データセンターの物理的セキュリティに AI を活用する方法

機械学習と人工知能は、データセンターの問題に対する万能薬として宣伝されてきました。その多くは誇大宣伝と根拠のない楽観論ですが、AI ツールはすでにいくつかの分野では有用かつ実用的です。これらの領域にはデータセンターの物理的なセキュリティが含まれており、AI は画像と音声の認識、異常検出、予測分析の 3 つの領域で重要な役割を果たします。

[[347617]]

画像と音声の認識

画像認識は人工知能の大きな成功例の一つであり、この技術は幅広い分野で急速に活用されつつあります。近い親戚である音声認識についても同様です。

当然のことながら、物理的なセキュリティでは、画像認識は顔認証に最も一般的に使用されます。

しかし、それは単に建物に入る人が本人であることを確認するだけではありません。画像認識は、火災やその他の緊急事態の際に部屋に誰かがいるかどうかを確認するためにも使用できます。検出された動きが風に揺れる木の枝なのか、フェンスを乗り越えようとする侵入者なのかを判断するために使用できます。

画像認識は、銃やその他の武器を持っている人やマスクを着用していない人を識別するためにも使用できます。

健康関連の問題について言えば、データセンターの訪問者が COVID-19 と診断された場合、画像認識を使用して、感染者が訪れたすべての場所 (徹底的に清掃できるようにするため) と接触したすべての人を特定し、検査を行うことができます。

非常に特殊なニーズを持つ大規模なデータ センター向けには、市販およびオープン ソースの画像認識アルゴリズムとトレーニング セットが多数用意されています。小規模なデータセンター、専用の AI 開発チームのためのリソースがないデータセンター、または非常に一般的な問題を抱えているデータセンター向けに、ベンダーはセキュリティ製品にこれらの機能を組み込むことが増えています。

ストックホルムを拠点とする調査会社Memooriによれば、AI分析は今後10年間でビデオ監視ソリューションの標準機能になるという。

「ビデオ監視カメラによって生成される膨大な量のデータを最大限に活用することが急務であり、AIベースのソリューションが唯一の実用的な解決策だ」と、メモオリのマネージングディレクター、ジェームズ・マクヘイル氏は最近のレポートで述べた。

マクヘイル氏はDCKに対し、ビデオ監視カメラは膨大なデータを生成するため、それを処理するには人工知能が唯一の実行可能な手段であると語った。

AI システムは熱画像の分析にも使用できます。彼は、COVID-19パンデミックの直接的な結果として、サーマルカメラが今年大きな成長分野となっていると語った。

現在、多くのサーマルカメラは熱情報のみを捉えますが、顧客は熱画像と従来の画像の両方をキャプチャし、ニューラル ネットワーク アルゴリズムを適用して処理できるシステムを求めるようになっています。

しかし、この技術がパンデミックの制御にどのように活用できるかについては、一般的に理解が不足していると付け加えた。さらに、パンデミックは経済の一部の分野に悪影響を及ぼし、支出に影響を及ぼし、企業がテクノロジーを購入する方法を変えています。

「顧客は投資からより多くの価値を要求し、先行投資に消極的になるだろう」と彼は語った。これにより、サービスとしてのアクセス制御やサービスとしてのビデオ監視がより魅力的になる。 ”

異常検出

機械学習のもう一つの非常に一般的で実用的な用途は、異常検出です。システムはデータのベースラインに基づいてトレーニングされ、一般的なパターンを識別し、それらのパターンに適合しない異常なイベントを探します。

たとえば、さまざまな車が施設内を走行するのは普通のことかもしれませんが、過去 1 時間に同じ車が数回走行し、そのたびに速度を落とし、その後再び速度を上げた場合、警備員は何か不審なことが起こっていると警告されます。

同様に、データセンターが通常行かない場所に誰かがいる場合や、通常働いていない時間帯に誰かがいる場合も、トラブルの兆候である可能性があります。

「潜在的な脅威領域に集中するのに役立つ」と、アリゾナ州テンピに拠点を置く技術コンサルティングおよびシステム統合会社、インサイトでクラウドおよびデータセンター変革担当シニアセキュリティアーキテクトを務めるマイケル・ペロー氏は述べた。

これは、データ センターがセキュリティ チームが見逃す可能性のある進行中の問題を発見するのに役立ちます。

予測分析

パターン認識には、イベントを予測するという別の用途もあります。今日のデータ センターでは、この機能は主に予測メンテナンスに使用されます。

たとえば、機器が異常なレベルまで熱くなった場合、AI システムは問題にフラグを立て、機器が完全に故障する前にサービス リクエストを開始できます。

ペロー氏は、現時点ではデータセンターのメンテナンス以外での予測分析の応用は多くないと述べた。

しかし、一部のベンダーは、電子メールやビデオ監視などの内部データと、逮捕報告書やソーシャルメディアの投稿などの外部データを組み合わせることで、セキュリティ上の問題が発生する前に発見できる技術の開発に取り組んでいます。

たとえば、データセンターの個人または従業員が暴力事件で逮捕され、会社に脅迫メールを送信し、ソーシャル メディアに不快な投稿をした場合、これは、この人物がさらにエスカレートする可能性がある兆候である可能性があります。警備員にはその人物を監視しておくようにアドバイスできるでしょう。

もちろん、AI を使用して機械が故障する可能性を予測することと、AI を使用して人が故障する可能性を予測することは異なるため、いくつかの厄介な倫理的問題が生じます。

どの程度の情報収集が侵害的でしょうか? 従業員と重要なインフラストラクチャの安全を守るのに役立つのであれば、それだけの価値があるのでしょうか?

現在、このようなシステムの最大の問題は、世界中の警察が発見したように、まだ比較的新しいため、あまり正確ではなく、偏見の影響を受けやすいことです。

しかし、AI システムの特徴は、常に精度が向上していることです。近い将来、予測安全技術は広く利用可能になり、安価で簡単に導入できるようになります。すでに、社内データと外部ソースを相関させて人間の行動を予測するサービスとしてこれを提供しているベンダーがあり、このテクノロジーはなくなることはありません。

データセンターのセキュリティ管理者と上級管理職は、事前に倫理的なフレームワークを策定する必要があります。従業員、その家族、または一般の人々に対して、セキュリティ システムはどの程度侵入的であるべきでしょうか。どのデータ ソースが適切なツールでしょうか。アクションのしきい値はいくらでしょうか。

『マイノリティ・リポート』スタイルの予測セキュリティ技術はもはやSFではなく、映画が提起する道徳的疑問ももはや理論的なものではない。