УДК 004.9

Особенности применения технологии компьютерного зрения для функционирования системы Умный город

Акатьев Ярослав Алексеевич – ассистент МИРЭА – Российского технологического университета

Александриди-Шандаевский Егорий Дмитриевич – студент МИРЭА – Российского технологического университета

Аннотация: В данной статье исследуются вопросы применения технологии компьютерного зрения в системах Умного города. Обсуждаются ключевые аспекты, такие как биометрическая идентификация, кибербезопасность, контроль доступа, а также проблемы стабильности функционирования системы. Статья подчеркивает важность обеспечения безопасности и защиты данных в контексте Умного города.

Ключевые слова: компьютерное зрение, умный город, кибербезопасность, биометрическая идентификация.

Введение

В настоящее время российское общество претерпевает существенные изменения под влиянием новых информационных технологий. В первую очередь это касается систем безопасности, которые в 21 веке активно развивается по законам цифровизации. Понятие «умный город» не является новым и претерпевало изменения с течением времени. Британский институт стандартов (British Standard Institution) описывает умный город, как «эффективную интеграцию физических, цифровых и человеческих систем в искусственно созданной среде с целью обеспечить устойчивое, благополучное и всестороннее будущее для граждан». Компьютерное зрение – одно из инновационных технологических решений, призванных усовершенствовать системы безопасности и обеспечить более комфортные условия. Это комплекс методов, который позволяет компьютерам анализировать информацию на основе определенных параметров, минимизируя или вовсе исключая участие человека. Компьютерное зрение - неотъемлемая часть искусственного интеллекта, которая способна проводить анализ видео, фотографий, изображений, штрих-кодов, лиц и даже эмоций. Рассмотрим области применения технологий компьютерного зрения в рамках системы «Умного города», основные риски, связанные с этим, и пути их устранения.

Компьютерное зрение в умных домах имеет несколько этапов работы и основные функции.

Первый этап включает получение изображения, которое, даже если оно большое, может быть получено в режиме реального времени с использованием видео-, фото- или 3D-технологий для последующего анализа.

Второй этап заключается в обработке изображения, где большая часть процесса автоматизируется с помощью моделей глубокого обучения. Однако эти модели часто требуют обучения на тысячах систематизированных или предварительно идентифицированных изображений.

Третий этап – это понимание изображения, где происходит интерпретация идентификации или классификации объекта.

Из этих этапов работы вытекают основные функции компьютерного зрения:

1. Захват изображений и формирование архива: Захват изображений и сохранение их в архиве может быть полезным для безопасности, идентификации злоумышленников и подозрительной активности.
2. Распознавание цветов: Распознавание цветов может использоваться для регулировки освещения и температуры в зависимости от цвета комнаты.
3. Мониторинг и управление персоналом и бизнес-процессами: Компьютерное зрение может использоваться для мониторинга посещаемости сотрудников и производственных процессов.
4. Техническое зрение: Компьютерное зрение может использоваться для мониторинга производительности приборов и обнаружения неисправностей.

Сегодня системы «Умного города» активно развиваются на основе компьютерного зрения. Мнение экспертов по поводу определения умного города разнится, но все они согласны в одном: данные являются ключевым элементом управления и позволяют муниципальным службам улучшать качество жизни жителей. Эти данные охватывают различные сферы городской жизни, включая безопасность, транспорт, медицинские услуги, коммунальное хозяйство и благоустройство. Они собираются с помощью видеокамер, датчиков, сенсоров, информационных систем и других источников [1].

Открытая библиотека компьютерного зрения нашла широкое применение в «умных домах» – системах Интернета вещей, которые помогают людям выполнять домашние функции. Сети устройств Интернета вещей могут управлять освещением, регулировать температуру в помещении, поливать растения и включать телевизор. 

Обеспечение безопасности является неотъемлемой составляющей домашней автоматизации интеллектуального дома. При внедрении приложений компьютерного зрения для обнаружения присутствия людей, повышается уровень безопасности в различных системах сигнализации и видеодомофонов. Внедрение технологии распознавания лиц имеет потенциал предотвращения проникновения незнакомцев в частные дома и квартиры. Камеры активно отслеживают действия людей, а алгоритмы проводят анализ их поведения, выявляя необычные и чрезвычайные ситуации [2].

Компьютерное зрение в системе «умного города» часто включает автоматическое обнаружение опасных ситуаций с целью обеспечения безопасности жителей с помощью интеллектуального видеонаблюдения. Алгоритмы играют важную роль в обнаружении и отслеживании людей, а также в оценке их трехмерных поз. Все это осуществляется с единственной целью – распознавания и анализа действий и взаимодействий людей. Такие инновационные технологии находят свое применение в различных сферах, включая подсчет людей и идентификацию тех, кто проводит необычно большое количество времени в определенных местах (так называемый анализ времени пребывания). В современных умных городах также активно используются интеллектуальные вычислительные системы для мониторинга активности и предотвращения потенциальных рисков. Критические инфраструктуры представляют собой значительный ресурс для общества, и любая их неисправность может иметь серьезные последствия и стоимость. К ним относятся дороги, коммуникации, водоснабжение, энергетика и многое другое. Когда системы закрытого телевидения (CCTV) стали неотъемлемым компонентом безопасности и соблюдения закона, традиционные системы наблюдения столкнулись с ограничениями в виде человеческого фактора, требующегося для отслеживания множества видеопотоков. Однако новые передовые технологии искусственного интеллекта открывают возможность создания распределенных систем сбора данных, которые обеспечивают производительность в режиме реального времени, экономичность и масштабируемость, при необходимости применения в широком масштабе [3].

Биометрические системы для идентификации личности активно развиваются и широко используют технологию компьютерного зрения. Термин «биометрия» происходит от раздела биологии, в котором проводятся количественные биологические эксперименты с использованием методов математической статистики. Понятие «биометрия» было введено в конце XIX века. В 1970-х годах интерес к биометрии возрос с разработкой биометрических систем безопасности, основанных на измерении уникальных биологических, физиологических и поведенческих характеристик, уникальных для каждого индивидуума. Эти характеристики называются биологическим кодом человека. Современная биометрия решает проблемы ограничения доступа к информации и обеспечения персональной ответственности за ее сохранность, а также предотвращает проникновение злоумышленников путем подделки и кражи документов. Биометрия является эффективным решением множества проблем, связанных с безопасностью и идентификацией личности. Распознавание личности на основе технологии машинного зрения происходит на двух уровнях - верификации и идентификации. Верификация, или аутентификация, подтверждает или отрицает подлинность определенной личности на основе предварительно известной информации. С увеличением числа пользователей в системе распознавания, сложность верификации экспоненциально возрастает. Достоверность распознавания личности имеет критическое значение во многих ситуациях нашей повседневной жизни, включая контроль прав доступа пользователей к информации, чтобы предотвратить ее повреждение или потерю.

Однако, как и у большинства современных технологий, биометрия, внедренная в компьютерное зрение, имеет свои недостатки, которые могут стать значительными проблемами. Противники биометрической системы данных считают, что биологический код человека может быть использован силовыми структурами в целях, не связанных с вопросами доступа и безопасности. Также вызывает опасение то, что биометрические сканеры не могут самостоятельно распознавать, когда человек совершает действия, такие как снятие денег со счета, добровольно или под угрозой. Возникает вопрос о сборе биометрических данных несовершеннолетних, который, в условиях развития технологий умных городов, проводится без предварительного согласования с родителями или опекунами. Исследование, проведенное Всероссийским центром изучения общественного мнения, выявило, что отношение россиян к передаче биометрических данных разнообразно. Согласно опросу, 32% граждан выразили негативное отношение, 26% высказались положительно, а 30% остались нейтральными. Однако оставшиеся 12% затруднились ответить. Среди тех, кто критически относится к идее передачи биометрической информации, 25% указали, что это нарушает их права и свободы. Еще 7% считают, что такие действия государства являются контролем и нарушением приватности. Также 4% респондентов сравнили сбор биометрических данных с цифровым концлагерем, выражая опасения по поводу неправомерного использования информации государством. Наконец, 11% оказались беспокойными о возможных утечках личной информации [5].

Беспокойства пользователей относительно передачи личной информации и биометрических данных не являются напрасными, а совершенно обоснованными. В области государственных, корпоративных и общественных систем, которые полагаются на компьютерное зрение, одна из главных угроз – кибератаки хакеров. Во втором квартале 2023 года количество кибератак на российские IT-компании выросло в четыре раза по сравнению с аналогичным периодом прошлого года и достигло отметки в 4 тысячи, как сообщили представители «МТС RED» в конце августа.[6] Согласно отчету Лаборатории Касперского, которая специализируется на мониторинге кибербезопасности, Россия и страны СНГ входят в список наиболее часто атакуемых хакерами в IT-рынке. Артем Избаенков, директор по развитию кибербезопасности в EdgeЦентре, подчеркивает, что основной целью этих атак являются IT-компании, которые могут быть полностью парализованы в результате атак на их сетевую инфраструктуру. Такие атаки способны серьезно нарушить работу компаний, причинить ущерб их клиентской базе и полностью прекратить их деятельность. Эксперты также предупреждают о возможности использования кибератак в политических целях и для манипулирования общественным мнением. Большинство исследователей считают, что для решения этой проблемы необходимо внедрение новых инструментов и методов, включая искусственный интеллект и интеллектуальные сети электроснабжения, которые гарантируют надежность кибербезопасности.[7] Дмитрий Овчинников, ведущий эксперт в отделе комплексных систем защиты информации в компании «Газинформсервис», подчеркивает, что уязвимость российских организаций перед хакерскими атаками связана с дефицитом квалифицированных специалистов в области информационных технологий для эффективной защиты, а также зависимостью от импортных систем и переходом на продукты с открытым исходным кодом, такие как OpenSource.

Также распространенными видами кибератак являются фишинг и DDoS атаки.

Фишинг представляет собой хитроумную попытку злоумышленников получить доступ к конфиденциальным данным пользователей путем использования вредоносных сетевых ресурсов и создания ложных запросов. Злоумышленник, владеющий такой платформой, умело манипулирует пользователями, убеждая их в безопасности и законности данного ресурса, при этом скрывая свои злонамеренные намерения. Способы действий этих мошенников могут варьироваться, однако часто они перенаправляют своих жертв на вредоносные веб-сайты, где аферисты имеют возможность получить доступ к личной информации, обманув пользователя. В таком случае жертва фактически самостоятельно передает свои личные данные злоумышленнику. Так в 2022 году 52,78% писем в Рунете были спамом, система «Антифишинг» предотвратила пять миллионов попыток перехода по фишинговым ссылкам, а более трехсот пятидесяти тысяч  попыток перехода по фишинговым ссылкам были связаны с угоном Telegram-аккаунтов. [8]

Атаки под названием «Отказ в обслуживании» – это метод, при котором данные о трафике и спаме вводятся в системную сеть путем использования DoS (Отказ в обслуживании). Эта методика заключается в намеренном создании перегрузки связи путем массовой генерации запросов на соединение, что приводит к значительному замедлению работы системы или полной остановке ее функционирования. В результате система может страдать от избыточной скорости обработки данных или выключаться из-за перегрузки. В связи с этим, любое устройство, подключенное к Интернету, может быть подвержено уязвимости для DDoS-атак, которые могут быть осуществлены без использования маршрутизатора [9]. Число DDoS-атак на российские IT-системы в 2022 г. выросло на 73% по сравнению с 2021 г., о чем заявил основатель Qrator Labs Александр Лямин. Больше всего атак было направлено на медиаресурсы и финансовый сектор, в частности на платежные системы и приложения банков. К числу самых громких DDoS-атак 2022 г. относят атаки на портал «Госуслуги», когда был зафиксирован десятикратный рост нагрузки [10].

Ежедневно наблюдаются кибератаки, и невозможно предупредить каждую из них. Однако, первоначальные методы защиты имеют важную функцию в уменьшении последствий текущих атак и в предотвращении будущих. Один из главных способов смягчения последствий кибератак – это усиление контроля доступа. Для этого используется ограничение доступа пользователей и устройств к ресурсам, файлам данных и компонентам. Также рекомендуется ограничить доступ неавторизованных пользователей к определенным областям. Уровень безопасности системы повышается благодаря использованию надежных методов шифрования, которые снижают риск кражи данных из системы или перехвата внутренних сетевых пакетов злоумышленниками. Кроме того, применение аутентификации, предварительной идентификации устройств и согласования задач, которые должны быть выполнены устройствами в сети, также способствуют повышению уровня безопасности системы. Помимо всего вышеперечисленного у систем компьютерного зрения существует проблема стабильности функционирования системы. Проблема заключается в том, что после захвата изображений и отправки их на сервер, для распознавания используется специальное программное обеспечение. Однако, для бесперебойной работы системы необходим постоянный доступ к высокоскоростному интернету. Проблемы с сетью могут привести к замедлению или полной остановке передачи данных на сервер. Разработка и внедрение независимых систем, не требующих связи с серверами, могут стать решением этой проблемы. Одним из примеров таких систем является разработанное совместно резидентом «Сколково», компанией «ИРЦЭ» и ГК «СиДиСи» «ядро», способное проводить распознавание образов непосредственно на мобильном устройстве без обмена информацией с серверами. Совершенствование точности распознавания данной системы достигло 98% [11].

Не только техническая, но и юридическая сторона вопроса использования технологий компьютерного зрения в масштабах страны вызывает сомнения как у экспертов, так и у общественности. 21 апреля 2020 года Государственная Дума приняла в третьем, окончательном чтении Закон «О едином федеральном информационном регистре, содержащем сведения о населении РФ».[12] Цель данного закона заключается в установлении единого информационного регистра, который включает более 30 различных пунктов личной информации, таких как ФИО, дата и место рождения, пол, данные о семейном статусе и другие важные сведения. Кроме того, этот регистр содержит ссылки на личные кабинеты граждан на государственных онлайн-платформах, таких как Госуслуги, налоговая служба и Пенсионный фонд. Вся персональная информация уже хранится там, включая почтовые адреса, контактные номера, налоговую информацию, сведения об имуществе и другие. Аналогичный законопроект, связанный с «цифровым профилем гражданина», ранее уже был отклонен Федеральной службой безопасности. Эксперты ФСБ указывали, что «обработка данных в рамках одной общей инфраструктуры значительно повысит риск несанкционированного доступа к информации». Утечка подобной базы данных может представлять угрозу не только для уровня комфорта, но и для жизненно важных интересов граждан страны. Особенно важным аспектом кибербезопасности является использование соответствующих методов идентификации, поскольку это помогает заранее принимать контрмеры, а также позволяет разработать прогнозирующую и упреждающую стратегию кибербезопасности для субъектов критической информационной инфраструктуры.

Выводы

Данная статья представляет наиболее распространенные виды технологий компьютерного зрения и связанные с ними проблемы. Внедрение информационных технологий и активное использование компьютерного зрения невозможно остановить. Однако, неразрывно связанным с этим является увеличение физических и кибератак. Чтобы предотвратить данные атаки, каждая страна должна применять наиболее доступные и надежные меры для обеспечения информационной безопасности своих инфраструктур.

Применение компьютерного зрения в системах «умных домов» и «умных городов» сделает жизнь граждан комфортнее и безопаснее. Однако, с ростом количества подключенных к интернету умных устройств возникают серьезные уязвимости в сетевой безопасности. В результате, кибератаки на технологии компьютерного зрения, используемые в важных национальных объектах, становятся все более частыми, что увеличивает риск возникновения крупных техногенных катастроф. Концепция «умного города» находится в активной разработке и обсуждении уже несколько лет. Множество экспертов работают над созданием технологий, которые сделают города энергоэффективными, комфортными, экологичными и физически безопасными. В перечень таких разработок входят технологии машинного зрения (общая биометризация), система Интернета Вещей и интеллектуальные вычислительные технологии, позволяющие мониторить деятельность и предотвращать опасные ситуации.

Список литературы

1. Статья «Опыт умных городов, или практика мегаполисов, управляемых данными» [Электронный ресурс] URL: https://iot.ru/gorodskaya-sreda/-opyt-umnykh-gorodov-ili-praktika-megapolisov-upravlyaemykh-dannymi (Дата обращения:11.09.2023).
2. Статья «Detecting Humans in Smart Homes with Computer Vision»[Электронный ресурс] URL:  https://hackernoon.com/detecting-humans-in-smart-homes-with-computer-vision-95n371l (Дата обращения:11.09.2023).
3. Статья «The Top 16 Computer Vision in Smart City Use Cases (2023)» [Электронный ресурс] URL: https://viso.ai/applications/computer-vision-in-smart-city-applications/ (Дата обращения:13.09.2023).
4. Статья «БИОМЕТРИЯ — Большая Медицинская Энциклопедия» [Электронный ресурс] URL: https://бмэ.орг/index.php/БИОМЕТРИЯ (Дата обращения:15.09.2023).
5. Статья «ВЦИОМ. Новости: Делиться биометрическими данными: выгоды и риски» [Электронный ресурс] URL: https://wciom.ru/analytical-reviews/analiticheskii-obzor/delitsja-biometricheskimi-dannymi-vygody-i-riski (Дата обращения:27.09.2023).
6. Статья «Число кибератак на российские IT-компании выросло в четыре раза по итогам второго квартала» [Электронный ресурс] URL: https://www.kommersant.ru/doc/6185042 (Дата обращения:26.09.2023).
7. Статья «Угрозы безопасности умных городов» [Электронный ресурс] URL: https://www.anti-malware.ru/analytics/Threats_Analysis/smart-cities-threats-opportunities (Дата обращения:10.09.2023).
8. Статья «Отчет «Лаборатории Касперского» о спаме и фишинге в 2022 году | Securelist» [Электронный ресурс] URL: https://securelist.ru/spam-phishing-scam-report-2022/106719/ (Дата обращения:27.09.2023).
9. Панин Дмитрий Николаевич, Бобков Егор Олегович и Балашова Екатерина Андреевна. "АНАЛИЗ КИБЕРАТАК НА КРИТИЧЕСКУЮ ИНФОРМАЦИОННУЮ ИНФРАСТРУКТУРУ С IOT ТЕХНОЛОГИЯМИ" Автономия личности, no. 2 (22), 2020, pp. 55-64.
10. Статья «Количество DDoS-атак на российские компании выросло на 73% – Ведомости» [Электронный ресурс] URL:  https://www.vedomosti.ru/technology/articles/2023/01/27/960630-kolichestvo-ddos-atak-na-rossiiskie-kompanii-viroslo?from=newsline (Дата обращения:27.09.2023).
11. Статья «Что такое компьютерное зрение и где его применяют | РБК Тренды» [Электронный ресурс] URL: https://trends.rbc.ru/trends/industry/5f1f007e9a794756fafbfa83 (Дата обращения:17.09.2023).
12. Статья «В России появится единый регистр сведений о населении РФ» [Электронный ресурс] URL: http://duma.gov.ru/news/48602/ (Дата обращения:28.09.2023).