Il rilevamento di falsi allarmi è diventato una funzione critica nei moderni sistemi di monitoraggio della sorveglianza.
Cloud o in loco
Con tutto il parlare di sistemi e soluzioni cloud che apparentemente risolveranno tutti i tuoi problemi indipendentemente dal settore in cui ti trovi, abbiamo chiesto prima ad Alkema quale soluzione pensa sia la migliore.
Dice, “Il monitoraggio efficace di un sito è un aspetto critico di qualsiasi sistema di sicurezza, e sia i sistemi cloud che quelli in loco hanno i loro vantaggi e svantaggi quando si tratta di ridurre i falsi allarmi.”
“I sistemi basati su cloud stanno diventando sempre più popolari grazie alla loro flessibilità e scalabilità. Tuttavia, i sistemi basati su cloud dipendono dalla connettività Internet e potrebbero non essere affidabili come i sistemi in loco in aree con scarsa connettività. Le considerazioni sulla sicurezza informatica devono essere valutate attentamente per garantire che il rischio del cliente sia gestito quando si implementa una soluzione basata su cloud.”
Alkema aggiunge che i sistemi in loco potrebbero essere considerati più affidabili dei sistemi basati su cloud poiché non dipendono da una connessione Internet se il sito è monitorato sul sito stesso.
Tuttavia, vale la pena notare che i costi una tantum e di manutenzione dei sistemi in loco potrebbero aumentare più dei sistemi basati su cloud a seconda della loro base di costo.
“È fondamentale valutare i requisiti di ciascun cliente e le loro restrizioni di connettività individualmente prima di decidere sulle soluzioni.”
Sulla questione della larghezza di banda, nota, “Il requisito della larghezza di banda è direttamente influenzato da come è progettata la soluzione. Potresti implementare AI basata su edge, su telecamera, dove la telecamera invia solo eventi e video una volta che ha determinato che c’è qualcosa da segnalare. Questo potrebbe risparmiare molta larghezza di banda e risorse di calcolo, sia che sia connesso a una soluzione basata su cloud o in loco. Torna a come i clienti vogliono monitorare i loro siti, ai requisiti del cliente e ai vincoli di connettività che devono considerare quando progettano una soluzione.”
Devi addestrare persone e macchine
Sentiamo molto parlare di applicazioni di rilevamento di falsi allarmi che riducono i falsi allarmi del 90% o più (anche se poche persone sembrano concentrarsi su quanti eventi reali i sistemi mancano), tuttavia, l’efficacia di qualsiasi AI dipende dall’addestramento che riceve – simile alle persone.
È abbastanza facile (al giorno d’oggi) distinguere una pianta che si muove nel vento da un essere umano, ma come fanno i sistemi a differenziare, ad esempio, persone che si abbracciano da persone che combattono?
Alkema concorda che un addestramento approfondito dell’AI basata su video è essenziale, ma aggiunge che i dati utilizzati per addestrare l’AI influenzeranno anche direttamente il risultato di come si comporterà.
Dice che i fornitori bilanciano i seguenti aspetti quando addestrano le reti neurali:
- Qualità dei dati: La qualità dei dati utilizzati per addestrare la rete neurale è critica.
Dati di scarsa qualità o dati mal etichettati possono portare a risultati inaccurati e possono influire negativamente sulle prestazioni della rete neurale. - Quantità di dati: A seconda di quanto sei specifico nell’addestrare la tua rete neurale, sarebbero necessari grandi quantità di dati variati per addestrare efficacemente le reti neurali, il che può essere dispendioso in termini di tempo e costoso.
- Risorse computazionali: L’addestramento delle reti neurali basate su video richiede risorse computazionali costose di alto livello.
“È possibile addestrare le reti neurali per essere accurate ed efficaci. L’esperienza in questo campo, l’investimento in risorse di sviluppo sufficienti e l’accesso a dati di qualità sufficiente consentono a un fornitore di portare sul mercato soluzioni basate su AI efficaci.”
Perdita di posti di lavoro
La questione di quanto possiamo fare affidamento sull’AI per svolgere i lavori che richiedevano operatori addestrati in passato è anche una questione che deve essere affrontata.
La questione di quanti lavori l’AI prenderà dagli esseri umani è un punto di discussione piuttosto popolare in tutti i settori poiché è diventato evidente che non saranno solo i lavoratori manuali nella linea di disoccupazione.
Guardando specificamente agli operatori umani della sala di controllo, quanto ‘in pericolo’ renderebbe l’AI i loro lavori?
Attualmente lo scenario migliore è avere un approccio a schermo nero in cui l’AI rimuove la maggior parte dei falsi allarmi e sperabilmente cattura tutti i veri allarmi e notifica un operatore, che poi implementa le procedure operative standard (SOP) per l’azienda o per quel cliente specifico (se la sala di controllo monitora le infrastrutture di più clienti).
Attualmente l’AI non può prendere il controllo di quei lavori, o può?
In futuro, tuttavia, cosa impedisce a un’AI di riconoscere un evento reale e implementare quelle SOP automaticamente senza dover fare affidamento sugli esseri umani per completare il lavoro?
“Anche se la tecnologia AI matura,” dice Alkema, “gli operatori umani saranno ancora necessari per verificare e agire sugli eventi generati dall’AI. Alcune azioni potrebbero essere automatizzate dai sistemi di gestione video senza intervento umano, ma questo dipenderebbe dalla politica del cliente nel rispondere agli eventi reali. La strategia ideale di mitigazione del rischio incorporerebbe il meglio di ciò che l’automazione basata su AI e l’intervento umano possono offrire, in modo che gli operatori possano utilizzare questi strumenti per essere ancora più efficaci.”
Tuttavia, nota anche, “C’è così tanto investimento nell’AI basata su video a livello globale. La velocità con cui la tecnologia AI sta migliorando, diventando più accurata ed efficiente, cambierà il panorama di come sarà una sala di controllo di monitoraggio in futuro.”
CathexisVision’s AI e opzioni di falso allarme
Infine, abbiamo chiesto ad Alkema cosa offre Cathexis nel campo del rilevamento dei falsi allarmi.
“In Cathexis, il nostro ethos nello sviluppo di soluzioni basate su AI è migliorare il valore dei dati video. Un modo chiave in cui lo facciamo è con la suite di analisi video CathexisVision, che utilizza modelli di rete neurale e AI per garantire che il software possa rilevare anomalie in loco e avvisare solo gli operatori della sala di controllo degli eventi di cui devono essere informati. Inoltre, c’è il potente strumento di gestione degli eventi di CathexisVision, il Gateway di Gestione degli Allarmi, che consente agli operatori di visualizzare eventi video sia in diretta che registrati, essere informati delle loro SOP e riportare le azioni che hanno intrapreso.”
“Il reporting sulla gestione degli eventi è una caratteristica importante del software, che aiuta a mantenere l’integrità della sala di controllo. L’implementazione efficace di CathexisVision in siti principali e ad alto traffico a livello globale è una testimonianza della capacità della soluzione di migliorare il valore dei dati video, in modo che gli operatori possano rimanere informati e concentrarsi sui compiti più essenziali.”
