سالهاست که سیستمهای تحلیل ویدیو در مدیریت بسیاری از امور امنیتی به کاربران کمک میکنند. از جمله خدمات این سیستمها میتوان به موارد ذیل اشاره کرد: شناسایی افراد یا وسایل نقلیه که به مناطق حفاظت شده وارد میشوند، ذخیره اطلاعات مربوط به شماره پلاک خودروها، بررسی یک جمع شلوغ برای شناسایی فردی خاص در جمعیت و دیگر موارد حفاظتی و امنیتی. امروزه سیستمهای مدیریت تصاویر و دوربینهای نظارتی تحت شبکه مجهز به قابلیتهای پردازشی قدرتمندی هستند که به رشد سیستمهای تحلیل محتوای قویتر و در نتیجه شناسایی دقیقتر رویدادهای مشکوک و تهدیدآمیز که موجب به صدا در آمدن آژیر خطر میشوند کمک میکند. این موضوع مولفهای مهم در علم تحلیل پیشبین است که در مقاله زیر به بررسی آن می‌پردازیم.
تحلیل پیشبین چیست؟
با توجه به حجم و تنوع بسیار زیاد اطلاعات خام در دسترس متخصصین امنیتی، در علم در حال تکامل تحلیل پیشبین روند گرایش به سیستمهای یکپارچه در حال رشد و تحول است. اطلاعات مورد استفاده در سیستمهای تحلیل پیشبین با اطلاعات خام استاندارد متفاوت است. تحلیلهای پیشبین از دادههای جمعآوری شده توسط طیف گستردهای از منابع داده استفاده میکنند. این اطلاعات خام از منابعی نظیر سیستمهای نظارتی، سیستمهای کنترل دسترسی، سیستمهای مدیریت بازدیدکننده و همچنین سیستمهای مدیریت حوادث به دست میآیند. این اطلاعات خام سپس با مدلهای تدوین شده مقایسه شده و با توجه به رخدادهای گذشته امکان وقوع حادثهای مشابه را به درستی پیشبینی میکنند.
توجه داشته باشید که تحلیل پیشبین همیشه رویدادهای امنیتی با سیستم دودویی را تولید نمی‌کند، بلکه معمولارویدادهایی مانند الگوهای نامنظم ترافیک، تشخیص حرکت در ساعات اوج ترافیک و مناطق حفاظت شده را شناسایی میکند و این دادهها را با سیستم تشخیص چهره، سیستمهای کنترل دسترسی یا سایر اطلاعات سیستمی تطبیق میدهد تا حرکات غیرمنتظره یا احتمال وقوع رویدادهای حساس را پیشبینی کند. در این صورت، سیستم میتواند به متخصصان امنیتی برای اقدامات پیشگیرانه هشدار دهد.
تجزیه و تحلیل پیشبین در دوربین های تحت شبکه
تجزیه و تحلیل مبتنی بر دوربین در سالهای اخیر بسیار پیشرفت کرده است، اما این فناوریها عمدتا به فعالیتهای واکنشی پس از حادثه مربوط میشوند، چنان که اطلاعات ارزشمندی را برای تحقیق و پیگیری پس از رویداد فراهم میکنند. با این حال، همانطور که صنعت ایمنی به سمت یک مدل کنترل‌گر و پیشبین میرود، دوربینهای هوشمند تحت شبکه میتوانند نقش مهمی در کمک به پرسنل امنیتی برای انجام اقدامات معقول و پیشگیرانه جهت جلوگیری از حوادث پیش از وقوع آنها داشته باشند.
مثال زیر که از دنیای واقعی گرفته شده است به خوبی نقش دوربینهای هوشمند تحت شبکه را در افزایش دقت تحلیل پیشبین و بالا بردن توانایی پرسنل امنیتی در انجام اقدامات پیشگیرانه نشان میدهد.
تشخیص رفتار و حرکات غیر معمول
از تحلیل تصویری سیستم شمارش افراد میتوان برای تشخیص و شناسایی تعداد زیادی از افراد که در ساعتی خاص در یک مکان مشخص جمع شدهاند، استفاده کرد. به همان اندازه که جمع شدن تعدادی از کارمندان برای جشن گرفتن تولد همکارشان میتواند بیخطر باشد، این موضوع ممکن است حرکتی گمراه کننده نیز باشد. به طور مثال گروهی از کارکنان ناراضی در حال هماهنگی برای سرقت از داراییها یا اطلاعات شرکت دور هم جمع شدهاند. با این وجود بدون آگاهی از جزییات فضای امنیتی، گفتن اینکه این تهدید بالقوه قرار است کی و کجا اتفاق بیفتد تقریبا غیرممکن است.
زمانی که سیستم پیشبین شروع به جمع آوری اطلاعات محیطی برای تحلیل دقیقتر مسئله میکند سیستم تجزیه و تحلیل ویدیو تشخیص میدهد که آیا آژیر خطر باید به صدا در آید یا نه؟ براساس آیتمهای از پیش تعیین شده و با تجزیه و تحلیل رویدادهای پیشین، جمع شدن این چنینی افراد در ساعات خاموشی، دلیل کافی در اختیار سیستم قرار میدهد تا کارکنان امنیتی را از وجود یک موقیعت بالقوه خطرناک آگاه کند. مکان افرادی که دور هم گرد آمدهاند نیز میتواند یک عامل موثر باشد، زیرا جمع شدن افراد در یک کنفرانس یا محل استراحت اهمیت کمتری نسبت به تجمع افراد در یک منطقه حساس و حفاظت شده دارد.
هشدارها همچنین میتوانند به طور خودکار وضعیت فیلمبرداری دوربین را به حالت با وضوح بالا تغییر دهند، امکان ضبط ویدیو در هارددیسک داخلی و ارسال اطلاعات به شبکه را فعال کنند، به دوربین فرمان بدهند که بر فیلمبرداری از یک ناحیه خاص یا دربهای ورودی تمرکز کنند، و حتی سیستم تحلیل و شناسایی چهره را فعال کند. این امر میتواند برای مدیریت و کارکنان امنیتی به هنگام پاسخگویی به هشدارهای امنیتی بسیار مفید باشد و درک کاملی از وضعیت موجود برای تعیین عکسالعمل مناسب در اختیار پرسنل امنیتی قرار دهد.
آنالیز محتوا
هشدارها همچنین تجزیه و تحلیل محیطی را برای شناسایی جزییات یک موقعیت آغاز میکنند. فناوری نمیتواند به درستی و قاطعانه قضاوت کند؛ فناوری تنها میتواند با جمعآوری تمام اطلاعات موجود در تعیین میزان وخامت یک موقعیت و اینکه چه اقداماتی هنگام وقوع رویداد و پس از آن باید انجام شود، موثر باشد.
پس از ساعت‌ها جمعآوری اطلاعات، دادههای جمعآوری شده از سیستمها و منابع افزوده، محتوای کاملتر و با جزییات بیشتر ارایه می‌دهند. به عنوان مثال، دادههای به دست آمده از سیستم کنترل دسترسی و اطلاعات موجود از سیستم شمارش افراد ممکن است نشان دهد که تعداد افراد حاضر در جمعیت بیشتر از تعدادی است که از کارت شناسایی خود برای ورود استفاده کردهاند. این در حالیاست که ورود چندین نفر با یک رمز عبور نقض آشکار قوانین امنیتی محسوب میشود، هرچند ممکن است تهدیدآمیز نباشد. همچنین ممکن است چندین فرد مجاز به طور همزمان وارد سیستم شده باشند. با استفاده از سیستم تشخیص چهره در زمان ورود مقایسه کسانی که به صورت مجاز وارد شدهاند، مشخص خواهد شد که آیا یک تهدید امنیتی بالقوه از سوی افراد غیر مجاز وجود دارد یا خیر. اقدام هوشمندانه
هنگامی که تمامی دادهها برای دستیابی به جزییات بیشتر جمعآوری شدند، سیستمهای پیشبین، برای تعیین سطح امنیتی یک موقعیت تهدید آمیز تمام اطلاعات موجود را تجزیه و تحلیل میکنند. همزمان سیستم اطلاعات موجود را با دوربینهای هوشمند، سیستمهای کنترل دسترسی، سیستم مدیریت حوادث و سایر منابع اطلاعاتی تطبیق میدهد و با ایجاد یک پروفایل از رفتار طبیعی یا غیر طبیعی، از آن برای تحلیل وقایع مشابه در آینده استفاده میکند.
اطلاعات به دست آمده از تقویم داخلی مجموعه ممکن است نشان دهد که جمعیت مورد بحث در حال برگزاری یک جلسه آموزشی از پیش تعیین شده بودهاند. ممکن است تجزیه و تحلیل سیستم شمارش افراد و سیستم تشخیص چهره و مطابقت آنها با اطلاعات به دست آمده از سیستم کنترل دسترسی نشان دهد که تمام افراد حاضر مجاز به حضور در آن جمع هستند و تفاوت موجود در تعداد افراد حاضر و تعداد کارتهای ثبت شده به خاطر ورود پشت سر هم افراد بوده است. در این صورت، میتوان یک ایمیل به تمام کارکنان ارسال کرد و قوانین امنیتی شرکت را به آنها یادآوری کرد.
با این حال، اگر افراد غیر مجاز در یک محدوده حضور داشته باشند، مامورین امنیتی به این مکان اعزام میشوند تا از قصد و منظور جمع شدن این افراد مطلع شوند و همچنین اطمینان حاصل شود که مطابق با قوانین امنیتی این افراد از محدوده غیر مجاز اخراج شوند. همزمان میتوان مدارک دسترسی فیزیکی حاضرین در منطقه را به طور موقت غیر فعال کرد تا خطر سرقت اطلاعات و داراییها کاهش یابد. علاوه بر اینها، دوربینهای هوشمند میتوانند از تجزیه و تحلیل تصاویر برای تعیین اینکه آیا موارد مشکوک از منطقه حذف شدهاند استفاده کنند.
همانطور که در مثال بالا توضیح داده شد، دوربینهای هوشمند نقش مهمی در فرایند تحلیل پیشبین بازی میکنند. سیستمهای امنیتی و نظارتی یکپارچه، مجهز به سیستمهای تجزیه و تحلیل تصویری قدرتمند میتوانند برای بهبود امنیت، کاهش میزان خطر، کاهش میزان تقلب و همچنین تبدیل کردن عملیاتهای امنیتی سنتی از یک فعالیت واکنشگر به فعالیتی کنترل‌گر به شرکتها کمک کنند. دستاوردهای برآمده از هر رویداد، کارکنان امنیتی را قادر می‌سازد تا از موقعیت‌های بالقوه خطرناک قبل از رخ دادن جلوگیری کنند.
