Danya Golan 是 Hailo 的营销副总裁，她是一位富有创造力和热情的营销专业人士，拥有超过十年的 B2B 全球营销经验。擅长品牌建设、国际商业发展、上市策略、数字营销、市场研究与分析、战略合作。
在现代社会中，社区面临着多种新兴的公共安全威胁：城市化的增长、犯罪率的增加和恐怖主义的威胁。当处理有限的执法资源和不断增长的城市时，确保公共安全的挑战变得更加困难。技术的进步使得监控设备和摄像头可以使公共空间更加安全——但这往往是以牺牲个人隐私为代价的。中国拥有近 600 万 台监控摄像头，每两个人就有一台摄像头，中国以外的最受监控的城市包括德里、首尔、莫斯科、纽约和伦敦。虽然这对公共安全有益，但这种监控的增加却以侵蚀个人隐私为代价。许多人重视他们的匿名权和不被持续监控的权利，“大哥哥”正在监视的想法可以在安全和隐私之间制造冲突，导致政策制定者之间的激烈辩论。人工智能技术增强公共安全最近，摄像头越来越多地融入了人工智能，正在发挥着越来越重要的作用于公共安全。通过在摄像头或视频管理系统级别集成人工智能，并结合生成式人工智能，人工智能对公共安全监控非常有吸引力。监控系统中最常见的人工智能应用包括 周界保护 和访问控制。这些应用利用人工智能任务，如物体检测、分割、视频元数据和重新识别，以快速准确地识别合法与可疑或异常的人或行为，并在实时触发响应。人工智能驱动的监控系统可以提供更细致和复杂的功能。通过人工智能，监控系统可以实时检测、识别和响应安全事件，并具有高精度。虽然增强安全和公共安全是一个好处，但人工智能也引发了对数据隐私的担忧，一些人担心个人可识别信息的潜在滥用。在处理大量数据时，实施强大的数据保护措施至关重要。云端 AI 面临隐私挑战基于云的 AI 解决方案传统上通过利用集中式数据中心提供强大的处理能力，但它们也存在数据隐私的漏洞。当数据存储或“静止”时，集中式存储使云系统成为网络攻击的关键目标。恶意行为者可以入侵这些系统，导致严重的数据泄露和潜在的数据暴露。然而，如果数据处理是去中心化的，并在网络边缘进行，泄露将仅限于被入侵的特定节点，且大规模数据泄露更加困难。此外，基于云的数据处理系统必须遵守许多数据隐私法规，这些法规限制了原始数据的分析，导致了有限的洞察力和潜在的法律责任。边缘处理仅存储和传输最少的必要信息，同时仍允许深刻的洞察力。将数据从云端传输到设备会创建额外的漏洞点。通过在传输过程中拦截数据，黑客可以暴露敏感信息并破坏系统的安全性。总体而言，云数据中心是一个单点故障，如果受到影响，可能会影响许多摄像头。边缘 AI 在隐私和安全之间走钢丝边缘 AI 提供了一种有力的解决方案来解决这些挑战，在设备本身上处理数据，而不是将其发送到云端。如果数据是分布式的，每个系统可以采用不同的算法和功能，从隐私角度来看，这有几个优势。通过在设备上处理数据，边缘 AI 系统最小化了在互联网上传输敏感信息的需要，大大降低了在传输过程中被拦截的风险。通过本地存储数据，网络攻击的风险也降低了。如果一个设备被泄露，攻击的范围可以限制在该设备内，而不是整个网络。最后，边缘 AI 还允许在设备本身对数据进行匿名化。这简化了存储数据的过程。存储的数据可以在边缘设备或云中存储，而不会暴露个人可识别信息。关键地，边缘 AI 可以被设计为仅关注特定事件。例如，边缘 AI 可以被编程为识别暴力或可疑行为的实例，而无需持续记录视频，这有助于维护公共空间中个人的隐私。其他工具，如带宽限制，可以确保视频文件不会持续发送到云端，降低数据泄露的风险并保护个人的隐私。然而，为了使边缘 AI 成为一种有效的安全工具，它必须既高效又强大，能够保持成本友好和节能，同时快速处理复杂的算法。人工智能硬件，包括 Hailo 的专用人工智能处理器和低功耗、高计算性能芯片，使这一点成为可能。边缘...
