Системы контроля и управления доступом (СКУД) прошли
значительный путь развития и сегодня представляют
собой комплексные программно-аппаратные
решения. Современные системы активно интегрируют
биометрические технологии, видеоаналитику и облачные
решения. Однако внедрение искусственного интеллекта
(ИИ) сопряжено с определёнными техническими,
организационными и другими сложностями.
Эта статья рассматривает аспекты применения ИИ в СКУД,
анализирует возможности и предлагает пути развития
средств контроля доступа на основе актуального опыта.
Основы искусственного интеллекта
в системах безопасности
Искусственный интеллект в контексте систем безопасности реализуется через нейросети — математические модели, которые могут
быть программно или аппаратно реализованы. В сфере безопасности преимущественно используются свёрточные нейросети для
анализа видеоизображений.
Нейросети в системах безопасности представляют собой программно-аппаратные инструменты, автоматически анализирующие видеоданные в режиме реального времени и формирующие
события на их основе. Эти события обрабатываются в СКУД и
формируют решения о предоставлении доступа. Для технической
реализации этой технологии разработаны специальные аппаратные средства.
Базовая структура СКУД включает в себя:
· идентификаторы;
· считыватели;
· контроллеры;
· исполнительные устройства;
· программное обеспечение.
Опыт использования ИИ на объектах показал, что эффективное
применение ИИ возможно в двух ключевых компонентах СКУД:
считывателе и программном обеспечении.
Видеоаналитика активно используется для автоматизации процессов верификации и контроля. Видеокамера может выступать
как считыватель или элемент СКУД. Многие современные
камеры оснащены встроенной видеоаналитикой, способной
решать задачи распознавания.
В СКУД используются модули видеоаналитики для автоматизированного обнаружения, верификации и идентификации
лиц, силуэтов, типов транспортных средств, номерных знаков
и т. п. Модули видеоаналитики работают в режиме реального
времени, что существенно повышает эффективность работы
всей системы безопасности объекта.
Перспективные направления применения ИИ
Поскольку в этой статье мы рассматриваем использование
ИИ в системах безопасности объектов, то ни о каких облачных решениях говорить нельзя, так как это противоречит
общей концепции безопасности объектов и существующим
регламентирующим документам.
Мультимодальное распознавание представляет собой
интеграционное решение, где функции видеоаналитики
дополняют возможности СКУД, повышая общий уровень безопасности. Использование этого вида распознавания позволяет реализовать любую сложную систему идентификации.
Возможные применения:
· распознавание подозрительных действий (попытки взлома,
передача предметов), падений;
· контроль противоправных действий перед точкой доступа;
· мониторинг прикладывания идентификатора при работе
точки доступа в режиме свободного прохода;
· предотвращение подбора карт;
· управление точками доступа при скоплении людей;
· блокировка попыток группового прохода («паровозиком»)
через точку доступа.
· фильтрация ложных тревог на точках доступа.
Таким образом, использование мультимодального распознавания в СКУД устраняет пробелы в эффективности
работы системы и создаёт единый механизм верификации
и контроля на объекте. Это открывает новые перспективы
для развития технологий безопасности и повышения их
надёжности.
Другим перспективным направлением использования ИИ
в СКУД является применение модулей аналитики в составе
программного обеспечения (ПО) СКУД.
Предиктивная аналитика — это технология обработки данных,
которая с помощью машинного обучения и искусственного
интеллекта выявляет скрытые закономерности и строит
прогнозы. Аналитика работает на основе данных, получаемых в реальном времени от всех подсистем безопасности:
видеонаблюдения, контроля доступа и охранно-пожарной
сигнализации.
Возможности предиктивной аналитики
Выявление аномалий в поведении людей:
· многократные попытки входа в запретную зону;
· посещение объекта в необычное время;
· бесцельное перемещение (шатание) по территории.
Интеллектуальный контроль позволяет отслеживать перемещение людей по территории и автоматически блокировать
доступ в запрещённые зоны, изменять уровни доступа сотрудников, формировать тревожные события, блокировать
нарушителей.
Помощь при возникновении чрезвычайных ситуаций:
· классификация событий (ложная тревога, вторжение, мошенничество, аномалия);
· создание безопасных эвакуационных коридоров;
· блокировка и идентификация нарушителей.
Адаптация работы СКУД в зависимости от внешних факторов:
· изменение политики доступа в зависимости от времени
суток;
· контроль (учёт) количества людей в помещении;
· реагирование на уровень тревоги на объекте;
· перераспределение потоков на КПП.
Помощь при анализе данных и формирование отчётов:
· генерация детализированных (нестандартных) отчётов;
· выявление аномалий в работе предприятия;
· предложение мер по улучшению безопасности;
· оптимизация расписаний и потоков людей.
ИИ, на основе анализа данных, полученных от СКУД, может
выявлять негативные тренды в организации контрольно-пропускного режима, которые могут приводить к вынужденным
нарушениям дисциплины, либо выявлять возможные угрозы,
связанные с опасностью проникновения на объект. Сформированные предложения могут передаваться в службу
безопасности объекта для утверждения.
Таким образом, нейросеть может выступать в роли «умного
фильтра», который не просто следует заданным правилам
работы СКУД, а самостоятельно обучается распознавать
угрозы и адаптироваться к меняющимся условиям.
Все вышеописанные технологии могли бы быть реализованы уже сегодня. Однако внедрение нейросетей в системы
безопасности сопряжено с рядом сложностей – финансовых, психологических, организационных, технических и
правовых.
Финансовые препятствия
· Высокие затраты на разработку и внедрение. Создание
нейросетевых решений требует значительных инвестиций
в исследования, разработку алгоритмов, обучение моделей
и интеграцию с существующими системами. Для малых и
средних предприятий такие расходы могут быть непосильными.
· Необходимость в мощных вычислительных ресурсах. Обучение
и работа нейросетей часто требуют мощных GPU и серверов, что
увеличивает эксплуатационные расходы.
· Расходы на обслуживание и обновление. Нейросети нуждаются в регулярном дообучении (обновлении моделей, данных и
программного обеспечения), что предполагает дополнительные
финансовые вложения.
Психологические барьеры
· Страх потери работы у сотрудников, который может приводить
к саботажу использования ИИ и созданию негативного фона от
эффекта их внедрения.
· Недоверие специалистов и руководителей к технологиям из-за
возникающего дискомфорта от передачи части ответственности
алгоритмам и опасений потери контроля над процессами.
Технические сложности
· Некорректная постановка задач на этапе формирования технического задания на разработку или внедрение нейросети, что
приводит впоследствии к неполучению ожидаемого результата
и разочарованию от ее использования.
· Зависимость от качества обучающих данных. Неполные, искажённые или устаревшие данные приводят к неточным результатам. Это особенно критично при защите от новых типов угроз.
· Непрозрачность алгоритмов принятия решений. Современные
нейросети являются законченными модулями или выглядят
«чёрными ящиками» для пользователей. Поэтому логику
работы нейросети при принятии решений трудно объяснить
пользователю, это опять приводит к разочарованию от их
использования.
Прочие проблемы
· Дефицит квалифицированных специалистов. Сегодня остро
ощущается нехватка экспертов, способных ставить задачи,
разрабатывать, обучать и интегрировать ИИ-модели в системы
безопасности.
· Риск чрезмерного доверия нейросетям. Полное доверие нейросетям может привести к ослаблению других мер безопасности
и снижению бдительности персонала! Даже самые продвинутые
ИИ не способны заменить сотрудников охраны!
Таким образом, для успешного внедрения ИИ в СКУД на объектах
необходим комплексный подход, включающий:
· ответственный подход к формированию технического задания;
· обучение персонала;
· постоянный мониторинг качества результатов работы нейросети;
· регулярное обновление систем.
Использование технологий искусственного интеллекта в СКУД
— перспективное направление с растущим рынком. Оно уже
активно сегодня используется в современных СКУД и в ближайшие годы ожидается расширение применения ИИ для анализа
поведения, предиктивной безопасности и автоматизации решений. Это повысит эффективность бизнеса и уровень защиты
объектов, снизит влияние человеческого фактора. Однако стоит
учитывать и сложности внедрения ИИ, поэтому рекомендуется
начинать с небольших модульных решений, чётко формулировать
задачи на этапе разработки технического задания и привлекать
квалифицированных специалистов.
|
