرسنل بیشتری نیاز است را متوجه شوند و در زمان هایی که به صورت غیرمنتظره سر پرسنل با تعداد زیاد مشتریان شلوغ میشود به پرسنل خود نسبت به باز کردن یک گیشه ی جدید آموزش دهند. همه ی این موارد به خرده فروشان کمک میکند تا از منابع انسانی خود به صورت بهینه استفاده کنند.

برای خرده فروشان، چنین استراتژی داده-محوری باعث کاهش هزینه های مربوط به نگهداری از مشتریان و زمان لازم برای ایجاد پروفایل های کاربران میشود. از سوی دیگر با کمک این استراتژی، مشتریان مزایای مضاعفی از لحاظ خدمات و محصولات بهتر دریافت میکنند.

ویدئو و اینترنت اشیاء نیروهای متصل به یکدیگری که از طریق نوآوری های تکنولوژی باعث تغییر بیزینس ها میشوند.

با افزایش تعداد دستگاه های متصل به یکدیگر از طریق تکنولوژی IoT و فوران کل داده های تولید شده، آنالیتیک های ویدئویی باعث افزایش سرعت خودکارسازی حجم بالای داده های غیرساختارمند میشوند؛ بدین شکل بینش و دانشی ایجاد میگردد که به کمک آن میتوان کاری انجام داد و ارزش های بیزینسی را قفل گشایی نمود.

طبق پیش بینی گارتنر، تا سال 2020 به جای آنالیز محتواهای (ویدئویی/تصویری) شرکتی توسط انسانها، حدود 99 درصد از این محتواها توسط ماشین ها آنالیز میگردند، بیشتر از 30 درصد در سال 2018. این پیش بینی با کمک جمع آوری پیشرفته داده ها و اتوماسیون سیستم ها، سرویس و نرم افزارها به واقعیت تبدیل خواهد شد، چرا که این کارها همچنان باعث افزایش میزان ویدئوها و نوآوری های آنالیتیکی ویدئویی میشوند.

به عنوان مثال در هارتفورد، ایالت کانکتیکات آمریکا، مجریان قانون این منطقه با بکارگیری تکنولوژی ویدئویی توانستند یک مرکز مواد مخدر را با کمک حجم بالای ترافیک مشکوک اطراف آن خانه شناسایی کنند. کارگاهان مربوطه، به جای بکارگیری تعداد زیادی از منابع خود برای تحت نظر گرفتن محل موردنظر در خودروها و یا در پشت بام ها توانستند در کمتر از یک دقیقه شواهد کافی را برای حمله به خانه موردنظر به دست آورند و بدین شکل حدود 32 ساعت کاری در انجام این ماموریت صرفه-جویی کنند.

آینده ی ویدئوها

پیشرفت های صورت گرفته در صنعت نظارت ویدئویی، ارگان های مختلف را بر آن داشته است که روی رویکرد خود نسبت به سیستم های ویدئویی تجدیدنظر کنند. از امن نگه داشتن شهرهای هوشمند گرفته تا بهینه سازی فروشگاه های خرده فروشی، آینده-ی ویدئوها امیدوارکننده به نظر میرسد. هنگامی که بیزینس ها شروع به دیدن موارد کاربرد بخصوص و عملی سیستم های نظارت ویدئویی میکنند، شاهد بکارگیری وسیع ویدئوهایی فراتر از امنیت در صنایع مختلف خواهیم بود.

منبع: مجله a&s

مقالات

50 شرکت امنیتی برتر: تکنولوژی غیرقابل انکار – AI

Posted on by مدیر

اگر قرار باشد که یک روند امنیتی بزرگ را در طول 12 ماه گذشته معرفی کرد، میتوان از موتورهای آنالیتیکی پیشرفته ای نام برد که اغلب به عنوان هوش مصنوعی یا AI از آنها یاد میشود. در این مقاله نحوه ی کمک این آنالیتیک­ ها به ارتقاء وضع امنیت و دلیل مخالفت برخی از فعالین این صنعت با این اصطلاح «AI» مورد بحث و بررسی قرار خواهد گرفت.

در مقایسه با آنالیتیک­ های اغراق­ شده در گذشته که وعده هایی بیش از توان اجرایی خود میداده اند، موتورهای آنالیتیکی امروزی به سطح مشخصی از تکامل رسیده و در زمینه­ هایی چون تشخیص اشیاء، جستجوی هوشمند و سایر کاربردها سودمند واقع شده­ اند. فاکتورهایی چون قدرت محاسباتی بالاتر، الگوریتم های پیشرفته ­تر، دسترسی وسیعتر به داده­ هایی که بتوان با کمک آنها به آموزش سیستم­ ها پرداخت و میزان آگاهی شما از تقاضای یک بازار، همگی به امکان پذیر شدن قابلیت­ های امروزی موتورهای آنالیتیکی کمک نموده­ اند.

نتیجه نهایی، راهکارهایی است که به کاربران کمک میکنند تا کارایی و آگاهی موقعیتی بیشتری به دست آورند. بکارگیری هوش مصنوعی AI در کنار تکنولوژی و نرم­ افزار آنالیتیک ویدئویی به شکل قابل توجهی باعث رشد بازار شده است و تا حد زیادی در حال کمک به روبه ترقی نگه داشتن چشم اندازهای رشد بازار میباشد. از آنجایی که این تکنولوژی باعث ایجاد دسترسی کارآمدتر و آسوده ­تر به تصاویر و ویدئوها شده و در نتیجه اتخاذ تصمیمات و تشخیص تهدیدها را با کارایی بیشتری بهبود بخشیده، استفاده از آن در حال افزایش است. بکارگیری تکنولوژی AI در سیستم­های امنیتی برای ارائه راهکارهای امنیت پیرامونی هوشمند بسیار موثر هستند؛ این راهکارهای امنیتی که تماما به صورت خودکار عمل میکنند، با کمک هوش مصنوعی مزاحمین را شناسایی کرده و بر اساس دستورالعمل های داده شده به سیستم به هنگام تجزیه ­و­تحلیل شرایط در محل رخداد به اتخاذ اقدامات مقتضی میپردازند.

به قطع میتوان گفت که تکنولوژی هوش مصنوعی (AI﴾ قویتر از هر زمان دیگری در حال به قبضه در آوردن بازار امنیت است، آن هم بدین خاطر که سیستم­­های نصب شده در حال بزرگ و بزرگتر شدن بوده و در مقایسه با گذشته تعداد سنسورها و دوربین­های بیشتری در حال بکار گرفته شدن هستند. از این رو، آگاهی یافتن از تمامی اطلاعات ورودی برای انسانها امکان ­ناپذیر خواهد بود. بنابراین برای گرفتن حداکثر نتیجه از نصب سیستم امنیتی خود، باید از هوش مصنوعی استفاده کنید تا بتوانید به نحو احسن از سیستم امنیتی نصب شده جهت بیرون کشیدن و تفسیر اطلاعات استفاده ببرید.

حقیقت این است که در مقایسه با گذشته، امروزه تعداد دوربین­ها و ویدئوهای ضبط شده ی بیشتری وجود دارد؛ این بدین معناست که اپراتورهای امنیتی باید با سرعتی مشابه این پیشرفت­ ها حرکت کرده و با چنین  چالشی دست و پنجه نرم کنند. ­موضوع حائزاهمیت دیگر این است که افراد محدوده توجه کوتاهی دارند. با این حال، هوش مصنوعی (AI) تکنولوژی است که میتواند به غلبه بر این چالش کمک کند؛ هوش مصنوعی در مقایسه با انسانها خستگی ناپذیر بوده و قادر به پردازش تعداد داده ­های ویدئویی بیشتری است. نقش هوش مصنوعی در امنیت دگرگون کننده است. نرم ­افزارهای مدیریت ویدئویی که با هوش مصنوعی کار میکنند به اپراتورهای امنیتی کمک میکنند تا کارآمدتر و موثرتر در کار خود عملکرد داشته باشند.

با از میان رفتن نیاز به مشاهده ­ی مداوم صفحه نمایش ویدئوها و خودکارسازی عملکرد «تشخیص» در نظارت، تکنولوژی AI به اپراتورها اجازه میدهد تا روی چیزی که خوب انجام میدهند متمرکز شوند: تایید و صورت دادن اقدامات لازم در صورت وقوع رخدادهای مهم. این کار علاوه بر سرعت بخشیدن به مراحل انجام تحقیقات قانونی، امکان عکس­ العمل نشان دادن به اتفاقات رخ داده را نیز فراهم میسازد.

یکی از نمونه کاربردهای مفید تکنولوژی AI مربوط به جستجوی هوشمند است؛ در این کاربرد، کاربر مربوطه میتواند به جای تماشای ساعت­ها ویدئوی نظارتی ضبط شده، با وارد کردن سوالات مربوط به ویدئوی مورد جستجو، به سرعت ویدئوی موردنظر را دریافت کند.

این آنالیتیک­ها کاربردی بسیار فراتر از جستجوی هوشمند را دارا هستند. به عنوان مثال، با کمک هوش مصنوعی کار تشخیص چهره را میتوان بسیار کارآمد و دقیق انجام داد، چرا که چهره­ ی هر فرد با چهره­ های موجود در پایگاه داده تطابق داده میشود، حتی اگر فرد موردنظر روی صورت خود ماسک کشیده و یا با لباس مبدل جلوی دوربین ظاهر شده باشد.

هوش مصنوعی/یادگیری عمیق نویدبخش بهبود چشمگیر عملکرد کاربردهای فعلی آن و معرفی ویژگی­های پیشرفته جدیدی است که پیشتر امکان­ پذیر نبوده است. فرقی نمیکند که چالش موردنظر تشخیص ویدئویی یک چهره ­ی مبدل در ازدحام باشد و یا بیرون کشیدن صدای فردی حاضر در یک تخلف امنیتی از میان نویزهای محیطی اطراف آن، هوش مصنوعی وعده­ ی عملکرد بهتر و آینده­ ای هیجان­ انگیزتر از‌ آن را میدهد.

مخالفت با اصطلاح «AI»

برخی از فروشندگان و مشاورینی که با آنها صحبت میشود، مخالف اصطلاح «AI» هستند. به نقل از این دست از افراد، تکنولوژی­ هایی که امروزه مورد استفاده قرار میگیرند در بهترین حالت از آنالیتیک­های پیشرفتهاستفاده میکنند، نه هوش مصنوعی! آنچه این تکنولوژی­ها ادعا میکنند با هوش مصنوعی فاصله بسیاری دارد. به نقل از یکی از این تحلیلگران، افراد باید مراقب استفاده­ ی خود از کلمه ­ی AIباشند، چرا که ادعاهای زیادی مبنی بر به ارمغان آوردن پیشرفت­ های بزرگ توسط AI وجود دارد. هوش مصنوعی واقعی با ما فاصله زیادی دارد و به این زودی خودروهای پرنده و یا حتی خودروهای خودران را در اختیار ما قرار نخواهد داد.

این موارد جزء «آنالیتیک­های پیشرفته» دسته بندی میشوند، نه « هوش مصنوعی»! هوش مصنوعی اصطلاحی وسیعتر بوده و شامل قابلیت­هایی فراتر از تشخیص اشیاء و طبقه بندی آنها میشود. هوش مصنوعی به این معناست که کامپیوتر کم و بیش به «فکر» میپردازد. برای آنکه کامپیوتر به فکر بپردازد، تکنولوژی­های پیچیده­ ی زیادی چون یادگیری ماشین، یادگیری تقویتی، شبکه ­های مولد تخاصمی (این شبکه ها بر اساس رویکرد تئوری بازی­ها بناگذاری شده­اند که در آن یک شبکه یادگیری عمیق که مولد نامیده میشود با یک روند تخاصمی رقابت می­کند) و یادگیری داده افزوده باید با یکدیگر ترکیب شوند.

طبق نظر این تحلیلگران، تکنولوژی امروز به یک عامل پیش­ بینی کننده نیاز دارد – به عنوان مثال، تشخیص و پیش­ بینی اینکه آیا فردی قصد انجام کاری بد را دارد، چرا که این فرد در حال نشان دادن رفتاری نامتناسب با پروفایل رفتاری خود است.

الگوریتم­ های “خود-یادگیرنده”ی زیادی در بازار موجود است. و این الگوریتم­ها مدت­ها پیش از الگوریتم­ های نویدبخش کنونی که بر اساس شبکه­ های نورونی کار میکنند، شکل گرفته و توسعه یافته ­اند. این الگوریتم ­های خود-یادگیرنده که قادر به تهیه تصاویر از اشیاء و مقایسه سرعت آنها با میانگین سرعت اشیاء حاضر در صحنه هستند، بسیار ابتدایی­ اند. به ندرت میتوان انتظار داشت که این الگوریتم ­ها بتوانند به صورت خودکار رفتار مشکوک یک فرد را شناسایی کرده و تشخیص دهند. در حال حاضر شبکه ­های نورونی قادرند که به صورت استثنایی به تشخیص هرگونه شیء ثابتی که تصور کنید بپردازند: از چهره­ های افراد گرفته تا اشیاء موجود روی اسکنر اشعه-ایکس. علاوه بر این، شبکه­ های نورونی پیچیده سه بعدی 3D وجود دارد که اخیرا پا به بازار گذاشته ­اند. این الگوریتم ­ها به افراد اجازه میدهند تا الگوی پیچیده حرکت را ارزیابی کرده و بدین شکل به طبقه ­بندی رفتار اشیاء بپردازند. اما پیش از بکارگیری کامل این تکنولوژی در سیستم­های امنیتی موجود در بازار، باید کارهای زیادی انجام شده و مسائل زیادی حل­ و­فصل شوند. به محض حل شدن این مسائل میتوان توسعه و تولید سیستم­های نظارتی بازدارنده را آغاز نمود.

به نقل از یکی از متخصصین، هوش مصنوعیقابلیت­های زیادی را برای حل مشکلات قدیمی ارائه کرده است که این قابلیت­ها شامل تشخیص چهره یا تشخیص یک فرد/وسیله نقلیه میشود. محصولات AI-محور هنوز به صورت گسترده نشان نداده­ اند که میتوانند تصمیمات پیچیده­ تری چون موارد زیر را اتخاذ کنند: «آیا این فرد در حال نشان دادن رفتاری مشکوک از خود است؟» یا اینکه «آیا این کار برای این فرد، برای این صحنه، برای این محیط طبیعی به نظر میرسد؟»

هرچند که این بدان معنا نیست که این آنالیتیک­های پیشرفته – فارغ از اینکه چه نامیده شوند – ذاتا هیچگونه ارزشی ندارند. میتوان گفت که آنالیتیک­های پیشرفته خود به تنهایی یک تکنولوژی پیچیده و قدرتمند هستند. این تکنولوژی ابعاد فوق­العاده ­ای را رو به تمامی ابعاد زندگی باز میکند. و سیستم­های نظارتی تنها بخشی از این تکنولوژی بزرگ هستند.

یادگیری ماشین و استدلال آماری موجود در برنامه­ هایی که القاکننده ­ی تصور هوشمندی هستند، باعث بهبود کارایی و عملکرد برای کاربران میشود. پیشرفت­های اخیر صورت­ گرفته در تکنیک­های یادگیری ماشین، مخصوصا در شبکه­ های نورونی عمیق در دسترس همه­ ی افراد قرار گرفته­ اند.

برگرفته از مجله a&s