人工智能带来了一个新的效率时代，但它也带来了一系列独特的挑战。安防行业应该如何适应?
HID高级副总裁兼首席技术官 Ramesh Songukrishnasamy
安防行业陷入了一场永无止境的猫捉老鼠的游戏中：当安防技术人员开发出新的解决方案以保护人员、场所和物品时，恶意行为者也会采用同样复杂的技术进行适应和反击。这种持续的挑战要求安防行业不断创新和完善方法，确保它们始终领先于不断变化的威胁。
如今，随着人工智能(AI)在很大程度上改变了人们执行日常任务的方式，这一要求也越来越高。
对于安防行业而言，人工智能兼具优势和挑战，但人工智能的分析能力应该被视为加强身份管理的唾手可得的成果。身份分析有可能利用人工智能去研究来自四面八方的数据，以迅速揭示人无法看到的趋势、模式以及异常现象。
事实上，根据HID发布的《2024年安防趋势报告》，其中调查了包括全球的2600名终端用户和行业合作伙伴(安装商，集成商和原始设备制造商)，有35%的终端用户表示他们将在未来三到五年内测试或采用一些人工智能功能。在中国，人工智能应用也驶入发展的“快车道”，根据中国信息通信研究院公布的数据显示，2022年中国人工智能核心产业规模达5080亿元，同比增长18%；初步统计，2023年规模达到5784亿元，增速达13.9%。[i]
案例应用热潮
有前景的案例应用包括将先进的人工智能机器学习功能嵌入到产品中，或者应用人工智能分析来发现内部业务流程中的差异——无论是优化客户服务、技术支持等应用程序的性能，还是在问题爆发之前帮助发现问题。根据调查，只有22%的终端用户表示正在使用人工智能来优化安全程序中威胁检测和预测的准确性。但其中44%的人表示，最大的用途是数据分析。
此外，大型语言模型（LLMs），如谷歌的 Gemini 或 ChatGPT，为用户体验提供了一种革命性的、本土化的、细节化的方法。在中国，从电商、搜索，到对话、产业场景，人工智能大模型正逐步落到应用层面。未来，随着技术不断迭代更新，应用场景将更加广泛。[ii]这些模型通过快速学习来适应当地的风俗习惯和偏好，从而实现个性化的用户体验。想象一下，在一家全球性公司里，客户可以直接用自己的母语访问信息，且无需翻译。LLMs 可以让用户自然地表达自己的想法，而系统则通过无缝地进行调整，进而实现这一目标。这不仅赋予了全球客户更多权益，还为聊天机器人和协同机器人等先进的人工智能工具铺平了道路。
为此，聊天机器人和协作机器人正变得越来越先进。与十年前听起来像机器一样的老式聊天机器人不同，如今的聊天机器人可以模仿人类对话，并具有人性化的触感。这些人工智能工具可以帮助内部和外部用户更快地找到信息。例如，寻求技术援助的客户可以使用聊天机器人，而专业支持人员则可以利用协作机器人帮助他们完成任务并收集相关数据和资源。
人工智能在开发新用户界面方面的作用，也已成为许多行业和应用的一个前景广阔的领域。以生成式AI为代表的人工智能，将是产业创新和经济增长的动力引擎之一。尤其是人工智能技术的突破性发展，将有效带来开拓性创新，为产业经济创造新市场、新客户、新产品和新服务提供想象力和可能性。[iii]因此，用户现在可以通过简单地与设备对话并告诉他们想要什么来与设备交互，而不是浏览复杂的菜单。这种转变简化了设备的使用，提供了更直观的用户体验。
生物识别与人工智能
但人工智能最显著的应用也许是生物识别技术。这项技术利用机器学习，通过面部识别、指纹分析和欺骗检测来识别个人身份。复杂的算法对这些任务至关重要。
一种更复杂的生物识别方法是行为建模，它利用机器学习来识别和分析行为和交易模式，从而主动检测异常和潜在的威胁。因此，机器学习在这里扮演着至关重要的角色，它允许安全系统学习并适应独立基线。
此外，将人工智能和机器学习直接嵌入边缘设备(位于更靠近数据收集地点的设备，如机场登机口具有面部识别功能的安全摄像头)，有助于实时异常检测和更有效地应对威胁。这种从被动安全到主动安全的转变表明了该领域的重大进步。
调查显示，许多安防领域的公司已经在朝这一方向发展：除了分析技术外，11% 的公司表示正在使用支持人工智能的 RFID 设备，15% 的公司正在使用支持人工智能的生物识别技术，18% 的公司使用支持人工智能的物理安全解决方案。
人们已经开始享受眨眼间就能完成身份验证的便利性。正如HID报告所指出的，未来几年将有更多的生物识别解决方案融入我们的日常生活，一半的受访者将生物识别技术列为最感兴趣的领域。此外，39%的安装商和集成商表示，他们的一些客户正在使用指纹或掌纹，30%的则表示他们的一些客户正在使用面部识别。
挑战与威胁
但是，由于所有参与者都可以使用任何一项技术，包括不法分子，因此行业也需要面对一些挑战。而且，由于这也是一个技术日新月异的领域，因此必须对其进行持续监控，并在出现新的威胁模式时作出反应。
人工智能依赖于大量数据，而数据带来了一个重大挑战：偏见。当数据接纳了偏见时，安全系统中的特定结论和结果就会出现偏差，从而为不法分子利用这些偏见并躲过防御措施打开大门。从这个意义上说，人工智能的输出结果应被用作指导，而不是决定性的结果。
除了解决数据偏见之外，稳健和合乎道德的数据管理实践也至关重要。
如何确保数据不被滥用？我们如何收集数据？如何维护数据？发现异常时，我们如何丢弃数据？我们如何回过头来调整模型，从而确保模型继续准确地进化？
这意味着对数据来源要一丝不苟，确保数据收集的目的清晰明确，并保持对数据主体的透明度。
不断变化的监管环境使情况更加复杂。在全球范围内，有关数据隐私和人工智能使用的法规仍在不断涌现，但不同地区的法规差异很大。这给安全专业人员带来了一个复杂的局面，因为他们必须在不同的市场中驾驭这些法规。而无法预测的未来的法规又为他们增加了一层复杂性。
安防行业致力于保护人员、场所和事物的安全，因此人工智能革命的时机已经成熟。这并不意味着人工智能将淘汰人员和工作，它将作为一种强大的工具，帮助人们提高生产力，减少错误，并帮助他们在风险发生之前识别风险。
毫无疑问，虽然人工智能将渗透到安防行业，但它的实施很可能是战略性的。对于需要人工判断、互动或更高ROI的任务，传统的安全实践可能仍然存在。从本文中讨论的不同任务和案例应用来看，人工智能将提高效率，并打开一个充满可能性和挑战的新世界。而这也是让猫和老鼠高度兴奋的游戏。
本站部分文章来自互联网，文章版权归原作者所有。如有疑问请联系QQ：3164780！
