En känslig balans: Skydda integritet samtidigt som allmän säkerhet säkerställs genom Edge AI

I vår moderna era står samhällen inför flera nya hot mot allmän säkerhet: ökande urbanisering, ökade brottsnivåer och hotet från terrorism. När man hanterar kombinationen av begränsade resurser för lagföring och växande städer, blir utmaningen att säkerställa allmän säkerhet ännu svårare. Framsteg inom tekniken har möjliggjort övervakningsenheter och kameror för att göra offentliga utrymmen säkrare – men detta sker ofta till en kostnad.

Med en installerad bas på nästan 600 miljoner övervakningskameror, har Kina nästan en kamera per två personer, och utanför Kina är de mest övervakade städerna Delhi, Seoul, Moskva, New York och London. Medan detta är fördelaktigt för allmän säkerhet, medför denna ökning av övervakning en betydande kostnad: urholkning av personlig integritet. Många individer värdesätter sina rättigheter att förbli anonyma och fria från konstant övervakning, och tanken att “Storebror” övervakar kan skapa konflikter mellan säkerhet och integritet, vilket leder till häftiga debatter mellan beslutsfattare.

Artificiell intelligens-teknik för förbättrad allmän säkerhet

Nyligen har kameror alltmer integrerat artificiell intelligens, vilket spelar en växande roll i allmän säkerhet. Genom att integrera AI i säkerhetssystem på kameranivå eller videohanteringssystemnivå, och inkorporera generativ AI, kan AI vara mycket attraktivt för övervakning av allmän säkerhet.

De vanligaste AI-användningsfallen i övervakningssystem inkluderar perimeter-skydd och åtkomstkontroll. Dessa applikationer utnyttjar AI-uppgifter som objektdetektering, segmentering, videometadata och omidentifiering för att snabbt och exakt identifiera legitima kontra misstänkta eller avvikande personer eller beteende och utlösa svar i realtid.

AI-stödda övervakningssystem kan erbjuda mer nyanserade och sofistikerade funktioner. Med artificiell intelligens kan övervakningssystem inkorporera detektering, identifiering och svar på säkerhetsrelaterade händelser i realtid och med hög noggrannhet. Medan förbättring av säkerhet och säkerställande av allmän säkerhet är en fördel, väcker artificiell intelligens också frågor om dataskydd, där vissa uttrycker oro över möjlig missbruk av personligt identifierbar information. Där stora mängder data inkorporeras är det avgörande att implementera robusta dataskyddsåtgärder.

Molnbaserad AI möter integritetsutmaningar

Molnbaserade AI-lösningar har traditionellt erbjudit kraftfulla bearbetningsförmågor genom att utnyttja centraliserade datacenter, men de erbjuder också vissa sårbarheter för dataskydd.

När data lagras, eller “i vila”, gör centraliserad lagring molnsystem till nyckelmål för cyberattacker. Angripare kan hacka sig in i dessa system, vilket leder till allvarliga dataintrång och potentiell dataexponering. Om datorkapaciteten är decentraliserad och sker vid nätverkens kanter, begränsas intrången till den specifika noden som hackas och ett massivt dataintrång blir svårare. Dessutom måste molnbaserade datorkapacitetssystem följa en mängd dataskyddsregler, vilket pålägger begränsningar för hur rådata kan analyseras, vilket resulterar i begränsade insikter och potentiella rättsliga ansvar. Edge-bearbetning lagrar och överför endast den minimala information som krävs, samtidigt som det fortfarande tillåter djupgående insikter.

Att flytta data till och från molnet till enheter skapar ytterligare sårbarhetspunkter. Genom att avlyssna data under överföring kan hackare exponera känslig information och undergräva systemets säkerhet.

Sammanfattningsvis är ett molndatcenter en enda punkt för fel som, om den påverkas, kan påverka många kameror.

Edge AI balanserar mellan integritet och säkerhet

Edge AI erbjuder en tilltalande lösning för att hantera dessa utmaningar, bearbetar data lokalt på enheten själv istället för att skicka den till molnet. Om data är distribuerad kan varje system anta olika algoritmer och funktioner, vilket presenterar flera fördelar från integritetssynpunkt.

Genom att bearbeta data på enheten minimerar edge AI-systemet behovet av att överföra känslig information över internet, vilket betydligt minskar risken för avlyssning under överföring. Genom att lagra data lokalt begränsas risken för ett massivt cyberangrepp, eftersom en enda enhet kan komprometteras utan att det påverkar hela nätverket.

Slutligen tillåter edge AI också anonymisering av data på enheten själv. Detta förenklar processen att behålla data som lagras. Data kan sedan lagras på edge-enheten eller i molnet utan att exponera personligt identifierbar information.

Kritiskt sett kan edge AI utformas för att fokusera på specifika händelser. Till exempel kan edge AI programmeras för att identifiera fall av våld eller misstänkt beteende, utan kontinuerlig inspelning av film, vilket hjälper till att upprätthålla integriteten för individer i offentliga utrymmen. Andra verktyg, som bandbreddsgräns, kan säkerställa att videofiler inte skickas kontinuerligt till molnet, vilket minskar risken för dataintrång och bevarar individens integritet.

Men för att edge AI ska vara effektivt som ett säkerhetsverktyg måste det vara både effektivt och kraftfullt, kunna förbli kostnadseffektivt och energisnålt samtidigt som det bearbetar komplexa algoritmer snabbt. AI-hårdvara, inklusive Hailos specialiserade AI-processorer och lågkraft, högpresterande chip, gör detta möjligt.

Edge AI presenterar en lovande lösning för utmaningen att balansera allmän säkerhet med personlig integritet. Genom att bearbeta data lokalt och pålägga inbyggda begränsningar för dataöverföring och lagring minskar edge AI de risker som är förknippade med molnbaserade system. När dessa tekniker fortsätter att utvecklas kommer edge AI att spela en avgörande roll i att skapa säkrare offentliga utrymmen samtidigt som de respekterar individernas rätt att förbli anonyma, inte bara förbättrar säkerheten utan också bygger förtroende för system som är utformade för att skydda oss.