Identificare con anticipo scenari ad elevata rischiosità, quando si parla di applicazioni di sicurezza avanzata, è una delle missioni dell’Intelligenza Artificiale.

Storicamente la sorveglianza si è basata sull'attività di operatori per monitorare simultaneamente più telecamere e analizzare visivamente ciò che stava accadendo, con l'obiettivo di rilevare eventi critici. 

Tuttavia, questa modalità si è già da tempo rivelata carente e soggetta ad errori perché gli esseri umani non possono monitorare con efficacia e per lunghi periodi diverse sorgenti. Numerosi sono i falsi positivi e numerosi possono essere gli eventi di reale pericolo non rilevati con tempestività o non rilevati affatto. Il rilevamento del movimento video (VMD) è solitamente lo strumento utilizzato dalle telecamere per provare a rilevare una attività. Il VMD si basa sull'analisi comparativa delle modifiche tra i pixel di un fotogramma. Se un numero sufficiente di pixel cambia di un livello sufficiente, la fotocamera attiva il movimento rilevato.

Grazie all'Intelligenza Artificiale gli operatori che implementano soluzioni di sorveglianza possono superare e arricchire le più tradizionali attività di monitoraggio per sfruttare ogni frame video e parte dei dati disponibili per identificare le minacce con anticipo, precisione e accuratezza e predisporre così interventi più rapidi ed efficaci.

L'Intelligenza Artificiale è da questo punto di vista ancora una tecnologia emergente. E proprio per questo è alla base della “seconda giovinezza” dei sistemi di videosorveglianza per gli evidenti vantaggi che introduce in termini di riduzione dei rischi e massimizzazione delle attività di prevenzione e contrasto alla criminalità.

Ancora nel recente passato, i filmati sono stati archiviati per un breve periodo prima di essere sovrascritti. Oggi, segmenti dell'IA - come l'analisi dei video, il machine learning ed il deep learning - fanno uso degli elevati volumi di dati generati dagli ecosistemi IoT per distinguere i modelli significativi e gli elementi rilevanti all'interno dei set di dati, per supportare la rilevazione, la correlazione e l’automazione di pattern comportamentali che vanno ad arricchire le strategie di deterrenza del crimine.

Questa tecnologia offre una visione più olistica dei dati, collegando i singoli eventi, per descrivere ciò che sta accadendo, al fine di identificare rapidamente le situazioni ad alto rischio prima dell’escalation. Gli stessi paradigmi, con differenti tecnologie e algoritmi sono alla base delle attività di cyber detection.

L'Intelligenza Artificiale è strettamente correlata alle aziende?

No, nel mercato del retail ad esempio i proprietari di negozi che utilizzano telecamere di sorveglianza con algoritmi di video analisi possono individuare i taccheggiatori e avvisare il personale di sicurezza ad intervenire in tempo reale; ma l’analisi del negozio può anche misurare il flusso dei visitatori, il tempo di permanenza e l’attività di visualizzazione del prodotto. Così come città intelligenti stanno anche sfruttando le reti di video sensori intelligenti per l'acquisizione dei dati e per organizzare la risposta strutturata del sistema di gestione del traffico.

L'analisi comportamentale

L'analisi comportamentale, un sottoinsieme dell'Intelligenza Artificiale, emerge come uno degli strumenti più efficaci nella rapida e precisa identificazione di una situazione di allarme e di pericolo. Grazie all'integrazione tra hardware informatico innovativo, deep learning  e gestione dei dati, le analisi comportamentali riconoscono situazioni pericolose basate sul rilevamento di determinate posture umane, come ad esempio le braccia alzate di un cassiere o un individuo accovacciato vicino a un bancomat, oppure contestualizzare il comportamento delle persone in base al loro numero, alla velocità di movimento, al fatto di saltare, correre o strisciare. Gli algoritmi più moderni e sofisticati possono quindi classificare le persone per genere, età, tipo di vestiario, possono riconoscere gli autoveicoli e distinguere oggetti inanimati e distinguerne i colori.

L’AI “multidisciplinare” ha quindi come elemento trasversale l’applicazione della sicurezza e della Safety ma può estendere il proprio ambito di applicazione al mondo delle Facility, all'organizzazione della vita di un edificio, di un campus, di una fiera, di un evento di aggregazione sociale. Il requisito, oltre alla disponibilità di software specializzati, è la presenza di infrastrutture di gestione integrate e collaborative degli eventi e degli allarmi. 

In questo contesto i Security Operation Center più moderni possono non solo sfruttare la disponibilità di queste logiche comportamentali per una rapida contestualizzazione del livello di rischio, ma integrare e correlare alcune di queste informazioni, di questi contenuti video “azionabili” con dati ed eventi che provengono invece da domini e sistemi logici, per un arricchimento ed una valutazione, anche automatica, dello scenario di rischio complessivo.