ذهن خوان دیجیتال – پیشگیری از تهدید امنیتی قبل از وقوع آن
سیستمهای تحلیل رفتاری مبتنی بر هوش مصنوعی الگوهای مشکوک مثل ورود غیرمجاز، گشت زنی مشکوک و حرکات تنش زا را در زمان واقعی تشخیص میدهند.
بیشتر حملات امنیتی فیزیکی ناگهانی نیستند؛ بلکه با الگوهای رفتاری هشداردهنده مانند گشت زنی مشکوک در اطراف دربهای امنیتی، ورود غیرمجاز (Tailgating) از پشت یک کارمند، یا حرکات عصبی تشدیدشونده شروع میشوند. سیستمهای تحلیل رفتاری مبتنی بر هوش مصنوعی، این الگوها را در زمان واقعی از روی تصاویر دوربین تشخیص میدهند و هشدار سطحبندی شده صادر میکنند [۱].
این سامانه از سه لایه تشکیل شده است: لایه اول، ردیابی مسیر حرکت افراد (Tracking) و محاسبه مدت توقف در هر منطقه. لایه دوم، تحلیل تعاملات بین فردی – مثلاً فاصله دو نفر در دنبالروی غیرمجاز کمتر از ۵۰ سانتیمتر است و حرکت نفر دوم با تأخیر ۱-۲ ثانیه انجام میشود. لایه سوم، ارزیابی زبان بدن (پرخاشگری) با شبکههای عصبی که حرکات سریع دست، مشت کردن دست ها یا نگاه مکرر به اطراف را شناسایی میکنند [۲].
جدول انواع رفتار و دقت تشخیص:
| نوع رفتار مشکوک | سیستم سنتی | هوش مصنوعی (جدید) |
|---|---|---|
| دنبالروی غیرمجاز (Tailgating) | ۷۵-۸۰٪ (حسگر درب) | ۹۷٪ |
| پرسهزنی بیش از ۵ دقیقه | محدود (ناظر انسانی چند دوربین) | ۹۴٪ (پایش همزمان) |
| پرتاب ناگهانی کیف یا اشیاء | غیرممکن (با سیستم سنتی) | ۸۹٪ |
| حرکات تشدیدشونده (دعوا) | ۵۰٪ (تشخیص حرکت ساده) | ۹۶٪ |
| نرخ هشدار کاذب (در هر ۱۰۰۰ ساعت) | ۴۵ عدد | ۸ عدد |
فرودگاه بینالمللی دبی این سامانه را در ترمینالهای خود نصب کرده است. در ماههای ابتدایی بهرهبرداری، دهها مورد عبور غیرمجاز (Tailgating) در ورودیهای کارکنان شناسایی و اقدامات انضباطی لازم انجام شد [۳]. همچنین بانکهای بزرگ در لندن با بهرهگیری از این فناوری، توانستهاند با شناسایی رفتارهای مشکوک در نزدیکی دستگاههای خودپرداز، از سرقتهای برنامهریزیشده جلوگیری کنند [۴].
ارزش بازار تحلیل رفتاری امنیتی تا ۲۰۲۷ به ۲.۱ میلیارد دلار میرسد [۵]. پیشرفت بعدی، ادغام با «پروفایلسازی رفتاری بلندمدت» است – یعنی سیستم برای هر کارمند یک امضای حرکتی منحصربهفرد ذخیره میکند و هرگونه انحراف (مثلاً راه رفتن با شتاب غیرعادی) را به عنوان هشدار گزارش میدهد [۶]. این فناوری در حال حاضر در هستههای نظامی و نیروگاههای اتمی استفاده میشود.
منابع:
[۱] Mabrouk, A. B. & Zagrouba, E. (2018). "Abnormal Behavior Recognition for Intelligent Video Surveillance Systems: A Review." Expert Systems with Applications, 91.
[۲] Popoola, O. P. & Wang, K. (2012). "Video-Based Abnormal Human Behavior Recognition: A Review." IEEE Transactions on Systems, Man, and Cybernetics, 42(6).
[۳] Dubai Airports (2022). "Smart Security: AI-Powered Behavioral Analytics at DXB Terminal 3."
[۴] Lloyd's Bank (2021). "Case Study: AI Video Analytics in ATM Security."
[۵] MarketsandMarkets (2023). "Behavioral Analytics in Security Market – Global Forecast to 2027."
[۶] NIST – National Institute of Standards and Technology (2020). "Anomaly Detection Using Long-Term Behavioral Profiling."
[۷] IBM Security (2022). "Cost of a Data Breach Report."
تصاویر مرتبط
برچسبها
همین قابلیتها را روی دوربین خودتان داشته باشید
دوربینهای امنیتی هوشمند ویونکس با همین تحلیلهای هوش مصنوعی، هشدار لحظهای در اپلیکیشن و تلگرام و یک سال اشتراک سرویس ارائه میشوند.
برای ثبت نظر لطفاً وارد شوید
هنوز نظری ثبت نشده است