השימוש באינטליגנציה מלאכותית וניתוח וידאו לשיפור האבטחה
אייג’נט וידאו אינטליג’נס ) Agent Vi (, חלוצה בתחום טכנולוגיות של ניתוח וידאו, מובילה את התעשייה עם שחרורם של מוצרים מבוססי למידה-עמוקה ) Deep Learning (, אשר מיושמים אצל לקוחות לא רק בצורה מקומית, אלא גם כשירות “ענן” SaaS( (. לקראת כנס האבטחה הרביעי של ישראל, ערכנו ראיון עם אריאל פרישוף, סמנכ"ל מכירות אירופה, אפריקה ואסיה בחברת Agent Vi Intelligence
במציאות של היום, מקבלי ההחלטות עומדים בפני לחץ עולה וגובר לתת מענה מקסימלי לבעיות הבטחון השוטף בארגונים בראשם הם עומדים. ההשקעה בטכנולוגיות של ניתוח ווידאו, הינה ללא ספק, דרך אפקטיבית להשיג יעד זה של זיהוי, מניעה וניהול איומים ביטחוניים ובטיחותיים. מערכות ניתוח ווידאו מנטרות מצלמות אבטחה באופן אוטומטי ויעיל בהרבה ממערך המבוסס על מערכות ידניות הנסמכות על כח אדם יקר, ויעיל פחות. Agent Vi נמצאת בשוק זה כבר כ 15- שנים, ומוכרת את מוצריה ברחבי העולם. בשנים האחרונות, ביצעה החברה צעדי ענק בפיתוח ישומיי ניתוח ווידאו המבוססים על אינטליגנציה מלאכותית AI( (. דור המוצרים החדש, אשר משתמש בטכנולוגיות למידה עמוקה) תת-קטגוריה של AI (, מעלה בצורה דרמטית את הדיוק של המערכת, את יכולתה לקטלג בצורה ברורה יותר סוגים שונים של אובייקטים, וכתוצאה מכך, מפחיתה בצורה משמעותית את רמת התרעות השווא – עקב אכילס של מערכות ניתוח ווידאו רבות. ההתכנסות של טכנולוגית Deep Learning לתוך עולמות ניתוח הווידאו מאפשרת יצירת פתרונות ניתוח אוטומטיות אשר יכולות לא רק לנתח ווידאו מוקלט בדיעבד לשם תיחקור האירוע, אלא גם יכולת ניבוי ומניעה של אירועים שונים טרם התרחשותם. כתוצאה מכך, פתרונות אלה, באמצעות אוטומציה של הפונקציות הללו, משמשים ככלי רב עוצמה לתגובה מהירה בעת תחקור אירוע ביטחוני, ואף ניהול אקטיבי בזמן אמת של האירוע. במקביל למהפיכה של תחום הלמידה העמוקה והאינטליגנציה המלאכותית, אנו עדים בשנים האחרונות לתמורות באופן שבו חברות קונות ומשתמשות במוצרי תוכנה, ממערכות המוטמעות בשרתי הארגון )התקנות מקומיות( למערכות המנוהלות ב”ענן” וניתנות כשירות. השינוי הזה הוא תוצאה של מספר תועלות חשובות הנובעות מקבלת שירותי מיחשוב בענן, וביניהן: הפחתה משמעותית בעלות הכוללת של המערכת ) TCO (, עלות חדירה ראשונית נמוכה, תמיכה טכנית ושידרוגים כחלק בלתי נפרד מהשירות. כל אלה, יצרו עבור חברות וארגונים, מוטיבציה גבוהה לעבור ממערכות מקומיות ויקרות למערכות מיחשוב מבוססות “ענן”.
עד כה, החסם המרכזי בפיתוח והטמעה של מערכות ווידאו בכלל, וניתוח ווידאו בפרט, כפתרונות “ענן” היה הדרישה והכורח לשדר ווידאו באיכות גבוהה לשרתי הווידאו. הדבר יצר תלות גבוהה מאד ברשתות התקשורת, והעלויות הגבוהות הכרוכות בכך פשוט מנעו מטכנולוגיות אלו לחדור לשוק. החסם הזה עוד מועצם כשבאים להטמיע טכנולוגיות Deep Learning , אשר דורשות כח עיבוד חישובי גבוה במיוחד, ונשענות על מאיצים גראפיים ) GPU ( יקרים הקיימים רק בסביבות של שרתי מיחשוב יקרים. Agent Vi הצליחה לפתור את הסוגיה הזו באמצעות ארכיטקטורת חישוב מבוזר ייחודית ומוגנת פטנט, אשר הינה אידאלית בסביבות רשת מבוססות “ענן”. ארכיטקטורה זו מאפשרת את ביזור מטלת עיבוד האות בין יחידת קצה ובין שרת, תוך הפחתה דרמטית של כמות המידע הזורם בין שני הקצוות. הדבר מאפשר עלייה של פי 20 ויותר בכמות המצלמות שניתן לעבד על שרת האנליטיקה, תוך שימוש באותו רוחב פס תקשורתי. בנוסף, מאפשרת ארכיטקטורה זו ניצול יעיל יותר של כרטיסי ה- GPU שבשרתים, ומאפשרת למערכת לנתח מידע רב יותר על כמות נתונה של חומרה. בצורה זו, ניתן לספק בצורה קלה ויעילה מערכות ניתוח ווידאו כשירות במודל של .SaaS השירות של ™innoVi ,Agent Vi , מיושם על גבי תשתית הענן של אמזון, ,AWS המספקת מערכת כלים מקיפה המאפשרת גמישות מירבית ויכולות ניהול והרחבה רב-מערכתית כגון: מנגנון ניהול כלל השירותים הנלווים של השירות, הבטחת שמירה ויתירות המידע וכמו כן מתן שכבת הגנה מירבית מפני התקפות סייבר. מערכות אלה מתוחזקות ומנוטרות ברמה היומיומית על מנת לזהות נסיונות חדירה זדוניות למערכות הארגון.
Agent Vi הפכה לחברה הראשונה בעולם אשר השיקה מוצר מסחרי המבוסס על טכנולוגיית למידה עמוקה, עם שחרורו של ,innoVi Remote Guarding כשירות SaaS במרץ 2016 . השנה השיקה Agent Vi דור שני של המוצר לשוק הארגוני והמוסדי, ,innoVi Enterprise אשר נועד לתת מענה להתקנות קטנות וגדולות כאחד. ההתקנה של innoVi מתבצעת בקלות באתר הלקוח באמצעות חיבור של המצלמות ליחידת קצה – innoVi Edge -אשר מתקשר עם המצלמות בפרוטוקול ONVIF או RTSP ובכך הופך אותן ל”חכמות”. המערכת מאפשרת הגדרות פשוטות של חוקי אנליטיקה, ללא כל צורך בתהליך הטמעה והגדרת חוקים ארוכה ומורכבת, כאשר המערכת כולה מתעדכנת ברציפות ומוגנת מבפני התקפות סייבר. בנוסף, הארכיטקטורה המבוזרת של ,innoVi מאפשרת גידול של מספר המצלמות המחוברות לשירות מבלי שהלקוח יצטרך להשקיע זמן מיותר בהגדרת כל יחידת קצה או מצלמה. innoVi מביא לידי ביטוי בצורה הברורה ביותר את היתרונות לגודל של תשתית עננית: עלויות החומרה, אחסון, כוח חישוב, שדרוג ותחזוקה, כל אלה נעשים על ידי Agent Vi , והעלות ללקוח,
כתוצאה מכך, יורדת בצורה משמעותית, ומאפשרת שימוש בהוצאות תפעוליות Opex( ( לעומת הוצאות הון ) ,)Capex דבר המהווה יתרון משמעותי למקבלי ההחלטות בארגון בעבור פרוייקטים ארוכי טווח גדולים ומורכבים. מנקודת מבטו של קצין הבטחון הארגוני, השימוש בטכנולוגיות AI ו- Deep Learning , מפשט את כל תהליך ההטמעה )מחודשיים.. – לימים אחדים( לעומת מערכות וידאו נפוצות אחרות. בנוסף, השימוש בטכנולוגיות אלו פָּתַח פֶּתַח נרחב לשימוש במידע שהאלגוריתם מייצר עבור כל אובייקט, וזאת לשימושים אחרים, מעבר לביטחון שוטף, כגון: ייעול תנועת אנשים/רכבים ברחבי העיר, ניהול קהל אדם נרחב, שליטה וניהול של מערך התברואה של העיר, ואיסוף נתונים לצורך ייצור וניתוח דוחות סטטיסטיים על הנעשה בסביבת הלקוח. מנוע האנליטיקה מבוסס AI מאפשר תיוג מדוייק ביותר של אובייקטים שונים ואבחנה בין סוגי מטרה שונים, כגון: אדם, רכב, אופנוע, אופניים, משאית, אוטובוס, וחפצים נייחים כמו תיקים ומזוודות. בנוסף לתיוג האובייקטים, המערכת אוספת נתונים ספציפיים על האובייקט, כגון: גודל, צבע, מיקום גיאוגרפי, מהירות וכיוון התנועה של האובייקט ועוד. ניתוח ויצירת המידע העשיר על כל אובייקט ואובייקט )מה שקרוי “מטאדאטה” – ,)Metadata מוסיפים נדבך נוסף המאפשר ל innoVi לייצר תובנות עמוקות על המתרחש במצלמות האבטחה, ולספק מידע רלוונטי ללקוח, הן בזמן אמת )התרעות על אירועים( והן בדיעבד )תיחקור אירועים ויצירת מידע סטטיסטי(. השימוש במערכת מרכזית, מאפשרת אינטגרציה של נתונים ממצלמה למצלמה, דבר המאפשר הבנה רוחבית של כלל מערך האבטחה של הלקוח, כאשר ניתן לתייג ולעקוב אחרי אובייקט מסויים על פני כל המצלמות המחוברות למערכת.
6 שאלות שיש לשאול כשבאים להטמיע מערכת מבוססת בינה מלאכותית
השימוש במוצרי ניתוח וידאו מבוססי AI הוא לא המטרה – זהו אמצעי. כשבוחנים פתרונות אנליטיקה שונים, המשתמש חייב לקחת בחשבון האם הפתרון המוצע פותר את הבעיה הספציפית עימה הוא מתמודד, את נסיון העבר של החברה המציעה את הפתרון, את רמת הדיוק למול רמת התרעת השווא שהמערכת מייצרת, את יכולת ההתרחבות העתידית של המערכת, זמן ההטמעה של המערכת, עלות התשתית ובסופו של דבר את עלות השימוש הכוללת ) .)TCO השאלה הראשונה שצריכה להישאל ולקבל מענה בהיר ככל שניתן היא: מהי הבעיה אותה אני מנסה לפתור באמצעות ניתוח וידאו? ברגע שהבעיה )או הבעיות(מוגדרת היטב, ניתן להתחיל לבדוק איזה פתרון, מבין כל הפתרונות המוצעים, מתאים לי במיוחד.
שאל את עצמך את השאלות הבאות:
1 .1 האם יש לפתרון המוצע נסיון מוכח
בפתרון הבעיה הספציפית שלי?
2 .2 לאיזה רמות דיוק עליי לצפות?
3 .3 האם המערכת המוצעת תוכל
להתרחב בקלות ככל שהפרוייקט
שלי יתקדם ויתפתח?
4 .4 כמה מאמץ )וכסף( נדרש על מנת
שהפתרון המוצע יוטמע בסביבה
שלי?
.5 מהי תשתית החומרה הדרושה?
6 .6 מהי העלות הכוללת של הפתרון
המוצע?
דגשים ליכולות של innoVi זיהוי והתרעה של אירועים בזמן אמת
– היכולת לזהות מגוון אירועים ולהתריע
עליהם, כגון:
– חדירה למתחם מוגן
– תנועה של אדם ו/או רכב לשטח
סטרילי
– הזדנבות של אנשים/רכבים מבעד
לנקודות כניסה
– מכשולים בנתיבי תחבורה
– רכבים חונים באיזורים אסורים לחנייה
– פגיעה/הסרה של נכסים נייחים
לדוגמא: פסל, תמונה וכו’(
– התקהלות והתקבצות של אנשים
– שוטטות
ועוד..
אריאל פרישוף ירצה במסגרת המושב הטכנולוגי של כנס האבטחה של ישראל אשר יתקיים בתאריך .26.03.19
