Содержание статьи
В России всё чаще обсуждают видеокамеры со встроенным ИИ как альтернативу полноценным серверным решениям видеоаналитики. За кажущимся удобством «умных» камер скрываются риски. Разберёмся, можно ли доверить им безопасность и сложные задачи предприятия.
Защита данных
Использование камер со встроенной аналитикой создаёт несколько опасностей. Перехватив информацию с такого устройства, злоумышленник получит не только видеозапись, но и другие данные:
- нарушения, зарегистрированные системой;
- статистику активности людей в контролируемой зоне;
- другую конфиденциальную информацию.
Если бы злоумышленник получил доступ только к видеопотоку, последствия взлома были бы менее тяжёлыми. Поэтому при использовании «умных» камер защищать от киберпреступников приходится каждое устройство.
Пример 1. В 2021 году Verkada стала жертвой хакерской атаки: злоумышленники получили доступ к тысячам камер в больницах, тюрьмах и полицейских участках. К счастью, это были обычные камеры, и компрометация касалась данных доступа. Будь это «умные» камеры, атакующие потенциально могли бы получить чувствительную информацию о бизнесе.
Пример 2. В 2022 году была зафиксирована атака на сеть «умных» камер в торговом центре. Атакующие получили данные о посещаемости и времени присутствия охраны.
Серверное решение
Серверное решение в этом случае значительно менее затратно. Если все данные хранятся на сервере, нет необходимости защищать каждую камеру: достаточно обеспечить защиту самого хранилища.
Например, компания может использовать защищённый сервер с современными методами шифрования для хранения и обработки данных — это значительно упрощает управление безопасностью системы.
Сейчас в мире активно внедряется 5G, а вскоре начнёт распространяться 6G. Эти протоколы предполагают возможность передавать видеопоток из любой точки, где доступна соответствующая сеть. Обработка данных на камере становится избыточной и непрактичной. Кроме того, она значительно усложняет инфраструктуру: следить за обработкой потоков на каждой камере и менять, например, веса нейросети на каждом устройстве может превратиться в кошмар.
Только простые сценарии
Особенности «умных» камер делают невозможным использование сложных сценариев. Такие устройства трудно объединить в единую модель со сложной бизнес-логикой, которая принимает решения по данным нескольких камер.
Например, в супермаркете система на «умных» камерах может не справиться одновременно с отслеживанием поведения покупателей, анализом тепловых карт перемещений и выявлением краж. Серверное решение объединяет данные разных источников и обеспечивает комплексный анализ.
Нейросетевые модели в камерах — значительно упрощённые версии популярных открытых моделей, часто не самые новые. Перейти на более актуальную версию невозможно: вычислительная мощность встроенных чипов существенно ниже той, которая нужна современным моделям.
Таким образом, через 2–3 года «умные» камеры превращаются в обычные: они уже не могут поддерживать современные технологии. Любая сложная аналитика по данным нескольких устройств или дополнительных источников, например АСУ ТП, всё равно предполагает серверную обработку.
Скорость обработки данных
Когда речь идёт о критических сервисах обработки видеопотока, на первый план выходит скорость. Использовать камеры со встроенным ИИ в этом случае нелогично: существуют более современные нейросетевые модели, которые работают быстрее и точнее.
Пример: при аварийной ситуации на производстве необходимо немедленно остановить оборудование, чтобы минимизировать ущерб. Серверное решение с современными моделями ИИ обеспечивает более быстрое и точное распознавание критических событий.
Если нужно остановить оборудование, чтобы минимизировать ущерб при аварии, мы рекомендуем EDGE-устройства в системах видеоаналитики. Камеры можно подключать к ним напрямую, не по IP-протоколу. Слабые модели внутри камер часто дают много ложных срабатываний, из-за которых оборудование останавливается без необходимости. EDGE позволяет избежать задержек передачи видеопотока и использовать самые современные модели видеоаналитики. К одному EDGE-устройству можно подключить несколько камер — число зависит от модели устройства. Так оптимизируются затраты на внедрение.
Решение VizorLabs в одной локальной сети — например, при 100 камерах в цехе — обеспечивает очень быструю реакцию на инцидент: 0,2 секунды. И это без потери точности детектирования, которая достигает 99%.
Низкая эффективность и дополнительные расходы
Оборудование внутри камер быстро устаревает. Вполне возможно, что новые, более совершенные модели анализа видео не смогут работать на таких устройствах.
Например, в 2019 году многие компании столкнулись с устареванием камер и необходимостью значительных инвестиций в модернизацию инфраструктуры. Серверное решение позволило бы просто обновить программное обеспечение центрального сервера.
Нередко обновления на «умные» камеры вообще нельзя установить. Но даже если такая возможность предусмотрена, обновить модель на сервере гораздо проще, чем на всех камерах. Современные нейросети используют архитектуры, которые устройства со встроенным ИИ поддерживают не всегда.
Чем больше сложных устройств у заказчика, тем сложнее и дороже их обслуживание. Намного практичнее использовать недорогие, но надёжные IP-камеры и один сервер видеоаналитики, чем сотни дорогих «умных» камер, у каждой из которых свой характер. У большинства заказчиков видеонаблюдение уже развёрнуто. Замена устройств на «умные» камеры — неоправданные расходы. Поэтому мы советуем профессиональные решения, а не «игрушки», качество которых оставляет желать лучшего.
Что дают мультимодальные LLM в централизованной видеоаналитике
Мультимодальные большие языковые модели открывают дополнительные возможности, особенно в централизованных системах. Они обрабатывают не только видео, но и текстовые описания и аудиозаписи, существенно расширяя функциональность.
Например, в интеллектуальной системе наблюдения аэропорта LLM могут анализировать изображения, распознавать речь и обрабатывать текстовую информацию — данные билетов и паспортов. Это позволяет построить комплексную систему безопасности, которая эффективнее выявляет потенциальные угрозы.
Мультимодальные LLM могут:
- обрабатывать данные камер, микрофонов и других датчиков;
- объединять информацию разных источников для более точного анализа;
- использовать текстовые данные для лучшего понимания контекста изображения.
Главные выводы
- «Умные» камеры со встроенным ИИ создают значительные риски защиты данных.
- Серверные решения эффективнее с точки зрения безопасности и управления.
- Камеры ограничены в обработке сложных сценариев.
- Серверные решения обеспечивают более высокую скорость и точность.
- Оборудование внутри камер быстро устаревает, создавая дополнительные расходы.
- Мультимодальные LLM дают централизованной видеоаналитике новые возможности комплексного анализа.
Камеры со встроенным ИИ могут казаться удобными, но с точки зрения безопасности, гибкости и эффективности серверные решения остаются предпочтительнее. Мультимодальные LLM делают их ещё мощнее и универсальнее.
