Sztuczna inteligencja jest jedną z kluczowych technologii, jakimi interesuje się branża zabezpieczeń. Pomimo tego, że wciąż toczy się dyskusja nad legalnością tego typu rozwiązań, z powodzeniem wykorzystywana jest m.in. w systemach kontroli dostępu.

Czym jest „sztuczna inteligencja”?
Zapewne wielu z nas pamięta film zatytułowany „AI – sztuczna inteligencja”. Była to przejmująca historia androida kryjącego się pod postacią dziecka, które nauczyło się kochać. Choć była to jedynie wzruszająca baśń, w rzeczywistości pokazała pewien kierunek, w którym zmierzają technologie przyszłości – kierunek umiejętności adaptacji i samodoskonalenia. Zadaniem uczącej się maszyny jest wykonać takie samo lub podobne zadanie, jakie już wykonywała wcześniej, bardziej efektywnie, na podstawie danych i schematów, a także wyciągniętych wniosków i stworzonych reguł. W przypadku uczenia maszynowego (ang. machine learning) te schematy maszyna opracowuje samodzielnie, pod nadzorem operatora, który na bieżąco usuwa błędy w działaniu systemu. Gdy mamy do czynienia z głębokim uczeniem (ang. deep learning) nauka może przebiegać bez takiego nadzoru.
Obecnie bardzo mocno przyspieszył rozwój technologii opartych na sieciach neuronowych. Ma to związek m.in. z możliwościami, jakie daje Internet Rzeczy. Pozwala on na pozyskiwanie ogromnej ilości danych i przetwarzanie ich w chmurze przy pomocy GPU (ang. graphics processing unit), dzięki czemu wykorzystana zostaje ogromna moc obliczeniowa, niezbędna w przypadku algorytmów uczenia się maszyn.
Jakie zadania branża security stawia przed sztuczną inteligencją?

Rozpoznawanie twarzy
Oczywiste wydaje się wykorzystanie technologii rozpoznawania twarzy w systemach kontroli dostępu. Kamery oraz rejestratory wykorzystujące mechanizmy sztucznej inteligencji używają algorytmu uczenia się w zakresie detekcji i rozpoznawania twarzy. Kamera przetwarza obraz, analizując scenę w poszukiwaniu twarzy. W momencie jej wykrycia, operator otrzymuje zdjęcie wraz z informacją, w jakim procencie jest ono podobne do tego, które znajduje się w bazie, a także z opisem, zawierającym wiek, płeć i inne szczegóły. Dane pochodzą z bazy mieszczącej zwykle kilkadziesiąt tysięcy obrazów. Możliwe jest także przeszukanie nagrań archiwalnych i wskazanie tych fragmentów, w których występuje rozpoznana osoba.
Na rynku dostępne są czytniki biometryczne, w których identyfikacja oparta jest na geometrii twarzy, wzorze i termogramie skóry oraz uśmiechu. To ostatnie rozwiązanie wydaje się szczególnie ciekawe. Algorytm analizuje charakterystyczne zmiany dokonujące się w trakcie uśmiechania się. W trakcie rozpoznawania użytkownika kilka kamer skanuje jego twarz tak, by powstał obraz trójwymiarowy. Następnie program dokonuje porównania szeregu kryteriów opartych na pomiarach charakterystycznych punktów twarzy. Najczęściej analizuje położenie oczu, odległość pomiędzy wewnętrznymi i zewnętrznymi ich krawędziami, a także odległość między zewnętrznymi kącikami ust.
Tyle praktyka. Co na to prawo? W rezolucji przyjętej w ubiegłym roku Parlament Europejski jednoznacznie wypowiedział się w sprawie systemów rozpoznawania twarzy przez technologię AI. Wskazał on na szereg związanych z tym niebezpieczeństw, prowadzących m.in. do dyskryminacji. Zdaniem europarlamentarzystów narusza to ochronę danych wrażliwych, a co za tym idzie – co do zasady powinno zostać zabronione lub przynajmniej ograniczone, zwłaszcza w przypadku sektora prywatnego. Dopuszcza się jednocześnie stosowanie tego rozwiązania w obiegu zamkniętym. Równolegle w Stanach Zjednoczonych testowane są systemy rozpoznające twarz nawet w maseczce chroniącej przed zakażeniem.

Inne możliwości analizowania obrazu
Technologia analizy obrazu w oparciu o AI znajduje zastosowanie także w nowoczesnych systemach parkingowych. W tym wypadku analizie może być poddawana twarz kierowcy i numer rejestracyjny jego samochodu. Na podstawie uprawnień wprowadzonych w systemie, kierowcy może być udzielany dostęp do parkingu lub umożliwiany wyjazd z niego.
Za pomocą technologii AI testuje się także rozwiązania pozwalające wykryć zdarzenia niepożądane. Oczywiście, algorytm zastosowany w monitoringu tego typu musi mieć zdefiniowane pojęcie tego, co sztuczna inteligencja powinna uznać za niewłaściwe. Przydatność tego narzędzia można ocenić na przykładzie obrazów z kamer, na których znajdują się grupy ludzi. Może to mieć miejsce np. na placu, na lotnisku czy w poczekalni na dworcu kolejowym. Przyjmijmy, że jedna osoba na jednym z obrazów kamery traci przytomność. Człowiek patrzący na tę scenę, mający jednocześnie kilka ekranów do obserwacji, może nie wychwycić zdarzenia. Co innego maszyna, która na podstawie szeregu obserwacji tworzy typowy obraz tłumu. Dla niej każde zachowanie wykraczające poza stworzony schemat może być powodem do alarmu.
Prowadzone są także badania nad technologią umożliwiającą sztucznej inteligencji wykrycie w tłumie człowieka z bronią. Algorytmy coraz lepiej identyfikują także ludzkie emocje.

Linie papilarne i tęczówka oka
Identyfikacja na podstawie linii papilarnych czy skanu tęczówki oka jest kolejnym z narzędzi biometrycznej kontroli dostępu. Jest ona obecna w wielu dziedzinach życia, w tym m.in. w naszych smartfonach. Przy użyciu biometrii można nie tylko odblokować telefon, ale także autoryzować wiele działań, w tym m.in. wysyłanie przelewów bankowych, dostęp do niektórych funkcji urzędowych, czy logowanie na portalach społecznościowych. Podobna technologia wykorzystywana jest także jako rodzaj klucza, pozwalający na dostęp do budynku lub jego określonych, strzeżonych zasobów.
Poziom bezpieczeństwa obiektu, do którego dostęp możliwy jest poprzez skan linii papilarnych, jest dość wysoki. Czujniki są w stanie wykryć fałszywe odciski palców wykonane z papieru, folii, silikonu czy gumy. Istnieją także specjalne algorytmy rozpoznania linii papilarnych, które bezproblemowo wykrywają zarówno palce suche, jak i mokre.W przypadku skanerów tęczówki oka co jakiś czas pojawiają się informacje o próbach oszukania algorytmów za pomocą martwego oka (tak, taka możliwość pojawiała się w niejednym filmie) czy zwykłego zdjęcia. Ponieważ niektóre z tych prób okazywały się skuteczne, naukowcy z Politechniki Warszawskiej postanowili pochylić się nad problemem. Tak powstał polski skaner tęczówki, który jest w stanie odróżnić żywe oko od martwego, dzięki czemu znacznie trudniej jest oszukać systemy do identyfikacji osób.

Rozpoznawanie mowy
Sztuczna inteligencja wykorzystywana jest także do rozpoznawania głosu. Tę technologię również na co dzień możemy odnaleźć we własnym smartfonie, np. podczas rozmowy z asystentem Google, którego możemy nauczyć reakcji na nasz głos. Asystent Google jest doskonałym przykładem sztucznej inteligencji, pokazującym, jak daleko zaszła ta technologia i jak bardzo stała się powszechna.
Innym znajomym przykładem rozpoznawania mowy, jest przetwarzanie jej na formę tekstową. Istnieje szereg aplikacji wykorzystujących tę możliwość – od dyktowania listy zakupów po automatyczne spisywanie wywiadów nagranych na dyktafon.

Analiza głosu wykorzystywana jest również w sektorze bezpieczeństwa. Bazuje na identyfikacji głosu i tworzeniu cyfrowego wzorca na podstawie konkretnych sekwencji słów. Rozwiązanie to ma jednak wady, wynikające ze zbyt wysokiego poziomu czułości parametrów głosu. System może bowiem reagować na zmiany spowodowane chorobą czy emocjami.

Podsumowanie
Bezpieczeństwo, a co za tym idzie – kontrola dostępu korzystają z wielu technik bazujących na sztucznej inteligencji. Ze względu na to, że algorytmy wykorzystują często dane wrażliwe, umożliwiające nie tylko identyfikację osób, ale też przypisanie im pewnych cech (kolor skóry, obecność blizn i tatuaży, płeć, ale także religię czy upodobania), rządy wielu państw zauważają potrzebę tworzenia regulacji chroniących bezpieczeństwo tych danych i zapobiegających uprzedzeniom i dyskryminacji. Wciąż jednak dopuszczalne jest stosowanie tego typu rozwiązań w obiegu zamkniętym, a zatem – za zgodą użytkowników – np. w zakładzie pracy czy budynku mieszkalnym. Bez wątpienia sztuczna inteligencja, pomimo prawnych ograniczeń, jest przyszłością branży security.

Damian Żabicki
Dziennikarz, analityk specjalizujący się w tematyce technicznej i przemysłowej

fShare

Tweet