آرشیو برچسب: کنترل دسترسی

حل ۳ چالش اصلی فضاهای کار اشتراکی با کنترل دسترسی ابری

 فضاهای کار اشتراکی در حال رونق چشمگیری هستند. از سال ۲۰۱۸، تعداد اعضای این فضاها در سراسر جهان پنج برابر شده است، زیرا شرکت‌ها و فریلنسرها به دنبال دسترسی منعطف به میزهای کار، اتاق‌های جلسه، امکانات رفاهی و جامعه کاری، به فضاهای مشترک روی آورده‌اند. اما با رشد این فضاها، اپراتورها با چالش‌های پایداری روبرو می‌شوند که می‌تواند به‌آرامی رشد، سودآوری و رضایت اعضا را از بین ببرد.

 

در Suprema، ما به تأمین امنیت صدها فضای کار اشتراکی در آسیا، استرالیا و فراتر از آن کمک می‌کنیم. از طریق همکاری نزدیک با اپراتورهای این فضاها، سه چالش مشترک به طور مداوم شناسایی شده‌اند:

 
  1.  سواران رایگان (Free Riders): استفاده غیرمجاز از امکانات، چه توسط افرادی که بدون ثبت‌نام وارد می‌شوند و چه مهمانانی که بیش از زمان مجاز می‌مانند، می‌تواند منابع را هدر داده و مستقیماً بر درآمد تأثیر بگذارد.
     
  2.  انطباق با تغییر چیدمان: با تغییر تقاضا به سمت دفاتر خصوصی بیشتر و میزهای اشتراکی کمتر، بسیاری از اپراتورها برای تطبیق با این شرایط دچار مشکل می‌شوند. سیستم‌های دسترسی قدیمی، تغییر چیدمان را پرهزینه و پیچیده می‌کنند.
     
  3.  عملیات جزیره‌ای (Siloed Operation): راه‌حل‌های کنترل دسترسی سنتی نیازمند مدیریت جداگانه در هر سایت و سیستم هستند که این امر مدیریت را پیچیده کرده، زمان کارکنان را هدر می‌دهد و باعث نارضایتی اعضا می‌شود.
     

 

BioStar Air: ساخته شده برای فضاهای کار اشتراکی مدرن

 

BioStar Air، راه‌حل کنترل دسترسی مبتنی بر ابر Suprema، از ابتدا برای کمک به فضاهای کار اشتراکی طراحی شده تا امن، منعطف و مقیاس‌پذیر باقی بمانند. در ادامه نحوه مقابله این سیستم با سه چالش اصلی توضیح داده می‌شود:

 

۱. مدیریت سواران رایگان ضمن حفظ محیطی پذیرا

BioStar Air خواننده‌های بیومتریک و اعتبارسنجی موبایلی Suprema را مستقیماً به ابر متصل می‌کند. اعضا می‌توانند از چهره یا تلفن همراه خود به عنوان کلید استفاده کنند و نیاز به کارت‌های فیزیکی را از بین ببرند. دسترسی مهمانان از طریق کدهای QR پویا یا LinkPass مدیریت می‌شود که درب‌ها را مستقیماً از مرورگر تلفن باز می‌کند. اپراتورها می‌توانند تنها با چند کلیک، قوانین دسترسی مبتنی بر زمان را برای میزها، دفاتر یا اتاق‌های قابل استفاده با پرداخت هزینه (pay-per-use) اعمال کنند و اطمینان حاصل کنند که فقط کاربران مجاز وارد فضا می‌شوند، بدون اینکه تجربه اعضا یا بازدیدکنندگان قانونی به خطر بیفتد.

 

۲. مقیاس‌پذیری داخلی برای تغییرات چیدمان

چیدمان فضاهای کار اشتراکی باید به سرعت تکامل یابد. اما اکثر سیستم‌های کنترل دسترسی به کنترلرهای درب متمرکز با محدودیت‌های سخت‌افزاری متکی هستند که هرگونه توسعه را به یک پروژه فنی تبدیل می‌کند.

 

BioStar Air این محدودیت‌ها را حذف می‌کند. هر خواننده به طور مستقل در شبکه عمل می‌کند و نیازی به کنترلرهای سنتی ندارد. افزودن یک نقطه دسترسی جدید به سادگی اتصال یک خواننده و تخصیص مجوزهاست. چه در یک سایت و چه در ۱۰۰ شعبه در سراسر جهان، BioStar Air با سرعت شما سازگار می‌شود. این انعطاف‌پذیری زمان از کار افتادگی را به حداقل می‌رساند، هزینه‌های نصب را کاهش می‌دهد و از پیکربندی مجدد سریع با تغییر نیازهای کسب‌وکار پشتیبانی می‌کند.

 

۳. مدیریت ساده و یکپارچه، در هر کجا

اپراتورها می‌توانند کاربران، درب‌ها و مکان‌ها را از طریق یک رابط وب واحد و کاربرپسند مدیریت کنند که از هر دستگاهی در هر کجای دنیا قابل دسترسی است. شما می‌توانید درب‌ها را باز کنید، دسترسی‌ها را تخصیص یا لغو کنید و فعالیت‌ها را از راه دور از طریق لپ‌تاپ یا تلفن همراه خود نظارت کنید. با API و SDK باز BioStar Air، این پلتفرم به طور یکپارچه با ابزارهای مدیریت فضای کار اشتراکی، CRM، پلتفرم‌های رزرو اتاق و سیستم‌های صورتحساب ادغام می‌شود. این امر عملیات را ساده کرده و تضمین می‌کند که کنترل دسترسی به طور هماهنگ با سایر سیستم‌های تجاری کار می‌کند، چه یک فضا را اداره کنید و چه شبکه‌ای در سراسر قاره‌ها را مدیریت نمایید.

 

 

بنیانی برای آینده کار

 

برندهای پیشرو در زمینه فضای کار اشتراکی مانند FastFive و iCo Creative در حال حاضر از BioStar Air برای بهینه‌سازی عملیات و رشد با اطمینان استفاده می‌کنند. هر دو این پلتفرم را با استفاده از API ابری باز BioStar Air در سیستم‌های موجود خود ادغام کرده‌اند که امکان کنترل دسترسی آنی، پذیرش خودکار اعضا و مدیریت یکپارچه اعتبارسنجی در چندین مکان را فراهم کرده است.

 

سرجیو دکایرس، مالک iCo Creative در میتلند استرالیا، می‌گوید: «ما فضا را تمام کرده بودیم اما کنترل دسترسی نداشتیم، بنابراین نمی‌توانستم فضا را باز کنم. سیستم‌های مختلفی را بررسی کردیم، اما یا به اندازه کافی امن نبودند یا به سرورهای داخلی نیاز داشتند. Suprema کمک بزرگی کرد زیرا همه چیز مبتنی بر ابر است. همچنین، ادغام دوربین‌های مداربسته با کنترل دسترسی، دید و مسئولیت‌پذیری بیشتری را در مورد اینکه چه کسی از درها وارد و خارج می‌شود، فراهم کرد».

 

همانطور که فضاهای کار اشتراکی به رشد و تکامل خود ادامه می‌دهند، پلتفرم‌های منعطف و مبتنی بر ابر مانند BioStar Air دیگر فقط یک راحتی نیستند، بلکه یک مزیت رقابتی محسوب می‌شوند. برای اپراتورهایی که به دنبال امنیت بهتر، مقیاس‌پذیری هوشمندتر و بازگشت سرمایه قوی‌تر هستند، BioStar Air یک بنیاد قدرتمند برای آینده کار است.

 

50 شرکت امنیتی برتر: روندهای تکنولوژی 2019

با به پایان رسیدن سال 2018، بسیاری از افراد به دنبال آن هستند که ببینند کدام یک از تکنولوژی­های امنیتی در سال 2019 رایج خواهند بود. 50 شرکت امنیتی برتر در سال 2018، برخی از این تکنولوژیها را معرفی نموده­ اند که خلاصه ­ای از آنها در ادامه این مقاله آورده شده است.

1. امنیت سایبری

از لحاظ تکنولوژیک، امنیت سایبری همچنان به عنوان موضوعی داغ در سال 2019 مطرح خواهند ماند. در واقع طبق طبقه­ بندی ارائه شده توسط انجمن صنعت امنیتی آمریکا ((SIA، امنیت سایبری نخستین رتبه را از میان 10 روند عظیم امنیتی از آن خود نموده است؛ انتظار میرود که این 10 روند عظیم امنیتی، صنعت امنیت را در سال 2019 شکل دهند. از میان تهدیدات سایبری موجود در مورد دستگاه ­های امنیتی که روز به روز بیشتر از پیش به سوی سیستم­ های تحت شبکه مهاجرت میکنند، فروشندگان این نوع سیستم ­ها باید ثابت کنند که راهکار­های آنها در مقابل حملات و هک­های صورت گرفته مقاوم هستند. در سال 2019، امنیت سایبری همچنان به عنوان موضوعی مهم مطرح خواهد بود و اقدامات مربوط به مقاوم­سازی در برابر حملات سایبری همچنان به عنوان وجهی کلیدی در توسعه محصولات باقی خواهند ماند.

2. هوش مصنوعی/ یادگیری عمیق

لازم به گفتن نیست که هوش مصنوعی و آنالیتیک­های پیشرفته همچنان در زمینه صنعت امنیت حکمرانی خواهند نمود. هوش مصنوعی/ یادگیری ماشین/ یادگیری عمیق، یک روند تکنولوژی مداوم خواهد بود که قادر به بهبود بخشیدن قابل ­توجه عملکرد و قابلیت­های سیستم­ های امنیتی است.

3. محافظت از حریم شخصی

با این حال با مطرح­ شدن تکنولوژی هوش مصنوعی، چگونگی استفاده و محافظت از داده ­ها به مسئله ­ای اساسی تبدیل خواهد شد. البته باید گفت که بحث­ های زیادی حول هوش مصنوعی و یادگیری عمیق در این صنعت وجود دارد. علاوه بر این انتظار میرود که تاکید زیادی روی بحث حریم شخصی و شخصی­ سازی صورت بگیرد. دغدغه­ های موجود حول رویکرد یک شرکت نسبت به مسئله حریم شخصی و استفاده از داده ­های شخصی، یکی از تاثیرگذارترین جنبه ­های پیشرفت یک بیزینس خواهد بود.

4. محاسبات اج محور

در ارتباط نزدیک با تکنولوژی هوش مصنوعی/ یادگیری عمیق میتوان به محاسبات اج-محور اشاره نمود که به زودی برای انجام الگوریتم ­های پیچیده، قدرتمندتر خواهد شد؛ علاوه بر این، برای فهم تمامی داده­ های جمع آوری شده، محاسبات ابری به کار گرفته خواهند شد.

همچنین منابع پیشرفته ای برای محاسبات اج-محور موجود خواهد بود که باعث هوشمندتر شدن دستگاه­ های اج محور، پذیرش بیشتر راهکارهای ابر-محور در صنعت و استفاده هوشمندتر از تکنولوژی ­های ابری برای تجزیه ­و­تحلیل عمیق­تر رخدادها خواهد شد.

5. اعتبارسنجی موبایلی

در زمینه کنترل دسترسی، سیستم های کنترل دسترسی بیسیم و سیستم­های اعتبارسنجی موبایلی پذیرش بیشتری را در بازار به دست خواهد آورد. در مقایسه با استفاده از کارت­های پلاستیکی، اعتبارسنجی از طریق گوشی­های هوشمند با استقبال زیادی مواجه شده است.

برگرفته از: مجله a&s

چگونه یادگیری عمیق، شهرها را به جایی امنتر تبدیل میکند؟

سیستم های ویدئویی تبدیل به پایه ای مهم در امر ایمنی و امنیت شهرها شده اند، اما در حال حاضر این سیستم ها در حال تولید ویدئوهایی به مراتب بیشتر از آنچه شهرها قادر به استفاده از آن باشند هستند. از گذشته تا کنون یافتن کارکنانی که به بازبینی ویدئوهای ضبط شده و جستجو در آرشیوها بپردازند به عنوان چالشی همیشگی مطرح بوده است. با بکارگیری تعداد بیشتری از دوربین ها، این مشکل نیز در حال بزرگ تر شدن است.

به نقل از سین لین، مدیر فروش شرکت ژئوویژن: «این امکان وجود دارد که برای سفارشی سازی یک الگوریتم هوش مصنوعی (AI﴾ برای یک کاربری جدید و یا برای یک محل جدید، بین چهار تا شش ماه زمان برای یک تیم تحقیق و توسعه لازم باشد». «و ممکن است که نتایج به دست آمده ناامیدکننده و به همراه تعداد آلارم های خطا یا سایر خطاهای دیگر باشد». وی اینگونه ادامه داد که «چیزی که شهرها بدان احتیاج دارند، یافتن راهی آسانتر برای اپراتورهاست که به وسیله آن بتوانند به تعیین آنچه که در یک ویدئوی مهم به دنبال آن هستند بپردازند».

ظهور راهکارهای یادگیری عمیق به شکل قابل توجهی در حال ارتقاء بینایی رایانه ای و آنالیتیک های ویدئویی است. امروزه این سیستم ها به مراتب قدرتمندتر و آسانتر برای بکارگیری بوده و بیشتر از قبل در دسترس افراد قرار دارند.

با تکنولوژی یادگیری عمیق، مدل های مختلف را میتوان با توجه به ویژگی های محیطی که دوربین ها در آن نصب شده اند آموزش داد. الگوریتم ها اساسا برای هر کدام از شرایط موجود سفارشی سازی شده اند، بدون آنکه نیازی به بازنویسی باشد.

نمیتوان گفت که حجم بالای داده ها یک عامل بازدارنده است، چرا که این داده ها به عنوان یک کمک تلقی میشوند. یادگیری عمیق میتواند به صورت مداوم به تزریق داده هایی بپردازد که باعث تطبیق سیستم شما با شرایط و الزامات جدید میشود.

تغییر بازی با ورودی یادگیری عمیق

با کمک یادگیری عمیق، تکنیک های بینایی رایانه ای همچون تشخیص چهره یا تشخیص حرکت بسیار پیچیده تر شده اند و امر نظارت و سایر کارکردهای ویدئویی را دچار دگرگونی نموده اند.

در یک محیط کنترل شده الگوریتم های قدیمی عملکرد خوبی از خود نشان میدهند، اما این نوع الگوریتم ها معمولا برای برخی از موارد استفاده ی خاص نوشته و طراحی شده اند. به عنوان مثال، تشخیص شیء یا فردی که در حال عبور از یک خط مجازی از پیش تعریف شده اساسا به عنوان یک الگوریتم ساده ی بله یا خیر تلقی میگردد. زمانی استفاده ازاین الگوریتم ها چالش برانگیز میشود که در سناریوهای به مراتب پیچیده تری مورد استفاده قرار بگیرند.

لین با ذکر مثالی این موضوع را اینگونه توضیح داد که: «زمانی که یک الگوریتم قدیمی را در مکان دوربین های مختلف بکار میگیرد – امکان دارد که برخی از این دوربین ها در پارک و برخی دیگر در خیابان قرار داشته باشند – این محیط ها در ویدئوهای ضبط شده به صورت متفاوتی دیده و ظاهر میشوند. الگوریتم های قدیمی از پس تشخیص چنین ظرافت هایی بر نمی آیند».

«از آنجایی که در یک خیابان شلوغ افراد به صورت مداوم در حال حرکت هستند، این امکان وجود دارد که سیستم های تشخیص حرکت یا آلارم های ورود غیرمجاز دچار آلارم های خطای زیادی شوند».

سناریوی معمول دیگر مربوط به تشخیص چهره در مکانی میشود که پلیس در آن فردی موردتعقیب را شناسایی نموده است. «با کمک یادگیری عمیق میتوان چهره ی این فرد را تنها با یک عکس یا ویدئو در پایگاه داده ثبت کرد. پس از آن، نرم افزار ما به صورت خودکار در تمامی ویدئوهای نظارتی ضبط شده در طول یک یا دو ماه گذشته به جستجو میپردازد و به صورت خودکار فرد موردنظر را برای مامورین پیدا میکند».

بنا بر پیشبینی لین، به زودی این کار با داشتن تنها یک طرح اولیه به جای عکس امکان پذیر خواهد شد. شاید دادن یک طرح اولیه به پایگاه داده باعث پایین آوردن دقت تشخیص شود، این درحالی است که با استفاده از الگوریتم های قدیمی این کار به هیچ وجه امکان پذیر نیست.

این دقیقا جایی است که راهکار مدیریت ویدئوی هوشمند ژئوویژن (GV-VMS﴾ مطرح میشود و این مدل هوش مصنوعی ﴿AI﴾ را یک گام جلوتر برده و امکان آنالیز پیچیده و شدیدتری را فراهم میسازد. الگوریتم هاییادگیری عمیق را میتوان متناسب با شرایط گوناگون آموزش داد:

شمارش افراد یا اشیاء در حال حرکت در دو مسیر مختلف

شناسایی و تشخیص چهره ی افراد برای کاربردهای مختلف

پوشاندن چهره افراد به هنگام تشخیص آنها در ویدئو، به خاطر حفظ حریم شخصی

«مه زدایی» ویدئوهای ضبط شده در شرایط مه گرفته برای مشاهده ی تصاویر به صورت واضح

وصل کردن و چسباندن ویدئوهای ضبط شده از دوربین های مختلف در یک نمای پانورامای واحد

متعادل سازی ویدئو در یک محیط پر از لرزش

شمارش افراد در مکان های با محدودیت کد اشغال (نوعی طبقه بندی ساختمان ها)

از میان بردن اعوجاج های ایجاد شده توسط لنزهای با زاویه دید گسترده

جستجوی هوشمند برای یک رخداد در یک منطقه پر از حرکت

یک راهکار جامع و کامل

قابلیت یادگیری عمیق منحصربفرد ژئوویژن، یک سیستم جامع و کامل است که از دوربین ها، سرورهای ضبط و یک مرکز کنترل ویدئو تشکیل شده است. این عملکرد باعث میشود که دوربین های ژئوویژن و دوربین های ساخت سایر شرکت ها از طریق یک پروتکل استاندارد، همانطور که در شکل 1 ترسیم شده، به یکدیگر متصل شوند. این کار با کمک پردازنده های اینتل امکان پذیر شده است که کارایی پردازش ویدئو و قابلیت های یادگیری عمیق را افزایش میدهند.

طبق ساختار Intel® x86، دستگاه GV-VMS به صورت کامل از پردازنده ی Intel® Core™ بهره میگیرد. با بکارگیری Intel® OpenVINO™ toolkit، عملکرد آنالیتیک های ویدئویی بین 8 تا 10 برابر افزایش پیدا میکند. با این کار، بدون نیاز به چیزهای دیگر، فضای به مراتب بیشتری برای پردازش ویدئوها به صورت همزمان فراهم میگردد.

دوربین های ژئوویژن قادر به یادگیری عمیق روی شبکه هستند. این دوربین ها میتوانند به جای ارسال تمام ویدئوهای ضبط شده به یک ایستگاه مرکزی، به محض تشخیص هر چیز به اعلام و ارسال هشدار بپردازند و پیش از ترتیب اثر دادن هرگونه اقدامی، میزان تاخیر صورت گرفته را پایین آورند.

بیشتر شهرها دارای سیستم های ویدئویی هستند که دوربین ها، درگاه ها و نرم افزارهایی را از قبل در خود دارند. اینترفیس های برنامه ریزی اپلیکیشن ژئوویژن (APIs) و یک کیت توسعه دهنده ی نرم افزار (SDK﴾، امکان برقراری اتصال بین سخت افزارهای موجود و نرم افزارها را فراهم میسازد. مرکز کنترل ژئوویژن، یک نرم افزار مدیریت ابری واحد را ارائه میکند و تمامی دوربین های تحت شبکه  IP را در یک سیستم امنیتی و مدیریتی کلی با یکدیگر ادغام میکند.

به عنوان مثال، شهر واتیکان برای دهه ها است که از سیستم های نظارت ویدئویی استفاده میکند. در طول این سال ها، دوربین ها، درگاه ها و ابزارهای نرم افزاری گوناگونی از فروشندگان مختلف خریداری شده است. شهر واتیکان، با همکاری با شرکت ژئوویژن توانست به صورت استراتژیک تمامی دوربین ها و نرم افزارهای قدیمی خود را تحت یک راهکار نظارتی مرکزی با یکدیگر ادغام کند. دوربین های موجود در ساختمان های دولتی مهم، کلیساها، نیایشگاه ها و تقاطع ها همگی تحت کنترل مرکزی هستند. راهکار ژئوویژن یک سیستم واحد را ایجاد میکند – این راهکار در شهر رم به بازبینی ویدئوهای ضبط شده از 140 مکان مختلف میپردازد.

هوشمند و مقیاس پذیر

این راهکار را میتوان با توجه به هر سطحی از استفاده از ویدئو به شکلی کارآمد مقیاس بندی نمود. بکارگیری این راهکار شما را قادر میسازد تا سقف 57.600 جریان ویدئویی را مدیریت کنید. این سیستم، داده های ویدئویی را به یک سیستم مدیریت ابری واحد انتقال میدهد که قادر به بازبینی و کنترل بیش از 1000 سیستم GV-VMS میباشد. از سوی دیگر، با استفاده از سرورهای پردازنده-محور اینتل، حافظه های بیگ دیتا یا کلان داده در مرکز داده مشتریان یا در فضاهای ابری در دسترس قرار دارند.

علاوه بر این، راهکار مدیریت ویدئوی هوشمند ژئوویژن را میتوان با سایر سیستم ها – سیستم های تشخیص آتش یا سیستم های کنترل دسترسی – تلفیق نمود و عملکرد کلی این راهکار را افزایش داد. به عنوان مثال با ادغام با سیستم های کنترل دسترسی، این راهکار میتواند با بهره گیری از سیستم های تشخیص چهره، ورود افراد را به مناطق دارای محدودیت – دسترسی به ساختمان ها یا پارکینگ های محدود – کنترل کند.

با ادغام یادگیری عمیق و قابلیت تلفیق این راهکار با سایر سخت افزارها و نرم افزارها، شهرها میتوانند با استفاده از راهکارهایی چون راهکارهای ارائه شده توسط ژئوویژن به ارتقاء سطح نظارت ویدئویی بپردازند. یادگیری عمیق باعث ارتقاء عکس العمل های اتوماتیک سازی شده و تلفیق باعث ارتقاء سطح کارآمدی عملیاتی میشود و مقیاس پذیری برای یک شهر به معنای عدم از دست دادن قابلیت های سیستم های ویدئویی است.

به نقل از لین: «هنگامی که صحبت از یک سناریوی شهری میشود، یک راهکار نظارت ویدئویی قدیمی پاسخگوی تمامی نیازهای اولیه است. اما به محض رشد یک پروژه در مقیاس شهری، تنها در یک روز، هزاران ساعت ویدئو ضبط میشود. برای تشخیص چیزی که به دنبال آن در ویدئوها هستید، زمان و افرادی زیادی لازم است. اما این راهکار، کار را برای اپراتورها آسانتر میسازد تا تنها روی فرد یا چیزی که به دنبال آنند متمرکز شوند».

منبع: ژئوویژن

http://www.didarc.com/fa/news/how-deep-learning-makes-cities-safer

مقدمه ای بر نظارت بندرگاهی

از گذشته تا کنون، بشر متکی بر اقیانوس ها بوده است. با شروع معاملات با کشورهای دیگر، اهمیت بندرگاه های اطراف جهان افزایش یافته و امروزه این بندرگاه ها نقشی کلیدی را به عنوان بخشی مهم در زیربنای حمل و نقل جهانی ایفا میکنند. این بندرگاه ها باعث باز شدن دروازه ای رو به سوی جهان بیرونی شده و این امکان را برای ملیت های مختلف فراهم نموده اند که به اقتصادهای صادرات-محور تبدیل شده و از معاملات خارجی بهره مند شوند. با جهانی سازی هر چه بیشتر دنیای بشر، نقش بندرگاه ها تغییر یافته است و در کنار مزایای اینگونه معاملات، چالش ها و فشارهایی مرتبط با مدیریت امنیت نیز به وجود آمده است.

این صنعت مملوء از تناقضات است. علیرغم توسعه سریع بندرگاه ها، بدون شک مدیریت امنیت مورد نیاز خواهد بود و از سوی دیگر احساس نیاز به سرویس های امن، کارآمد و قابل کنترل حس خواهد شد. همچنین بر اپراتورها فشاری مبنی بر حصول اطمینان از قرارگیری درست سیستم ها وجود دارد. با این حال، در مناطق نظارت بندرگاهی بزرگ و در برخی از شرایط پیچیده، مدیریت و کنترل این نوع دفاع غیرنظامی میتواند بسیار سخت تمام شود.

تحت خطر بودن امنیت بندرگاهی

یک منطقه بندرگاهی معمولا چندین کیلومتر مربع را پوشش میدهد، اما برخی از نواحی بندرگاهی به ده ها کیلومتر مربع هم میرسند. بنابراین با پوشش دهی یک قلمروی بزرگ با سیستم حمل و نقل پیچیده، سپس افزودن تعداد زیادی ورودی و فنس های پیرامونی، کانال های طولانی، فضاهای ذخیره سازی با مقیاس بزرگ و تعداد محل های ایست و لنگر اندازی، این موضوع تعجب آور نخواهد بود که نیازهای امنیتی باعث افزایش قابل توجه تعداد ایستگاه های کاری در سراسر یک بندرگاه میشود. اما در صورت تکیه بر دفاع غیرنظامی، ­امنیت دریایی چگونه به مدیریت و بررسی عملیات های عادی میپردازد؟ در حال حاضر با توسعه تکنولوژی، مهاجرین غیرقانونی و جرائم سازماندهی شده روی مدیریت امنیت تاثیر گذار بوده اند. اما بکارگیری منابع انسانی برای انجام مبارزه ای کارآمد، بسیار بی فایده خواهد بود و در اکثر موارد، نقش فرد مورد نظر بسیار یکنواخت و خسته کننده خواهد شد. بنابراین آنچه منطقی می نماید، ترکیب رویکردهای محافظتی با دفاع هوشمند است.

مدیریت های چندگانه

تبادل و به اشتراک گذاری داده ها بخشی از فرآیند اطلاعاتی سازی است. بندرگاه ها هر یک از ایستگاه های کاری را به عنوان واحدی می بینند که داده های مربوط بازبینی ویدئویی را به دست می آورند. در بیشتر موارد، بکارگیری و مدیریت ویدئوها و داده های بیزینسی به صورت نسبی متکی بر هر یک از این ایستگاه ها هستند. بنابراین فقدان نوعی سیستم امنیتی تحت شبکه وجود دارد که یکپارچه، سیستماتیک و چندسطحی باشد. از همه مهمتر، بندرگاه ها باید به متعادل سازی تقاضا برای اختصاص درست و کنترل دسترسی از مراکز بازبینی به زیرمجموعه این مراکز، زیرمجموعه مراکز به نقاط بازبینی موجود در گمرکات، ادارات امنیت عمومی واقع در بندرگاه ها، ادارات دریایی و دفاع مرزی و غیره بپردازند.

اصلاح هوشمندانه بندرگاه ها

با ظهور بندرگاه های هوشمند، نیاز به مدیریت امنیت هوشمندانه بیشتر از پیش خود را نمایان میسازد، مخصوصا در تشخیص اتوماتیک کانتینرها، کارمندان و رانندگانی که به صورت مداوم وارد بندرگاه و یا از آن خارج میشوند. برای پشتیبانی از اطلاعیه های سیستم مدیریت اطلاعات ﴿IMS﴾ در هر یکی از مراحل مهم این جریان، یک سیستم مدیریتی چندرسانه ای نیاز است که از آن میتوان در کنار یک سیستم  ورود و یک سیستم امنیتی استفاده نمود. نصاب ها میتوانند داده های ابتدایی را از طریق برچسب های الکترونیکی و دوربین ها به دست آورند و بدین شکل یک فرایند کامل و یک سیستم کنترل مدیریت چندسویه را برای محموله های ورودی و خروجی محقق سازند. در عین حال امنیت بندرگاه ها را میتوان از طریق ترکیب و همکاری تکنولوژی تشخیص چهره، تجزیه و تحلیل ردیابی و ابزارهای حرکت ویدئویی با دستگاه های پخش و اخطار صوتی تضمین نمود.

تقاضاهای بازبینی چالش برانگیز

با تکامل وپیشرفت مداوم نیازهای بازبینی محصولات و تکنولوژی نظارت ویدئویی، بکارگیری این سیستم ها در مناطق بندرگاهی نیازمند پیشروی با نیازهای روز است. نخست، تصویربرداری با کیفیت بالا: از آنجایی که بندرگاه ها حجم زیادی از افراد، خودروها و قایق ها را در سراسر حوزه خود جمع میکنند، برای تشخیص جزئیات باید از یک دوربین با رزولوشن بالا استفاده کرد تا قادر به انجام این کار باشد. علاوه بر این، میزان روشنایی پایین و بازبینی دورادور در شب از جمله مسائلی هستند که باید مورد توجه قرار بگیرند. در بندرگاه ها، عمده ی حملات در طول شب یا در جریان مه غلیظ صورت میگیرند، بنابراین چگونگی اطمینان حاصل نمودن از امنیت بندرگاه در چنین شرایطی موضوعی حائزاهمیت است. تقاضای بالای فعلی برای استفاده در بندرگاه ها شامل نظارت دورادور، بازبینی به صورت پانوراما و محصولاتی میشود که ضدانفجار و ضدزنگ هستند.

بنابراین بندرگاه های جهانی درگیر شرایط چالش برانگیزی هستند. یافتن راهی برای حل و فصل این شرایط موضوعی مهم است.

برگرفته از مجله Git-Security

http://www.didarc.com/fa/news/an-introduction-to-harbour-surveillance

پتانسیل رشد دستگاه های تشخیص اثرانگشت-چهره

اثرانگشت هنوز هم به عنوان بیومتریک اصلی در دستگاه های کارت خوان و کنترل دسترسی تلقی میگردد. با این حال برخی از محدودیت ها کاربران را بر آن داشته است که به دنبال امکانی برای افزودن سایر بیومتریک ها در کنار اثرانگشت باشند. بنابراین چهره تبدیل به راهکاری عملی و موفق میشود.

بیومتریک متداول برای کنترل دسترسی، استفاده از اثرانگشت بوده و بسیار جا افتاده است. طبق تحقیق انجام شده توسط یِیل، در سال 2016 بیومتریک های اثرانگشت-محور با درآمدی غالب بر 4.45$ میلیارد دلار و سهم بازاری در حدود 91 درصد، بازار جهانی بیومتریک ها را تحت تسلط خود گرفته بود. طبق این تحقیق، در سال 2016 بازار بیومتریک های اثرانگشت-محور در مقایسه با سایر راهکارهای سخت افزاری بیومتریکی که طبق پیش بینی ها سهم بازاری 250$ میلیونی داشته اند، به تنهایی ارزشی برابر 4.1$ میلیارد پیدا کرده بود.

طبق گزارش ارائه شده توسط تکناویو نیز بین سالهای 2017 تا 2021 انتظار میرود که بازار جهانی بیومتریک های اثرانگشت-محور نرخ رشد مرکب سالانه ای برابر 12 درصد داشته باشند. طبق این گزارش: « بکارگیری گسترده ی بیومتریک های اثرانگشت-محور در بخش بهداشت و درمان یکی از فاکتورهای کلیدی رشد این بازار است. در بازه ی زمانی پیش بینی شده، منطقه آسیا-اقیانوسیه بزرگترین درآمدزایی را برای این بازار جهانی خواهند داشت. این میزان از درآمدزایی عمدتا بخاطر استفاده ی روبه افزایش دولت های کشورهایی چون هند از بیومتریک های اثر-انگشت محور بوده است؛ استفاده از این سیستم ها به آنها کمک میکند تا حضور کارکنان و میزان سهمیه بندی را نظارت و بازبینی کرده و از کنترل مرزها اطمینان حاصل کنند.»

علیرغم گستردگی استفاده از راهکارهای اثرانگشت-محور، این راهکارها محدودیت هایی نیز دارند.

مشتریان ارزش امنیت و آسودگی مضاعف بیومتریک های امروزی را دانسته و استفاده از آنها را ترجیح میدهند، چرا که این افراد در گذشته تجربه های ناموفق و ناراضی کننده ای از استفاده از تکنولوژی های تشخیص اثرانگشت و قابلیت اعتماد به آنها داشته اند. به عنوان مثال، طبیعت کارهایی چون حفر معادن زغال سنگ یا ساخت و ساز ساختمان ها به گونه  ای است که باعث ایجاد آثار انگشتی بی کیفیت وتقریبا صاف در کارگران میشود. در چنین مواردی شناسایی آثار انگشت کارکنان با یک دستگاه تشخیص اثرانگشت تک وجهی نامحتمل به نظر میرسد. اخیرا برخی از فروشندگان نوعی تکنولوژی جدید را معرفی و عرضه کرده اند که از قرار معلوم تشخیص آثارانگشتی تقریبا عالی را تضمین میکنند. فرقی نمیکند که لنزها یا الگوریتم های تطبیقی ارائه شده توسط فروشندگان به چه میزان قدرتمند باشد، همچنان درصد بخصوصی از افراد باقی خواهند ماند که آثار انگشت آنها به خاطر سن، رنگ پوست یا “شرایط ظاهری” انگشتان – به عبارت دیگر چروکیدگی، بریدگی، خراشیدگی یا آغشتگی به روغن/وسایل آرایشی- به راحتی قابل شناسایی نیستند.

روایتهای متعددی از عدم موفقیت دستگاه های تشخیص اثرانگشت در احراز هویت کاربران وجود دارد. به عنوان مثال طبق گزارش ایندین اکسپرس، چندین فروشگاه اف.پی.اس در دهلی نو شاهد دست-خالی بازگشتن افراد بوده اند که این موضوع بخاطر عدم کارکرد دستگاه های پایانه فروش الکترونیکی یا عدم موفقیت در تشخیص آثار انگشت افراد اتفاق افتاده بوده است.

رجوع به دستگاه های تشخیص اثرانگشت-چهره

این موضوعات کاربران را بر آن داشته است که راهکارهای بیومتریکی چندوجهی را با بیومتریک های اثرانگشتی و سایر بیومتریک ها ترکیب کنند. با گنجاندن چند سنسور بیومتریکی مختلف – یعنی اثرانگشت، چهره، رگ های کف دست، عنبیه و رگ-اثرانگشت – در یک دستگاه واحد، درصد بالاتری از کاربران با موفقیت ثبت و احراز هویت خواهند شد.

برخی از آثار انگشت برای شناسایی بسیار دشوار هستند. آثار انگشت قدیمی و فرسوده نیز دربرخی موارد چندان قابل اعتماد نیستند. سیستم های تشخیص چهره در برخی از موارد بهتر عمل میکنند، اما گاهی این سیستم ها در تشخیص دچار مشکل میشوند. بنابراین استفاده از چندین حالت مختلف باعث بهبود قابلیت اعتماد به این سیستم ها میشود.

برخلاف دورنمای ترسیم شده، تقاضا برای دستگاه های تشخیص اثرانگشت-چهره به علت مزیت های مختلف آنها افزایش یافته است. با در نظر گرفتن فاکتور هزینه میتوان گفت که تشخیص چهره گزینه ی خوب بعدی پس از تشخیص اثرانگشت است، چرا که در تشخیص چهره نیازی به لمس چیزی نیست. با بکارگیری سیستم های تشخیص چهره، مواردی چون کثیفی، چین و چروک و نظافت دیگر مسئله برانگیز نخواهند بود، چرا که این سیستم ها برای ارزیابی فرد موردنظر از ویژگی های ظاهری چهره ی افراد استفاده میکنند. همچنین در این سیستم ها، شرایط پوست صورت اهمیتی ندارد. با کمک تکنولوژی های تشخیص چهره جدید، ثبت چهره ی افراد به سادگی ارائه ی یک فایل تصویری بوده تا بدین شکل کاربر مربوطه بتواند به صورت دورادور چهره ی خود را ثبت کند. به این دلایل، سیستم های تشخیص چهره اغلب به عنوان یک تکنولوژی بیومتریکی مناسبتر تلقی میشوند.

دقت و درستی تکنولوژی های تشخیص اثرانگشت و چهره هر دو تضمین شده است. با این حال تکنولوژی های تشخیص چهره نیازی به هیچگونه تماس نداشته و برای صنایعی مناسب هستند که به دلایلی چون طبیعت آن کار یا حفظ قدرت و استحکام دستگاه مربوطه نمیخواهند که کارکنان با آن دستگاه در تماس باشند.

صنایع اقتصادی، بهداشتی، اتوماسیون و تولیدی از جمله صنایعی هستند که از این تکنولوژی بهره میبرند. درخواست های زیادی از سوی صنایعی وجود دارد که خواهان تایید بدون تماس و در عین حال دقیق هستند، دستگاه های تشخیص چندوجهی چنین قابلیتی را در اختیار افراد قرار می دهند.

در آینده پتانسل رشد دستگاه های تشخیص اثرانگشت-چهره بسیار بزرگ خواهد بود. فقط کافی است که نگاهی به گوشی هوشمند خود بیاندازید. تمامی گوشی های هوشمند دیروز (و امروز) به نظر میرسد که دارای سنسورهای اثرانگشت باشند. موضوع مورد بحث فعلی، استفاده از قابلیت تشخیص چهره برای دسترسی پیدا کردن به گوشی هوشمند خود است. صدها میلیون کاربر گوشی های هوشمند در سراسر جهان با کمکبیومتریک ها به گوشی خود دسترسی پیدا میکنند. این روند به رشد خود ادامه خواهد داد و به تدریج به قاعده ای در فضای تجاری تبدیل خواهد شد.

برگرفته از مجله a&s

http://www.didarc.com/fa/news/fingerprint-face-readers-see-growth-potential

نقش کنترل دسترسی در هوشمندسازی ساختمان ها

سیستم کنترل دسترسی برای مدت های زیادی است که کارکرد اصلی خود را انجام داده است – این کارکرد اصلی به معنای صدور اجازه ی ورود به افراد مجاز و در نتیجه مراقبت از جان و مال افراد میباشد. اما با گذر زمان، جز امکان باز کردن دربها از سوی سیستم های کنترل دسترسی، شاهد کارکردهای بیشتر این سیستم ها خواهیم بود. تلفیق این سیستم ها با سیستم های دیگر و داده هایی که این سیستم ها تولید میکنند، هوش تجاری و آگاهی های بیزینسی واقعی را ارائه میکنند. این موضوع بیشتر از هر جای دیگر، در ساختمان های هوشمند خود را نشان میدهد. در این ساختمان ها سیستم کنترل دسترسی میتواند ساختمان را چه بسا هوشمندتر بسازد.

 

ادامه خواندن