Als Branche, in der künstliche Intelligenz bereits Marktraum hat, hat die Sicherheitsbranche ein klareres Verständnis und einen dringenderen Bedarf für die Entwicklung künstlicher Intelligenz. Künstliche Intelligenz fördert die dritte Entwicklung der Sicherheitsbranche nach High-Definition und Vernetzung. technologischer Wandel.
Vor dem Hintergrund der rasanten Entwicklung der künstlichen Intelligenz hat die Sicherheitsbranche eine neue Reise der Intelligenz rund um KI angetreten. Wie ist auf dieser Reise der Entwicklungsfortschritt der intelligenten Sicherheit?
Edge Computing bezieht sich auf Am Rande des Netzwerks, in der Nähe der Quelle von Dingen oder Daten, bietet eine offene Plattform, die Netzwerk-, Computer-, Speicher- und Anwendungskernfunktionen integriert, Edge-Intelligence-Dienste in der Nähe, um die Anforderungen der Branchendigitalisierung in agilen Verbindungen und in Echtzeit zu erfüllen Dienste, Datenoptimierung, Anwendungsintelligenz, Sicherheit und Datenschutz. Unter Edge Computing versteht man in einem Satz Rechenvorgänge, die am Rande nahe der Datenquelle ausgeführt werden.
Mit der kontinuierlichen Weiterentwicklung der Technologie ist das Konzept der „Edge Intelligence“ entstanden, wie es die Zeit erfordert. Es schlägt ein neues Modell vor: Es ermöglicht jedem Edge-Gerät im Internet der Dinge, Daten zu sammeln, zu analysieren und zu nutzen Berechnung, Kommunikation und vor allem Intelligenz. Das neue intelligente Edge Computing nutzt auch die Möglichkeiten des Cloud Computing. Es nutzt die Cloud, um Edge-Geräte in großem Maßstab sicher zu konfigurieren, bereitzustellen und zu verwalten, und kann intelligente Funktionen je nach Gerätetyp und Szenario zuweisen, sodass Intelligenz möglich ist Integriert zwischen der Cloud und dem Edge. Wechseln Sie zwischen Räumen und holen Sie sich das Beste aus beiden Welten.
Edge Intelligence ist zu einem allgemeinen Trend geworden. Mit dem Aufkommen des Zeitalters des „Internet of Everything“ ist die Menge an Bild- und Videodaten, die von Front-End-Geräten im Bereich Computer Vision generiert werden, enorm unbegrenzte Bandbreitenanforderungen und Echtzeitanforderungen für den Kommunikationsdruck. Dies erfordert die Bereitstellung von Edge-Intelligence-Diensten in der Nähe und die schrittweise Verlagerung der Rechenleistung oder Inferenzfunktionen der künstlichen Intelligenz von der Cloud an den Edge, was dazu beitragen wird, den Druck auf Übertragungsverbindungen zu verringern.
Als natürliches Übungsgelände und Anwendungsfeld für künstliche Intelligenztechnologie hat die Sicherheitsbranche einen dringenden Bedarf an der Implementierung von künstliche Intelligenz. In den letzten Jahren hat mit dem Aufkommen von „Gehirnen“ wie „Stadtgehirn“, „Verkehrsgehirn“ und „Polizeigehirn“ die Deep-Learning-Technologie künstlicher Intelligenz in Kombination mit mehrdimensionaler Wahrnehmung die Weiterentwicklung von AI-City vorangetrieben.
Die Hauptforschungsbereiche des Deep Learning sind Spracherkennung und Sehvermögen, und die Anwendung von Deep Learning in verschiedenen Richtungen kann in verschiedenen Bereichen zu unterschiedlichen technologischen Innovationen führen. Für die Sicherheitsbranche, die viele Videobildressourcen beherrscht, ist die Kombination aus Deep Learning und Sicherheit relativ hoch, d. h. die Analyse von Bildern und Videos, einschließlich: Bildanalyse, Textverarbeitung;
Deep Learning in der Sicherheitsbranche konzentriert sich hauptsächlich auf vier Hauptbereiche: Volumenanalyse, Fahrzeuganalyse, Verhaltensanalyse und Bildanalyse. Mit Durchbrüchen bei Deep-Learning-Algorithmen haben intelligente Analysetechnologien wie Zielerkennung, Objekterkennung, Szenensegmentierung sowie Charakter- und Fahrzeugattributanalyse bahnbrechende Fortschritte gemacht.
In der Sicherheitsbranche können Chips sein Es wird gesagt, dass die Sicherheit ohne den „Kern“ zwangsläufig unvollständig ist, vom Front-End bis zum Back-End, von der Übertragung über die Aufzeichnung bis zur Speicherung.
Der Bereich der Sicherheitsvideoüberwachung verfügt über riesige Datenmengen, die genügend Szenarien für Deep-Learning-Training bieten können. Darüber hinaus ist die Entwicklung intelligenter Algorithmen in den letzten Jahren auf massive Big Data angewiesen und hat wichtige Erfolge erzielt in der Spracherkennung und im Sehvermögen, die schnellere Iterationen ermöglichen. Die Implementierung künstlicher Intelligenz im Sicherheitsbereich erfordert Verarbeitungschips mit ausreichender Rechenleistung. Auf Chipebene gibt es jedoch keinen Sicherheitsanwendungschip für künstliche Intelligenz, der die tatsächlichen Anforderungen vollständig erfüllt.
Obwohl künstliche Intelligenz einige Bluestone-Brücken fertiggestellt hat, die Menschen nicht bewältigen können, ist die groß angelegte Anwendung künstlicher Intelligenz noch nicht erfolgt Intervention zur Unterscheidung zwischen sehr ähnlichen Objekten.
Ausgehend von tatsächlichen Fällen können beim Extrahieren eines Videos einer einzelnen Szene durch die Suche nach Bildern die zugehörigen Bilder schnell aufgedeckt und auf dieser Grundlage die Flugbahn des Verdächtigen ermittelt werden. und schließlich das Ziel gesperrt. Experten wiesen jedoch offen darauf hin, dass dieser Prozess auf Algorithmen der künstlichen Intelligenz beruht und sich nur schwer von der Analyse und Beurteilung durch Video-Ermittler trennen lässt.
Fazit: Heutzutage ist die Sicherheitsbranche in die Ära der Datenexplosion eingetreten, die herkömmlichen intelligenten Algorithmen nicht mehr möglich ist Erfüllen Sie die Anforderungen des Deep-Level-Data-Value-Mining. Die Vertiefung und Vertiefung der Forschung im Bereich der künstlichen Intelligenz hat mehr Veränderungen in der Sicherheitsbranche mit sich gebracht als gedacht, und es gibt immer mehr Anwendungsszenarien, in denen sie eine Rolle spielen kann.
Das obige ist der detaillierte Inhalt vonKünstliche Intelligenz ist auf dem Vormarsch. Wie ist der Entwicklungsfortschritt der intelligenten Sicherheit?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!