Menadžment sigurnosti Softveri

AI rješava problem neefikasne sigurnosti

Kakav sistem zamišljaju sigurnosni menadžeri? Možda je to sistem koji nudi poboljšanu sigurnost uz jednostavno rukovanje i veću praktičnu upotrebljivost. Mi smo otkrili da vještačka inteligencija ove snove sigurnosnih menadžera sada može pretvoriti u stvarnost

Piše: Seongbin Choi, direktor Istraživačko-razvojnog centra, Suprema Inc.; E-mail: sales_eu@supremainc.com

 U TV seriji Knight Rider sistem nazvan KITT sluša naređenja i pronalazi najbrže rute, dok Airwolf otkriva i prepoznaje sve vrste letjelica. Ovo su izmišljene mašine poznate onima koji su odrastali u kasnim 80-im. U to vrijeme ljudi su o KITT-u i Airwolfu razmišljali kao o proizvodima koji postoje samo u fikciji. Međutim, nekih 30 godina kasnije navigacijski sistemi zasnovani na prepoznavanju glasa i proizvodi za prepoznavanje objekata pomoću slika sada se nalaze svuda oko nas. Prihvatali mi to ili ne, ovaj svijet je u protekle tri decenije pretvorio maštu u stvarnost.

Pokretač promjena

Vještačka inteligencija se prvi put pojavila 1950-ih, nakratko je oživjela 1980-ih, a zatim ponovo pala u zaborav. No, krajem 2000-ih vratila se na scenu i postala pokretač IT industrije. Vještačka inteligencija treba sveobuhvatne podatke za svoju obuku, ali takvi podaci nisu bili dostupni do ovog vremena. Stvari su se počele mijenjati širenjem interneta, pametnih telefona, a zatim i usluga zasnovanih na cloudu. Internet i pametni telefoni omogućili su prikupljanje podataka iz neograničenih izvora i slanje prema oblaku, dok je pojava interneta stvari ubrzala sam proces prikupljanja. S ogromnom količinom podataka vještačka inteligencija je postigla ono o čemu smo u prošlosti mogli samo sanjati. Fraza “četvrta industrijska revolucija” danas opisuje novi trend i transformaciju čiji je predvodnik industrijska platforma koja se sastoji od IoT-a, pametnih telefona, računarstva u oblaku, podataka i vještačke inteligencije.

Dilema o kontroli pristupa

Pogledajmo samo savremeni sektor kontrole pristupa. Sigurnost bi trebala biti “nepraktična” i “neefikasna” i to je nešto o čemu se svi slažu. Veća sigurnost dolazi s većim brojem procedura, što podiže nivo nepraktičnosti i neefikasnosti za pojedince koji se bave pratećim zadacima. Ista je situacija i u industriji sistema kontrole pristupa. Konvencionalni pristup podizanju nivoa sigurnosti podrazumijeva da hiljadu ljudi slijedi proceduru za otklanjanje problema koji je jedan među hiljadu njih. Balans između sigurnosti i efikasnosti je nepomirljiva dilema za sve menadžere sigurnosti. Kakav sistem, dakle, zamišljaju sigurnosni menadžeri? Možda je to sistem koji nudi poboljšanu sigurnost uz jednostavno rukovanje i veću praktičnu upotrebljivost. Mi smo otkrili da vještačka inteligencija ove snove sigurnosnih menadžera sada može pretvoriti u stvarnost.

Veća praktičnost i sigurnost

Danas možemo efikasno uštedjeti vrijeme i novac praćenjem određene zone s većom vjerovatnoćom od pojave grešaka umjesto praćenja cijele procedure gdje se problem javlja kao jedan od hiljadu. Osim toga, ako možemo predvidjeti potencijalne probleme detekcijom simptoma, onda možemo unaprijediti sigurnost bez žrtvovanja njene praktičnosti i efikasnosti. Takve operacije vođene inteligencijom moguće su kroz obuku AI-ja pomoću velikih skupova podataka. Pretpostavimo da možemo prikupljati podatke o aktivnostima korisnika i obučavati vještačku inteligenciju kroz praćenje individualnog ponašanja i obrazaca.

U tom slučaju možemo prepoznati neobične i neželjene tipove ponašanja i obrasce za koje postoji velika vjerovatnoća da će uzrokovati probleme. Osim toga, ako dođe do problema, AI može prepoznati određene vidove ponašanja i obrasce kako bi unaprijed otkrio nedozvoljenu radnju i spriječio da se problem uopće i dogodi sljedeći put. Ovo je moguće samo ako je AI implementiran i obučen pomoću visokopreciznih podataka o pristupu, ponašanju i lokaciji u oblaku koji se kontinuirano prikupljaju kroz sisteme kontrole pristupa.

Budućnost u lokacijskim sistemima

Jedna stvar koju ovdje treba razjasniti jeste da li je moguće dobiti precizne podatke o pristupu i ponašanju i na koji način. Trenutno većina sistema kontrole pristupa regulira fizički pristup putem autentifikacije/označavanja kao dokaza prisutnosti. No, neke osobe mogu odlučiti da ne uđu u prostor nakon autentifikacije, dok drugi mogu zaobići autentifikaciju tako što će pratiti onoga ko je označen. To znači da je nemoguće dobiti tačne podatke o pristupu i kretanju preko postojećih sistema kontrole pristupa.

Lokacijski sistemi u realnom vremenu (RTLS), međutim, mogu donijeti pravu revoluciju jer ​​omogućavaju tačan pristup i informacije o kretanju. Oni vam omogućavaju da prepoznate slučajeve u kojima se autentifikacija / označavanje zloupotrebljavaju (odustajanje nakon prvog označavanja ili praćenje drugih bez autentifikacije). Kontrola pristupa sa RTLS-om omogućava nam da prikupljamo podatke s tačnošću i kvalitetom koji su dovoljni za obuku AI-ja. Nedavno su se proizvođači pametnih telefona kao što su Samsung i Apple počeli takmičiti kako da na najbolji način iskoriste UWB, jednu od tipičnih RTLS tehnologija. Ako se UWB integriše s mobilnim akreditivima u pametnim uređajima, to se može lako primijeniti i na sisteme kontrole pristupa. U narednim godinama na tržištu će biti dostupni različiti sistemi kontrole pristupa sa RTLS-om i preciznom lokacijskom inteligencijom.

U budućnosti ćemo ostvariti ono o čemu su sanjali mnogi sigurnosni menadžeri: imat ćemo sisteme kontrole pristupa koji predviđaju potencijalne probleme na osnovu tačnih podataka o ulascima i izlascima i tako sprečavaju pojavu problema.

Četvrta industrijska revolucija

Tokom 2018. godine posjetili smo sjedište kompanije Salesforce.com u San Franciscu. Ono što nam je zapalo za oko je baner za njihov softver Einstein, koji pokriva cijelu zgradu, sve od ulaza. Einstein je usluga zasnovana na vještačkoj inteligenciji koja koristi velike podatke kompanije Salesforce.com kako bi klijentima s velikom mogućnošću konverzije i visokom preciznošću predvidjela budući obim prodaje i olakšala im poduzimanje preventivnih mjera. AI se obučava kroz ogromne količine podataka, koji se nazivaju veliki podaci, i po rezultatima nadmašuje ljude, dok usluge u oblaku koje pogoni AI kreiraju novu vrijednost koju lokalna rješenja ne mogu pružiti. Jednostavno rečeno, industrijska revolucija predstavlja preokret u kreiranju razmjenjive vrijednosti. Vidjeli smo kako se mijenja način kreiranja razmjenjive vrijednosti u San Franciscu i to nam je pomoglo da shvatimo zašto se takve promjene zajednički nazivaju četvrtom industrijskom revolucijom. To objašnjava i zašto su eksperti u Supremi, uključujući i autora teksta, posvećeni vještačkoj inteligenciji kako bi poboljšali praktičnost upotrebe i efikasnost proizvoda za kontrolu pristupa u oblaku.

Related Posts

Komentariši

Vaša email adresa neće biti objavljivana. Neophodna polja su označena sa *