Considerazioni sui sistemi di AI per i falsi allarmi

Il rilevamento dei falsi allarmi è diventato una funzione critica nei moderni sistemi di monitoraggio della sorveglianza. Il numero di falsi allarmi che l’analitica segnala come eventi reali o potenziali può appesantire gli operatori della sala di controllo, poiché la maggior parte del loro tempo viene spesa per gestire gli avvisi, per poi classificarli come falsi allarmi.

I falsi allarmi non solo sono demotivanti per gli operatori, ma rappresentano anche uno spreco di denaro, in quanto le risorse vengono sprecate per reagire a non eventi. L’idea del monitoraggio a schermo nero è che gli operatori non debbano guardare continuamente diversi feed di telecamere, ma siano indirizzati dalla tecnologia a concentrarsi sugli eventi reali. Tuttavia, i falsi allarmi spesso rendono questo quasi impossibile, poiché c’è sempre qualche non-evento che richiede attenzione.

Oggi esistono molte applicazioni analitiche che mirano a evitare che i falsi allarmi raggiungano gli operatori della sala di controllo, alcune basate interamente sul cloud, mentre altre sono ospitate su server in loco, o addirittura sul bordo delle telecamere stesse. SMART Security Solutions ha parlato con Dene Alkema, direttore generale di Cathexis Africa (vincitrice degli OSPA Awards di quest’anno e dell’anno scorso) per saperne di più sulle varie opzioni di falso allarme disponibili per le operazioni di monitoraggio video.

Cloud o in loco

Con tutto il parlare di sistemi e soluzioni cloud che apparentemente risolveranno tutti i problemi, indipendentemente dal settore in cui si opera, abbiamo chiesto ad Alkema quale soluzione ritiene 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 sul cloud stanno diventando sempre più popolari grazie alla loro flessibilità e scalabilità. Tuttavia, i sistemi basati sul cloud dipendono dalla connettività Internet e potrebbero non essere affidabili come i sistemi in loco nelle aree con scarsa connettività. Anche le considerazioni sulla cybersecurity devono essere valutate con attenzione, per garantire la gestione del rischio del cliente al momento dell’implementazione di una soluzione basata sul cloud”.

Alkema aggiunge che i sistemi in loco potrebbero essere considerati più affidabili di quelli basati sul cloud, poiché non dipendono da una connessione a Internet se il sito viene monitorato sul posto stesso. Tuttavia, vale la pena notare che i costi una tantum e di manutenzione dei sistemi in loco potrebbero aumentare di più rispetto ai sistemi basati sul cloud, a seconda della loro base di costo. “È fondamentale valutare individualmente i requisiti di ogni cliente e le sue limitazioni di connettività prima di decidere le soluzioni”.

Per quanto riguarda la questione della larghezza di banda, osserva: “Il requisito della larghezza di banda è direttamente influenzato dal modo in cui viene progettata la soluzione. Si potrebbe implementare un’intelligenza artificiale on-camera basata sui bordi, in cui la telecamera invia eventi e video solo dopo aver stabilito che c’è qualcosa da segnalare. Questo potrebbe far risparmiare molta larghezza di banda e risorse di calcolo, sia che sia collegato a un cloud o a una soluzione basata sul sito. Si tratta di capire come i clienti vogliono monitorare i loro siti, i requisiti del cliente e i vincoli di connettività che devono considerare quando progettano una soluzione”.

Bisogna formare le persone e le macchine

Sentiamo molto parlare di applicazioni di rilevamento dei falsi allarmi che riducono i falsi allarmi del 90% o più (anche se pochi sembrano concentrarsi sul numero di eventi reali che i sistemi perdono), tuttavia l’efficacia di qualsiasi IA dipende dalla formazione che riceve, come per le persone. È abbastanza facile (al giorno d’oggi) distinguere una pianta che soffia nel vento da un essere umano, ma come fanno i sistemi a distinguere, ad esempio, le persone che si abbracciano da quelle che litigano?

Alkema concorda sul fatto che una formazione approfondita dell’IA basata sui video è essenziale, ma aggiunge che anche i dati utilizzati per addestrare l’IA influenzeranno direttamente il risultato delle sue prestazioni. Afferma che i venditori bilanciano i seguenti aspetti quando addestrano le reti neurali:

“È possibile addestrare le reti neurali in modo che siano precise 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 efficaci basate sull’AI”.

Perdita di posti di lavoro

Anche la questione di quanto possiamo affidarci all’IA per svolgere i lavori che in passato richiedevano operatori qualificati è una questione che deve essere affrontata. La questione del numero di posti di lavoro che l’IA sostituirà agli esseri umani è un punto di discussione molto popolare in tutti i settori, poiché è diventato evidente che non saranno solo i colletti blu ad essere disoccupati.

Guardando specificamente agli operatori umani delle sale di controllo, quanto l’IA renderebbe il loro lavoro ‘a rischio’? Attualmente lo scenario migliore è quello di un approccio a schermo nero, in cui l’AI rimuove la maggior parte dei falsi allarmi e, auspicabilmente, cattura tutti gli allarmi reali, avvisando 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 posto di questi lavori, o forse sì? In futuro, tuttavia, cosa impedirà a un’IA di riconoscere un evento reale e di implementare queste SOP in modo automatico, senza dover fare affidamento sull’uomo per portare a termine 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 l’intervento umano, ma questo dipenderà 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 sull’AI e l’intervento umano possono offrire, in modo che gli operatori possano utilizzare questi strumenti per essere ancora più efficaci”.

Tuttavia, osserva anche: “Ci sono molti investimenti nell’AI basata sul video a livello globale. La velocità con cui la tecnologia AI sta migliorando, diventando sempre più precisa ed efficiente, cambierà il panorama di come sarà una sala di controllo del monitoraggio in futuro”.

Le opzioni AI e di falso allarme di CathexisVision

Infine, abbiamo chiesto ad Alkema cosa offre Cathexis nel campo del rilevamento dei falsi allarmi.

“In Cathexis, la nostra filosofia nello sviluppo di soluzioni basate sull’AI è quella di 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 sia in grado di rilevare le anomalie in loco e di avvisare gli operatori della sala di controllo solo degli eventi di cui devono essere informati. Inoltre, c’è il potente strumento di gestione degli eventi di CathexisVision, l’Alarm Management Gateway, che consente agli operatori di visualizzare gli eventi video sia in diretta che registrati, di essere informati sulle loro SOP e di riferire sulle azioni intraprese”.

“Il reporting sulla gestione degli eventi è una funzione importante del software, che aiuta a mantenere l’integrità della sala di controllo. L’efficace implementazione di CathexisVision in siti importanti 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 sulle attività più essenziali”.