利用深度學習解決訪問控制中的誤報和尾隨問題

門禁系統(tǒng)受到誤報和尾隨等問題的困擾。Hakimo 是一家新公司，其應用深度學習的概念來減少誤報和尾隨，并使訪問控制更加準確。

來自訪問控制系統(tǒng)的誤報等問題耗費了全球安全運營中心 (GSOC) 的操作員花費大量的時間和精力。這是浪費他們可以用來執(zhí)行更高級別職責的時間。雇用足夠多的 GSOC 操作員來監(jiān)控和解決數(shù)百個令人討厭的警報的代價是非常昂貴的。幸運的是，技術可以完成這項工作。

消除干擾警報還使操作員更加關注正確的警報，而不是將其視為背景噪音。在滋擾警報中丟失實際警報的可能性要小得多。

Hakimo 的聯(lián)合創(chuàng)始人兼首席執(zhí)行官 (CEO) Samuel Joseph 說：“在許多情況下，用戶會忽略警報，并習慣于認為每個警報都是假警報。 ”他補充說，“這就像一個叫狼來了的男孩。”

為了解決這個問題，Hakimo 使用深度學習（一種采用深度神經網絡的人工智能 (AI) 形式）分析視頻和其他數(shù)據(jù)，以模擬人腦的操作。數(shù)據(jù)通過多個非線性層以加快處理速度。

在 Hakimo 的情況下，門入口或出口的視頻提供數(shù)據(jù)，系統(tǒng)快速分析以驗證警報和/或確保在刷卡或其他形式的授權后只有一個人通過門。

訪問控制系統(tǒng)可以通過多種方式生成滋擾警報。例如，當一扇門關閉時，它有時會在撞擊時“彈跳”，因為磁力鎖尚未接合。

該彈跳被門禁系統(tǒng)錯誤地解釋為“門強制打開”警報。另一個例子是，如果門內側的運動傳感器出現(xiàn)故障，無法檢測到有人離開建筑物。同樣，結果是錯誤的“門強制打開”警報。在具有 300 扇門的訪問控制系統(tǒng)中，GSOC 每天可能會收到 100 次騷擾警報。對于擁有更大系統(tǒng)的企業(yè)用戶來說，這個問題更加嚴重。

Hakimo 的方法非常適合垂直市場，例如關鍵基礎設施（機場、公用事業(yè)等）以及技術和制造公司。一個典型的用戶可能有 200 個或更多的門，以及 5,000 名左右的員工。

為了解決尾隨問題，Hakimo 利用深度學習來確定是否有第二個人緊跟在某人身后，該人已被正確授權進入設施。

以前，許多用戶忽略了這個可能嚴重的安全漏洞。在其他情況下，激光束硬件安裝在門框上以檢測尾隨，并與后端系統(tǒng)集成。這些系統(tǒng)也容易出現(xiàn)誤報。

Hakimo 的深度學習算法可檢測尾隨并在 GSOC 操作員發(fā)生時向其發(fā)出警報。實際上，它允許訪問控制系統(tǒng)將正確的人拒之門外，將錯誤的人拒之門外。人工智能 (AI) 和深度學習的最新進展使該系統(tǒng)能夠執(zhí)行幾年前不可能完成的任務。

避免滋擾警報具有直接的投資回報 (ROI)。GSOC 運營商可以更有效率并有更多可用時間來執(zhí)行其他重要職責以確保企業(yè)安全。

雖然更難以量化，但安全漏洞（尾隨）的可能成本和嚴重后果也為采用該技術提供了強有力的理由。大多數(shù)購買者購買該系統(tǒng)是因為它結合了它的優(yōu)點，既可以最大限度地減少滋擾警報，又可以防止尾隨。

深度學習系統(tǒng)還可用于分析存儲的訪問控制數(shù)據(jù)并識別可能表明存在安全漏洞的異常情況。例如，如果持卡者持有者在不尋常的時間上班，系統(tǒng)可以識別出異常情況并引起操作員的注意。雖然不是系統(tǒng)的核心功能，但它是一些用戶利用的功能。

Hakimo 成立于 2020 年，最初直接將其系統(tǒng)出售給最終用戶，但正在開發(fā)集成商渠道。他們已經加入了許多集成商，并將繼續(xù)這樣做。他們還與主要制造商建立了合作伙伴關系，以實現(xiàn)與訪問控制和視頻系統(tǒng)的雙向集成。名單正在增長。

Samuel Joseph 補充道：“用戶普遍存在的一個誤解是，人工智能系統(tǒng)算法需要時間來‘學習’如何在應用中發(fā)揮最佳功能。然而，在 Hakimo 的情況下，該系統(tǒng)開箱即用。”

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。